Méthodes Numériques pour l'Apprentissage Machine (MNAM) - KAIN6M05

Objectif(s)

Les méthodes numériques sont un ensemble de techniques mathématiques utilisées pour résoudre des problèmes numériques, souvent lorsque les solutions exactes ne sont pas accessibles analytiquement. Elles sont largement utilisées en ingénierie, en physique, en informatique, et dans de nombreux autres domaines scientifiques.
Ce cours montre l'usage de méthodes numériques en Intelligence Artificielle en présentant les fondements théoriques et pratiques de l'apprentissage par renforcement. Cette technique repose sur des modélisations mathématiques comme les processus de décision de Markov (MDP), les équations de Bellman, et les méthodes d’optimisation. L'application des méthodes numérique en apprentissage par renforcement se décline via la résolution d’équations (e.g. les itérations successives dans Q-Learning ou les méthodes de gradient utilisées dans Policy Gradient) et au travers d'approches d'optimisation (e.g. les algorithmes comme Deep Q-Learning ou Actor-Critic).

Contenu(s)

Chapitre 1 : Introduction
Chapitre 2 : Notions mathématiques
Chapitre 3 : Apprentissage par renforcement
Chapitre 4 : Problème des bandits manchot
Chapitre 5 : Processus de décision de Markov
Chapitre 6 : Programmation dynamique et algorithme de RL

Mathématiques (analyse et algèbre) niveau L2, Algorithmique et Programmation

Contrôle des connaissances

40% contrôle continu
60% examen terminal :

• 1 épreuve écrite - 1h30
• documents autorisés : 2 feuilles A4 recto/verso
• calculatrice obligatoire
• en cas de tiers-temps : 1/3 temps supplémentaire
  En cas de non validation d’une UE, le jury peut autoriser l’élève ingénieur à passer des épreuves complémentaires pour la valider.

Calendrier

Le cours est programmé dans ces filières :

• Formations d'ingénieur - INFO - Semestre 6

Informations complémentaires

Code de l'enseignement : KAIN6M05
Langue(s) d'enseignement :

Vous pouvez retrouver ce cours dans la liste de tous les cours.