MA5037 - Approfondissements en apprentissage artificiel

Objectifs

Objectif général :

Expliquer et différencier les principales notions de l’Apprentissage
Artificiel, et notamment de l’apprentissage supervisé.
Il s'agit d'exemples de méthodes permettant d’apprendre un modèle à partir des données.

En effet, la généralisation des outils numériques et l’accumulation de grandes masses de données ont fait apparaître un besoin croissant d’une exploitation automatisée
et "intelligente" de ces données.
Dans le transport aérien, la mise à disposition de données radar, de données plan de vol, de données de flux de trafic ou de
passagers, permet d’envisager de nouveaux outils et modèles s’appuyant sur une exploitation de ces grandes masses de données.

Objectifs détaillés :

— expliquer et argumenter les principales notions de l’apprentissage artificiel,
— appliquer quelques-un des principes inductifs (maximum de vraisemblance, maximum a posteriori,...) à des cas simples et en déduire les fonctions de perte associées,
— décrire les méthodes vues dans le cours
— appliquer ces méthodes à des problèmes concrets
— évaluer et discuter les résultats obtenus