Table of Contents

Développement de méthodes d'apprentissage supervisé

L'apprentissage automatique (machine learning), un des champs d'étude de l'intelligence artificielle, est la discipline scientifique concernée par le développement, l'analyse et l'implémentation de méthodes automatisables qui permettent à une machine (au sens large) d'évoluer grâce à un processus d'apprentissage, et ainsi de remplir des tâches qu'il est difficile ou impossible de remplir par des moyens algorithmiques plus classiques” (définition wikipédia). En particulier, l'apprentissage supervisé vise la modélisation d'une relation entrées-sorties à partir uniquement d'observation de paires entrées-sortie issues de cette relation. L'apprentissage a des applications dans des domaines très divers tels que la reconnaissance vocale, la vision par ordinateur, le traitement des langages naturels, les moteurs de recherche, les systèmes de recommandations.

L'unité de recherche en Systèmes et Modélisation développe depuis de nombreuses années des méthodes d'apprentissage originale et les applique à différents problèmes réels, en particulier dans les domaines de la vision par ordinateur, la bioinformatique, les réseaux informatique ou encore les réseaux électriques. Le but de ce travail de fin d'étude est de participer à cet effort de recherche. Le travail pourra être de différentes natures en fonction des goûts de l'étudiant: synthèse de la littérature sur une famille d'algorithme ou un de ces sous-domaines applicatifs, implémentation et validation d'un algorithme particulier, application des méthodes d'apprentissage à un problème concret, développement d'une nouvelle méthode, amélioration ou analyse de méthodes existantes.

Bibliographie

Renseignements

Encadrement: Pierre Geurts