Introduction aux concepts et aux outils fondamentaux du Machine Learning. Présentation des paradigmes permettant l'apprentissage et la généralisation par la machine, aperçu des champs d'application de ces méthodes. Savoir identifier les différents types de problèmes classiques de ML (regression, classification/clustering), savoir modéliser des problèmes concrets et mettre en œuvre des algorithmes d'apprentissage, être conscient des limites des approches employées. Sensibilisation aux problèmes d'under/overfitting, de dimensionnalité, de sélection de modèles. Ouverture au deep learning, du perceptron aux réseaux neuronaux convolutifs.


Ce module est un bureau d'étude pour concevoir, développer et expérimenter une solution numérique pour le véhicule électrique Twizy.