Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Introduction pdf 1 Département d'informatique et de recherche opérationnelle IFT Fondements de l ? apprentissage machine Premier cours INTRODUCTION Professeur Pascal Vincent Laboratoire d ? Informatique des Systèmes d ? Apprentissage CAu programme aujourd

Département d'informatique et de recherche opérationnelle IFT Fondements de l ? apprentissage machine Premier cours INTRODUCTION Professeur Pascal Vincent Laboratoire d ? Informatique des Systèmes d ? Apprentissage CAu programme aujourd ? hui Faire connaissance Page Web du cours Inscrivez-vous au cours IFT sur le système Moodle http moodle iro umontreal ca Présentation des objectifs du plan de cours des modalités d ? évaluation Présentation informelle du domaine de l ? apprentissage automatique CPREMIÈRE PARTIE Plan de Cours et autres informations pratiques CLes informations de plan de cours se trouvent sur La page Web du cours http moodle iro umontreal ca Objectifs du cours ? Technologie algorithmes d ? apprentissage ? pre ? -requis algorithmique structure de donne ? es programmation statistiques alge bre line ? aire ? focaliser sur la classi ?cation ? Philosophie la the ? orie de l ? apprentissage ? Applications CTonalité du cours Matériel pédagogique principal produit par Balázs Kégl Pascal Vincent Le cours nécessite d ? être assez à l ? aise en mathématiques informatique Le cours sera donné en Français mais beaucoup de matériel est en Anglais lectures et matériel parfois utilisé comme support de cours CDEUXIÈME PARTIE Présentation informelle du domaine de l ? apprentissage automatique CAu programme Place de l ? apprentissage en Intelligence Arti ?cielle Les disciplines fondatrices de l ? apprentissage Les domaines d ? application de l ? apprentissage Ex de types de problèmes en apprentissage La représentation des données Ex d ? un algorithme simple C CL ? Intelligence Arti ?cielle approches historiques I A ??classique ? Symbolique Systèmes à base de règles ??logiques ? construites à la main Ex systèmes experts Succès moderne Deep Blue bat Kasparov aux échecs en I A ??connexioniste ? Sub-symbolique Inspirée du fonctionnement du cerveau réseaux neuronaux L ? apprentissage est très tôt au coeur de cette approche ??Elephants don ? t play chess ? R Brooks C CDe la science- ?ction à la réalité dans WarGames un ordinateur apprend en jouant contre lui-même à tic-tac-toe et ??global thermonuclear war ? TD-gammon un réseau neuronal entra? né en jouant parties de backgammon contre lui- même joue à un niveau équivalent aux meilleurs joueurs mondiaux Tesauro Conclusion THE ONLY WINNING MOVE IS NOT TO PLAY C RVoissioenndbelal ? tinttPeleligrcenecpetron arti ?cielle en Rosenblatt ??Perceptron ? INFORMATIQUE Intelligence Arti ?cielle Classique symbolique Connexioniste réseaux neuronaux NEURO SCIENCES CPlace de l ? apprentissage en I A en L ? I A ??connexioniste ? a mûri s ? est mathématisée a engendré l ? apprentissage statistique dont les réseaux neuronaux ne sont plus qu ? une souspartie L ? I A classique en intégrant l ? incertain a apprentissage statistique engendré les modèles graphiques probabilistes réseaux Bayesiens dont les parmètres peuvent être appris Le rôle fondamental de l ? apprentissage et d ? une approche probabiliste est largement reconnu CVision des disciplines f on d atrices Orientatio ? Ssourrcceessd ? din ? sinpsirpaitrioantipoonu r les alg INFORMATIQUE Intelligence Arti ?cielle ? sciences cognitives neurosciences ?