Liste des modules partagés

En 2020-2021, les inscriptions aux modules partagés du CHEL[s] pour le semestre 2 seront ouvertes du 23 novembre au 9 décembre (à minuit). 

L'offre des modules partagés ci-dessous est complète et propose des cours en présentiel et/ou distanciel. En fonction de la situation sanitaire, les modalités des cours peuvent être amenées à évoluer.

Cette année, aucun cours de langue n'est proposé dans le cadre des modules partagés du CHEL[s].

/!\Attention, les étudiants ne peuvent pas demander un module partagé du CHEL[s] au sein de leur établissement d'origine.

NEW : 13 modules partagés ont été labelisés dans le cadre du passeport CHEL[s] "Acteurs des transitions". Plus d'informations ici

Machine learning et applications

Machine learning et applications Image

Dans ce parcours, on présentera le domaine de l’apprentissage automatique, ses fondements, les problèmes qu’il
permet d’aborder (apprentissage supervisé/non supervisé, batch/online, etc.) et les méthodes les plus récentes qui sont
actuellement étudiées. Au delà de la description des concepts théoriques (minimisation empirique du risque, complexité
combinatoire, etc.), ce module propose de nombreux travaux pratiques permettant de mettre en oeuvre numériquement
les méthodes abordées (algorithme classiques, validation croisée, etc.) et d’expérimenter certains phénomènes tels que
le sur/sous apprentissage. Ces travaux seront réalisés en Python, et requerront de la programmation et l’utilisation de
packages dédiés.

Programme : Théorie de la Décision, Classification et Régression linéaire ;
Régression Logistique et Analyse Discrimante ;
Validation Croisée, Classification multiclasse ;
Arbres de Décision, Forêts, Boosting et Bagging ;
Deep Learning ;

Semestre : 2

Créneaux horaires : lundis 8h-12h (à partir du 3 février)

Nombre total de séances : Cours : 13,5 h | TD : 6 h | TP : 0 h | Autonomie : 2,5 h | BE : 10 h

Modalités d’évaluation : Examen (70 %) et projet Machine Learning (30 %) –> 3 ECTS

Enseignants : Yohann DE CASTRO & Céline HELBERT

Sous-catégorie:
Ecole Centrale de Lyon

Machine learning et applications

Machine learning et applications Image

Dans ce parcours, on présentera le domaine de l’apprentissage automatique, ses fondements, les problèmes qu’il
permet d’aborder (apprentissage supervisé/non supervisé, batch/online, etc.) et les méthodes les plus récentes qui sont
actuellement étudiées. Au delà de la description des concepts théoriques (minimisation empirique du risque, complexité
combinatoire, etc.), ce module propose de nombreux travaux pratiques permettant de mettre en oeuvre numériquement
les méthodes abordées (algorithme classiques, validation croisée, etc.) et d’expérimenter certains phénomènes tels que
le sur/sous apprentissage. Ces travaux seront réalisés en Python, et requerront de la programmation et l’utilisation de
packages dédiés.

Programme : Théorie de la Décision, Classification et Régression linéaire ;
Régression Logistique et Analyse Discrimante ;
Validation Croisée, Classification multiclasse ;
Arbres de Décision, Forêts, Boosting et Bagging ;
Deep Learning ;

Semestre : 2

Créneaux horaires : lundis 8h-12h (à partir du 3 février)

Nombre total de séances : Cours : 13,5 h | TD : 6 h | TP : 0 h | Autonomie : 2,5 h | BE : 10 h

Modalités d’évaluation : Examen (70 %) et projet Machine Learning (30 %) –> 3 ECTS

Enseignants : Yohann DE CASTRO & Céline HELBERT

La liste des modules proposés ci-dessus n'est pas exhaustive ; vous pouvez consulter et demander d'autres modules partagés ouverts aux étudiants du CHEL[s] aux liens suivants :
- Offre de Centrale
- Cours de sciences sociales de l'ENS de Lyon : Rome et l’altérité : la romanisation en question (semestre 2)

Pour faire votre demande, indiquez "autre module" dans le formulaire d'inscription des modules partagés.