Apprentissage

Ce cours propose une introduction pratique et théorique à deux grands domaines de l’apprentissage automatique : la détection d’anomalies et les réseaux de neurones.
La première partie aborde les méthodes classiques de détection d’anomalies, telles que la méthode One-Class SVM, les Forêts d’Isolation, le Local Outlier Factor (LOF) et la détection de discords dans des séries temporelles. La seconde partie introduit les fondements des réseaux de neurones, depuis la régression logistique jusqu’aux architectures profondes, en passant par les réseaux convolutifs (CNN) et récurrents (RNN). Les séances de travaux pratiques permettent de mettre en œuvre ces approches sur des données réelles et d’en évaluer les performances.