Note du 29 juin 2020
Sans connaitre encore le temps que dureront les mesures de distances sociales liées à la pandémie de Covid-19, et quels que soient les changements qui ont dû être opérés dans l’évaluation de la session de juin 2020 par rapport à ce que prévoit la présente fiche descriptive, de nouvelles modalités d’évaluation des unités d’enseignement peuvent encore être adoptées par l’enseignant ; des précisions sur ces modalités ont été -ou seront-communiquées par les enseignant·es aux étudiant·es dans les plus brefs délais.
Sans connaitre encore le temps que dureront les mesures de distances sociales liées à la pandémie de Covid-19, et quels que soient les changements qui ont dû être opérés dans l’évaluation de la session de juin 2020 par rapport à ce que prévoit la présente fiche descriptive, de nouvelles modalités d’évaluation des unités d’enseignement peuvent encore être adoptées par l’enseignant ; des précisions sur ces modalités ont été -ou seront-communiquées par les enseignant·es aux étudiant·es dans les plus brefs délais.
5 crédits
30.0 h + 30.0 h
Q1
Enseignants
Lee John (supplée Verleysen Michel); Verleysen Michel;
Langue
d'enseignement
d'enseignement
Anglais
Thèmes abordés
Méthodes d'analyse de données linéaires et non-linéaires, en particulier à des fins de régression et de réduction de dimension, y compris pour la visualisation.
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
| 1 |
Eu égard au référentiel AA du programme « Master ingénieur civil biomédical », ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants :
- Comprendre et appliquer des techniques d'apprentissage automatique (machine learning) pour l'analyse de données et de signaux, en particulier pour des problèmes de régression et de prédiction. - Comprendre et appliquer des techniques linéaires et non linéaires de visualisation de données. - Evaluer les performances de ces méthodes par des techniques appropriées. - Guider les choix à effectuer parmi les méthodes existantes sur base de la nature des données et des signaux à analyser |
La contribution de cette UE au développement et à la maîtrise des compétences et acquis du (des) programme(s) est accessible à la fin de cette fiche, dans la partie « Programmes/formations proposant cette unité d’enseignement (UE) ».
Contenu
- Régression linéaire
- Régression non-linéaire avec perceptrons multi-couches (MLP)
- Réseaux profonds (convolutionnels CNN et adversariels GAN)
- Clustering et quantification vectorielle
- Régression non-linéaire avec réseaux à fonctions radiales de base (RBFN)
- Sélection de modèles
- Sélection de variables
- Analyse en Composantes Principales (PCA)
- Réduction non-linéaire de dimension et visualisation de données
- Analyse en Composantes Indépendantes (ICA)
- Méthodes à noyaux (SVM)
Méthodes d'enseignement
Cours en auditoire, exercices, travaux pratiques sur ordinateur, projet individuel ou en binôme
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
Examen oral (si le nombre d'inscrits le permet) à livre fermé. Le projet fait partie de l'évaluation.
Ressources
en ligne
en ligne
Bibliographie
Divers livres de références (mais non obligatoires) mentionnés sur le site du cours
Support de cours
- slides disponibles sur Moodle
- slides disponibles sur Moodle
- slides disponibles sur Moodle
- slides disponibles sur Moodle
- slides disponibles sur Moodle
- slides disponibles sur Moodle
- slides disponibles sur Moodle
- slides disponibles sur Moodle
Faculté ou entité
en charge
en charge
ELEC
Programmes / formations proposant cette unité d'enseignement (UE)
Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
d'apprentissage
Master [120] : bioingénieur en gestion des forêts et des espaces naturels
Master [120] : bioingénieur en chimie et bioindustries
Master [120] : ingénieur civil biomédical
Master [120] : bioingénieur en sciences agronomiques
Master [120] : ingénieur civil en mathématiques appliquées
Master [120] en science des données, orientation statistique
Master [120] : ingénieur civil en informatique
Master [120] : ingénieur civil électricien
Master [120] en sciences informatiques
Master [120] : ingénieur civil en science des données
Certificat d'université : Statistique et sciences des données (15/30 crédits)
Master [120] en science des données, orientation technologies de l'information
Master [120] en statistique, orientation générale
Master [120] : bioingénieur en sciences et technologies de l'environnement