Vous êtes ici : FIL > Portail > Master Informatique > M2 MOCAD > A2DI

Apprentissage Automatique et Décision dans l'Incertain (A2DI)

Responsable

Pascal Denis et Olivier Pietquin

Volume horaire

1h30 de Cours-TD et 1h30 de TD par semaine sur 18 semaines.

Crédits

6 ECTS

Objectifs

A l'issue de ce module les étudiants doivent :
  • Connaître et appliquer des algorithmes dans le cadre de l'apprentissage artificiel
  • Connaître les problèmes clés liés à la prise de décision dans l'incertain
  • Connaître les solutions actuelles à ces problèmes
  • Avoir expérimenté leur mises en place algorithmique sur des situations réalistes
  • Prédire le comportement de structures dynamiques
  • Extraire de l'information d'un jeu de données, en particulier venant du web
  • Être capable de comprendre un article de recherche sur ces sujets

Contenu

Cette UE porte sur l'apprentissage artificiel et la prise de décision dans l'incertain. Elle sera constituée de 3 volets~: le premier consiste à fournir les bases formelles nécessaires à appréhender l'apprentissage, le second à extraire des modèles et des informations à partir de jeux de données, le troisième à prendre des décisions optimales sur base de données . Plus spécifiquement, nous nous intéresserons aux problématiques suivantes~:
  • La recherche et la fouille d'information dans les réseaux d'information (tels que le web et les réseaux sociaux), ce qui inclut notamment les problèmes de prédiction et de ranking de liens et de structures, la détection de communautés, la veille d'opinions.
  • L'apprentissage bayésien permettant de gérer l'incertitude et les données parvenant en flux (comme la parole, la musique, les vidéos, le texte).
  • L'optimisation de processus de décisions séquentiels dont le but est d'apprendre à planifier dans le temps des décisions dans un milieu incertain (pour commander un robot, un avatar ou un jeu vidéo).
Les approches privilégiées incluent la factorisation de matrices, les approches spectrales, les méthodes par descente de gradient, les approches probabilistes (modèles graphiques), l'apprentissage par renforcement.

Bibliographie


Pages des cours

  • Cours Olivier Pietquin : ici