L'unité d'enseignement « Apprentissage numérique » est une UE de niveau (500) relevant de la spécialité IAD du master d'informatique. Elle possède un volume de 3 ECTS et s'étend sur 10 semaines. Elle est normalement offerte au semestre 3.
Le cours vise à introduire les concepts fondamentaux de l'apprentissage numérique et les avancées majeures réalisées dans le domaine ces 15 dernières années. Il introduit les principes théoriques de base et les principales classes d'algorithmes. Le rôle de l'apprentissage automatique est illustré à partir de grands domaines d'application.
Problèmes génériques et cadre statistique de l'apprentissage. Quantifier le but de l'apprentissage : la notion de risque théorique. Les principes d'induction. Optimisation et apprentissage : méthodes de gradient et algorithme EM. Grandes classes de méthodes pour l'apprentissage supervisé et non supervisé : Réseaux de neurones, méthodes à noyau ? machines à vecteurs support. Apprentissage et traitement de séquences : Modèles de Markov cachés. Réseaux de neurones récurrents. Apprentissage et traitement de données structurées. La généralisation. Notion de complexité d'un modèle, Dimension de Vapnik-Chervonenkis. Choix de modèles (régularisation et contrôle de la capacité effective, boosting, comités de machines). Applications : les concepts introduits sont illustrés sur des grandes classes d'application (parole, image, recherche d'information, modélisation utilisateur, vision, etc).