• Liste des parcours dans lesquels apparaît l'EC

• Mention / Parcours / Parcours type	ECTS	Points
  Informatique / Informatique / IA	3	30

• Équipe pédagogique

• • Responsables

  • ALIN François (Responsable)

    Département : Mathématiques (UFR SEN)

• Volume horaire

• Nature	CM	TD	TP	Total
  Durée	10h	10h	10h	30h

• Modalités de contrôle des connaissances (MCC)

• Epreuves	Nature	Projet	DST	EET	Total
  	Durée		1h30	1h30
  Cas général	1ère session	60	40		100%
  	2nd session	60		40	100%
  Dispense contrôle continu	1ère session	60	40		100%
  	2nd session	60		40	100%

• Modalités de contrôle des connaissances (MCC)

• Cas général

• Nature	Durée	1ère session	2ème session
  	Projet		60%	60%
  DST	1h30	40%	0%
  EET	1h30	0%	40%

• Dispense contrôle continu

• Nature	Durée	1ère session	2ème session
  	Projet		60%	60%
  DST	1h30	40%	0%
  EET	1h30	0%	40%

• Compétences spécifiques visées

• - Comprendre l?approche machine learning/deep learning- Comprendre l?architecture des réseaux de neurones et les bases fondamentales de leur convergence- Maîtriser les outils disponibles bas et haut niveau

• Compétences générales visées

• - Les différentes approches du « machine learning » ;- Architecture des réseaux de neurones élémentaires ;- Principaux algorithmes du « machine learning »

• Connaissances requises

• Algorithmique et structures de données élémentaires. Programmation C/C++

• Programme

• - Le machine learning et le deep learningo Historiqueo Intelligence collectiveo Bases théoriques et utilisation- Les réseaux de neuroneso Bases mathématiqueso Architecture, fonctions d'activation et de pondérationo L'apprentissage d'un réseau de neuroneso Modélisation d'un réseau de neuroneso Approximation- Outils usuels en deep learningo Haut niveau : PyTorch, Keras, Lasagneo Bas niveau : Theano, Torch, Caffe, Tensorflow