Ce cours sera nouvellement offert à une session ultérieure.
Au terme de ce cours, l’étudiant sera en mesure :
Apprentissage machine: définition; différentes taches (classification, catégorisation et régression); principaux modèles; apprentissage supervisé, non supervisé et par renforcement; extraction et sélection de caractéristiques; représentation des connaissances; reconnaissance et mécanismes d'inférence; raisonnement avec incertitude; méthodologie expérimentale. Les modèles sont présentés dans un contexte de système de reconnaissance de forme.
Séances de laboratoire : analyser le comportement des modèles neuroniques et statistiques en intelligence artificielle; concevoir et appliquer ces modèles d’apprentissage machine pour fin de reconnaissance de formes.