MI0B902T - Science des données / Intelligence Artificielle avancés

Semestre Semestre 1
Crédits ECTS 12
Volume horaire total 100

Domaine(s) LMD

SCIENCES HUMAINES ET SOCIALES

Langue(s) d'enseignement

Français

Responsables

Louis FERRE: loferre@univ-tlse2.fr

Objectifs

  • Statistiques en gestion de production (25h)
Savoir mettre en œuvre la méthodologie 6sigma.
Savoir construire différents plans d'expérience.
Déterminer les actions à mener en fonction de chutes de capabilités
Choisir le plan d'échantillonnage en fonction du risque client.
  • Apprentissage automatique avancé (25h)
Renforcer / approfondir les connaissances en apprentissage automatique.
Etre en capacité de choisir les méthodes adaptées au traitement d'un problème donné.
  • Optimisation en gestion de production (25h)
Savoir modéliser et résoudre un problème de gestion de production avec des Métaheuristiques.
  • Structuration des données (25h)
Comprendre les enjeux de divers structures et formats de données dans les systèmes d'informations.

Contenu

  • Statistiques en gestion de production (25h)
6sigma.
Planification expérimentale.
Maîtrise Statistique des Procédés (MSP/SPC)
  • Apprentissage automatique avancé (25h)
Réseau de neurones (apprentissage supervisé [perceptrons multicouches] et non supervisé [cartes de kohonen]) et SVM, sparsité
  • Optimisation en gestion de production (25h)
Métaheuristique à base de recherche locale (tabou, greddy algotithme, recuit simulé etc.)
Métaheuristique à base de population (algorithme génétique, fourmi, PSO etc.)
  • Structuration des données (25h)
Alternative au SGBDR (NoSQL)
Modèles, Structures et Formats des données
Les architectures de DataLake

Contrôles des connaissances


Modalités de contrôle des connaissances (MCC)