Programme des cours 2024-2025
INEA0002-3  
Sciences mathématiques 4, Analyse de données et Intelligence Artificielle
Durée :
24h Th
Nombre de crédits :
Bachelier en informatique, orientation développement d'applications2
Nom du professeur :
Vincent Spies
Coordinateur(s) :
Vincent Spies
Langue(s) de l'unité d'enseignement :
Langue française
Organisation et évaluation :
Enseignement au premier quadrimestre, examen en janvier
Unités d'enseignement prérequises et corequises :
Les unités prérequises ou corequises sont présentées au sein de chaque programme
Contenus de l'unité d'enseignement :
Calculs de probabilités





  • Concepts de base
  • Probabilité conditionnelle
  • Théorème de bayes
  • Variable aléatoire
  • Loi de probabilité
  • Caractéristiques d'une VA (espérance, moyenne, écart-type)
  • Analyse combinatoire
  • Lois de probabilités usuelles (pour VA discrètes et continues)
Échantillonnage





  • Échantillonnage et estimation
  • Détermination d'intervalles de confiance
  • Tests d'hypothèses
Outils





  • Les résultats des différents calculs probabilistes seront expérimentés via des algorithmes.
  • Graphes produits via python.
  • Confrontation de la théorie avec des simulations réalisées en python.
Machine learning

  • Les bases du machine learning avec scikit-learn: modèles de régression et classification.
  • Introduction à pytorch.
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement :
Savoirs et compétences prérequis :
Activités d'apprentissage prévues et méthodes d'enseignement :
Mode d'enseignement (présentiel, à distance, hybride) :
Toute activité organisée durant le quadrimestre (par exemple une conférence), non dispensée par l'enseignant, et qui est en rapport avec la matière de l'activité d'apprentissage, compte dans les heures de ladite activité d'apprentissage. La matière abordée par l'activité en question pourra faire l'objet d'une évaluation, quelle soit continue ou certificative.
Lectures recommandées ou obligatoires et notes de cours :
Syllabus et exercices corrigés en cours. Les supports de cours sont publiés uniquement sur la plateforme pédagogique moodle de l'école.
Modalités d'évaluation et critères :
Évaluation certificative individuelle écrite en janvier, devant PC, à cours fermé et sans accès internet (mais avec accès à la documentation officielle de python), représentant 90% de la note finale. 10% pour l'évaluation continue. En seconde session, la note obtenue à l'évaluation continue est reportée, la pondération reste identique.
Stage(s) :
Remarques organisationnelles :
Contacts :