Le cours d’Introduction à l’IA version 2

Les supports de cours

pour ceux qui n’ont pas internet sous la main, il existe un pdf complet du cours : le voici

C’est une transformation automatique en pdf du cours qui suit, et qui présente de nombreux défauts, que je fixerais un de ces jours.

Pour un suivi plus aisé, voici les liens vers les parties du cours :

Pages de base :

1. Introduction
2. Formalisation
3. Apprentissage par optimisation
4. Introduction aux réseaux de neurones
5. Exemples d’application
6. Conclusion des pages de base

Pages de niveau 1

1. Introduction et objectifs
2. Bases d’exemples
3. Performances :
   • Quantification des performances
   • Qualité du modèle
   • Descente du gradient
4. Algorithmes de classification :
   • Théorie Bayesienne de la décision
   • Arbres de Décision
   • SVM
   • Application pratique
5. Algorithmes de régression :
   • Régression linéaire
   • Régression linéaire multiple, SVR, DTR
   • Régression par réseaux de neurones
   • Application pratique Régression
6. Algorithmes de clustering TODO
7. Conclusion pages de niveau 1

Pages de niveau 2

1. Introduction
2. Bases d’exemples
   • Réduction de dimensionalité
   • Problèmes liés aux bases
   • Augmentation de données
3. Algorithmes
   • Interpretation probabiliste
   • One vs One et One vs Rest
   • Boosting, Bagging
4. Performances
   • Validation croisée
   • Compromis biais variance
   • Régularisation de modèles
   • Entropie croisee
5. Conclusion pages de niveau 2

QCM sur les parties théoriques

1. QCM TODO

Travaux pratiques

1. TP de classification