Initiez-vous à l'apprentissage automatique pour les objets connectés

Lien et descriptif Mooc

Initiez-vous à l'apprentissage automatique pour les objets connectés

durée = 12 heures

Le principal objectif de ce cours est d'illustrer, sur un cas d'usage provenant de la communauté IoT, les possibilités de la science des données ou encore de l'intelligence artificielle. Plus précisément, il s'agit de mettre en œuvre des algorithmes d'apprentissage automatique/statistique (machine/statistical learning).

Objectifs pédagogiques/bloc compétences

À la fin de ce cours, vous serez capable de :

  • mettre en place les outils nécessaires à la science des données ;

  • exécuter une analyse exploratoire multidimensionnelle ;

  • expliquer la démarche et les enjeux de la classification supervisée ;

  • entraîner un algorithme de classification supervisée ;

  • expliquer l'évolution de l'IA ;

  • entraîner un algorithme d'apprentissage profond.

Tags/indexation

intelligence artificielle, science des données, apprentissage automatique, exploration statistique, caractérisation des données, classification supervisée, apprentissage profond, traitement du signal, artificial intelligence, data science, machine learning, statistical exploration, feature engineering, classification, deep learning, signal processing

Pré-requis

Ce cours nécessite quelques connaissances en mathématiques (algèbre linéaire, calcul matriciel) et des notions de traitement du signal (Fourier).

Les cours suivants sont des bons préalables pour comprendre ou des compléments pour approfondir les aspects méthodologiques de la démarche mise en œuvre :

Explorez vos données avec des algorithmes non supervisés

Initiez-vous au machine learning

Utilisez des modèles supervisés non linéaires

Séquençage

Identifiez les enjeux et objectifs de ce cours

Explorez des données multidimensionnelles

Prévoyez une activité humaine par classification supervisée

Appréhendez l'apprentissage profond

Nom établissement INSA

Toulouse

Enseignants et ingénieurs pédagogique

Philippe Besse

Professeur de Mathématiques à l'Université de Toulouse - INSA Institut de Mathématiques UMR CNRS 5219 Apprentissage & Statistique

Isabelle Belhaj

Ingénieure pédagogique