Apprentissage automatique

Ce module explore l’apprentissage automatique, en se concentrant sur les algorithmes et les modèles qui permettent aux ordinateurs d’apprendre et de faire des prédictions ou des décisions basées sur des données. Il couvre les techniques d’apprentissage supervisées, non supervisées et par renforcement, ainsi que des applications pratiques dans des domaines tels que la reconnaissance d’images, le traitement du langage naturel et l’analyse prédictive.

Bâtisseur de programmes d'études

Besoin d’aide ? Cliquez ici pour obtenir des instructions.

Sutton, Richard S. et Andrew G. Barto. L’apprentissage par renforcement : une introduction. Deuxième édition. Série Calcul adaptatif et apprentissage automatique. Cambridge, Massachusetts : The MIT Press, 2018.

Barbier, David. Raisonnement bayésien et apprentissage automatique. 1ère éd. Cambridge University Press, 2012.

https://doi.org/10.1017/CBO9780511804779

MacKay, David J.C. Théorie de l’information, inférence et algorithmes d’apprentissage. Cambridge University Press, 2003.

Bishop, Christopher M. Reconnaissance de formes et apprentissage automatique. Sciences de l’information et statistiques. New York : Springer, 2006.

Mohri, Mehryar, Afshin Rostamizadeh et Ameet Talwalkar. « Introduction. » Dans Fondements de l’apprentissage automatique, 504. La presse du MIT, 2018.

https://mitpress.mit.edu/9780262039406/foundations-of-machine-learning/

Murphy, Kevin P. « Chapitre 24 : Inférence de Monte Carlo par chaîne de Markov (MCMC) » et « Chapitre 25 : Clustering. » Dans l’apprentissage automatique : une perspective probabiliste. Londres, Angleterre : The MIT Press, 2012.

Wyner, Abraham J., Matthew Olson, Justin Bleich et David Mease. « Expliquer le succès d’AdaBoost et des forêts aléatoires en tant que classificateurs interpolateurs. » arXiv, 29 avril 2017.

http://arxiv.org/abs/1504.07676

Hastie, Trevor, Robert Tibshirani et Jerome Friedman. Les éléments de l’apprentissage statistique : exploration de données, inférence et prédiction. 2e éd. Springer Series in Statistics. New York, NY : Springer New York, 2009.

https://doi.org/10.1007/978-0-387-84858-7

Wasserman, Larry. L’ensemble des statistiques : un cours concis sur l’inférence statistique. Textes Springer en statistiques. New York, NY : Springer New York, 2004.

https://doi.org/10.1007/978-0-387-21736-9