| Lecturers: | M. Abdel-Sayed & L. Massoulard |
| Period: |
Term 2 |
| ECTS: | 3 |
| Schedule | 3 hours of lectures/Tutorials per week |
Ce cours prolonge le cours de Machine Learning. Il propose de resoudre des problematiques
industrielles en utilisant d'une part les connaissances introduites dans le cours de Machine Learning
et d'autre part de nouveaux algorithmes d'apprentissage statistique introduits
tout au long du module. Toutes les approches proposees sont confrontees a une realite
terrain en traitant des donnees reelles issues de problematiques operationnelles.
Surveillance automatique de courbes: Le but de ce projet est de mettre en
place une methode automatique de surveillance de courbes (donnees fonctionnelles) par
apprentissage statistique. Les outils statistiques abordes sont: l'analyse en composante
principale fonctionnelle.
Diagnostic et monitoring d'un equipement industriel: Le but de ce projet
est d'elaborer une methode de surveillance et de diagnostic automatique d'un equipement
industriel. A partir d'une problematique donnee, et de donnees operationnelles stoquees
dans une base, on mettra progressivement en place, a partir d'une analyse exploratoire
ne des donnees, une methode de surveillance et de diagnostic du bon fonctionnement de
l'equipement par apprentissage statistique.
Les outils statistiques abordes sont: la regression multiplte, la selection de modeles, la
regression avec penalisation, P-value, validation croisee.
Detection automatique des SPAMs L'objectif de ce projet est de comparer
plusieurs methodes de classication pour mettre en place une methode de classication
automatique des spams ayant la meilleure performance. Les methodes utilisees sont des
methodes parametriques et non parametriques comme la regression logistique, l'analyse
discriminante, la Methode des plus proches voisins, l'algorithme des kmeans, les arbres de
regression et les for^ets aleatoires,.
1
