Cours ENSTA-APM_4STA3

Christine Keribin

Le projet est à rendre pour le 23 mai minuit dernier délai

Les informations sur chaque séance et leurs documents sont situés dans les sections correspondantes.

Les corrigés des TPs sont mis à disposition dans les documents des séances correspondantes.

Objectifs

• Définir le machine learning, en identifier les principaux composants et reconnaître les principales méthodes
• Être capable de dérouler une méthodologie d'analyse sur un jeu de données multivarié
• Connaître les principes théoriques des méthodes étudiées
• Savoir les utiliser à bon escient
• Mettre en place une stratégie de choix de modèle
• Être capable d'appréhender une nouvelle méthode
• Utiliser un logiciel statistique

Contenu

• Apprentissage non supervisé : méthodes factorielles et clustering
• Apprentissage supervisé
• Inférence en régression 
• Régression logistique, classification
• Choix de modèle et sélection de variables
• Mesure de la performance d'un modèle
• Méthodes de régularisation
• SVM
• Applications pratiques avec le logiciel R 
• Comparaison de méthodes

Connexion à R 

Installer R https://cran.r-project.org/ puis R-studio https://rstudio.com/

un aide mémoire se trouve dans les ressources pédagogiques dans le dossier de cette section, ainsi qu'une introduction à R.

Il est aussi possible d'exécuter le logiciel R en ligne, sans avoir à l'installer, et sous la forme d'un notebook: https://jupyter.org/try . Sélectionner R, puis créer un nouveau notebook

Enfin, vous pouvez utiliser l'environnement de l'ENSTA; ouvrir le terminal et taper : rstudiovm

Remarque : si, en ouvrant un fichier, celui-ci fait apparaître des signes étranges à la place des lettres accentuées, c'est que le format de lecture d'enregistrement n'est pas compatible avec votre format de lecture. Un fois le fichier ouvert, et avant de faire la moindre modification, cliquer file/reopen with encoding et choisir le codage par défaut de votre système (par ex UTF8). Les accents devraient alors s'afficher normalement.

Evaluation 

• partie non supervisée le 15 avril 2025: un  examen sur table court (seul le poly est autorisé): note EX/20. 
• un projet en binôme, note PR/20
  Énoncé donné le 6 mai, à rendre pour le 23 mai

Equipe pédagogique

TDs : Christine Keribin et Justine Lebrun (SNCF)

Documents

• généraux (poly, aide mémoire R,)
• pour chaque cours: dans la section du cours correspondant
• un lien vers un livre en ligne (en particulier pour la partie pratique): https://faculty.marshall.usc.edu/gareth-james/ISL/ISLR%20Seventh%20Printing.pdf

Documents