GIF-4101 / GIF-7005 | Introduction à l’apprentissage machine | Automne 2019

Introduction à l’apprentissage machine

GIF-4101 / GIF-7005, Automne 2019

Synopsis : Ce cours porte sur les méthodes permettant l’inférence à partir d’observations de modèles de classement, de régression, d’analyse de données ou de prise de décision. Ces méthodes se caractérisent par une phase d’entraînement à partir de données ou d’expériences, afin d’effectuer des tâches qui seraient difficiles ou impossibles à faire par des moyens algorithmiques plus classiques. Le cours aborde différentes approches actives en apprentissage et cherche à expliquer leurs mécanismes de base. Une perspective applicative de ces différentes techniques est également présentée, avec un accent particulier sur l’utilisation d’outils logiciels modernes.

Logistique

Horaire et local

Mercredi, de 09h30 à 12h20, local VCH-3860, du 4 septembre au 11 décembre 2019.

Professeur

Christian Gagné

Disponibilités

Disponibilités pour le cours le lundi de 11h30 à 12h30 au local PLT-1138-F, du 9 septembre au 16 décembre 2019 (excepté 14 et 28 octobre).

Utilisez l’algorithme de disponibilités suivant (originellement proposé par Marc Parizeau) :

  1. De préférence, venez lors des heures de disponibilités annoncées;
  2. Sinon, tenter votre chance avec l’algorithme suivant :
    1. Lorsque ma porte est ouverte, vous n’avez qu’à frapper avant d’entrer!
    2. Si ma porte est fermée, c’est soit que je ne suis pas là, soit que je suis très occupé. Vous pouvez me déranger si cela ne peut pas attendre;
    3. Si la lumière est éteinte, c’est que je ne suis pas à l’université;
    4. L’heure qui précède un cours n’est jamais le bon moment pour venir me voir.
  3. Sinon, prendre rendez-vous par courriel.

Chronologie et présentations

Sem. Date Présentations Références Travaux
1 4 sep. Présentation du cours
Apprentissage machine
Apprentissage supervisé
Chap. 1
Chap. 2
2 11 sep. Théorie bayésienne de la décision
Méthodes paramétriques
Chap. 3
Chap. 4
3 18 sep. Méthodes multivariées
Scikit-learn
Notebook avec scikit-learn 		Chap. 5 Énoncé Devoir 1
4 25 sep. Méthodes non paramétriques Sec. 8.1-8.6
5 2 oct. Discriminants linéaires Chap. 10 Remise Devoir 1
Énoncé Devoir 2
6 9 oct. Méthodes à noyau Sec. 13.1-13.7, 13.10 Énoncé Projet
7 16 oct. Perceptron multicouche Sec. 11.1-11.8.2 Remise Devoir 2
Énoncé Devoir 3
8 23 oct. Apprentissage profond (Goodfellow et coll., 2016)
9 30 oct. Semaine de lecture
10 6 nov. Réseaux à convolution
PyTorch 		(Goodfellow et coll., 2016) Remise Devoir 3
Remise proposition de projet
Énoncé Devoir 4
11 13 nov. Examen : au VCH-3820 (GIF-4101) et VCH-3860 (GIF-7005)
12 20 nov. Méthodes par ensembles Sec. 9.1-9.3, 12.8-12.9; Chap. 17
13 27 nov. Prétraitements et analyse de données Sec. 6.1-6.3, 6.7 Remise Devoir 4
Énoncé Devoir 5
14 4 déc. Clustering Chap. 7
15 11 déc. Configuration de modèles et expérimentations Chap. 19 Remise Devoir 5
16 18 déc. Affiches des projets (GIF-7005) Remise Projet

Travaux

Les devoirs et le projet sont effectués dans le language de programmation Python, en utilisant les librairies scikit-learn et PyTorch. Les devoirs se font dans des notebooks Jupyter en utilisant la suite logicielle Anaconda ou le service Google Colaboratory.

Planification et énoncés

Travail Remise Fichiers et liens
Devoir 1    2 octobre, 9h30 Notebook du devoir 1
Devoir 2 16 octobre, 9h30 Notebook du devoir 2
Devoir 3 6 novembre, 9h30 Notebook du devoir 3
Devoir 4 27 novembre, 9h30    Notebook du devoir 4
Devoir 5 11 décembre, 9h30 Notebook du devoir 5
Projet 17 décembre, midi Énoncé du projet

Directives

  • La remise des travaux se fait dans monPortail.
  • Devoirs
    • GIF-4101 : devoirs effectués en équipes de 2 à 3 étudiants
    • GIF-7005 : devoirs effectués individuellement
  • Projet
    • GIF-4101 : en équipes de 3 à 5 étudiants, avec remise d’un rapport
    • GIF-7005 : en équipes de 3 à 5 étudiants, avec présentation par affiche

Références sur le Python et scikit-learn

Librairies pertinentes

Examens

Notez que la structure du cours et son contenu ont été significativement modifiés. Veuillez faire usage de discernement dans votre utilisation des examens des années précédentes.

Références

Livre obligatoire

Disponible à la Coop Zone et sur Amazon.ca.

Références supplémentaires