(MATH 601)
| Nom du Cours | Semestre du Cours | Cours Théoriques | Travaux Dirigés (TD) | Travaux Pratiques (TP) | Crédit du Cours | ECTS | |
|---|---|---|---|---|---|---|---|
| MATH 601 | 1 | 3 | 0 | 0 | 3 | 7 |
| Cours Pré-Requis | |
| Conditions d'Admission au Cours |
| Langue du Cours | Anglais |
| Type de Cours | Électif |
| Niveau du Cours | Doctorat |
| Enseignant(s) du Cours | Ayberk ZEYTİN azeytin@gsu.edu.tr (Email) |
| Assistant(e)s du Cours | |
| Objectif du Cours | Enseigner aux étudiants les principes de l’apprentissage automatique et leur fournir des outils ciblés pour appliquer les techniques d’analyse de données, de manifestations, de régression, de clustering et de réduction de dimensionnalité. |
| Contenus | Ce cours aborde les principes de l'apprentissage automatique, en se concentrant plus particulièrement sur ses fondements mathématiques. Les étudiants apprendront les concepts fondamentaux de l'apprentissage automatique, tels que l'analyse de données, la régression, la classification, le clustering et les techniques de réduction de dimensionnalité, et utiliseront des outils mathématiques pour les appliquer. |
| Acquis d'Apprentissage du Cours |
1. Comprendre et utiliser les concepts algébriques linéaires de base utilisés en science des données. 2. Comprendre et utiliser les concepts mathématiques de base de l'analyse et de l'optimisation utilisés en science des données. 3. Comprendre et utiliser les concepts statistiques de base utilisés en science des données. |
| Méthodes d'Enseignement | Cours en presentiel, séances de résolution de problèmes |
| Ressources |
Learning Theory from First Principles, Francis Bach Deep Learning, Ian Goodfellow, Yoshua Bengio and Aaron Courville High-Dimensional Probability, Vershynin Convex Optimization, Boyd ve Vandenberghe Elements of Information Theory, Cover ve Thomas Understanding Machine Learning, Shalev-Shwartz ve Ben-David Pattern Recognition and Machine Learning, Christopher Bishop, Machine Learning: A Probabilistic Perspective, Kevin Murphy |
Intitulés des Sujets Théoriques
| Semaine | Intitulés des Sujets |
|---|---|
| 1 | Fondements de l'algèbre linéaire |
| 2 | Théorie spectrale |
| 3 | Décomposition en valeurs singulières |
| 4 | Matrices positives et Perron-Frobenius |
| 5 | Rappel sur le calcul différentiel et intégral |
| 6 | Ensembles et fonctions convexes |
| 7 | Optimisation convexe |
| 8 | Optimisation non convexe |
| 9 | Fondements de la théorie des probabilités |
| 10 | Inégalités de concentration |
| 11 | Probabilités avancées pour l'apprentissage automatique |
| 12 | Estimation statistique |
| 13 | Statistiques de grande dimension |
| 14 | Principes fondamentaux de la théorie de l'information |
Intitulés des Sujets Pratiques
| Semaine | Intitulés des Sujets |
|---|---|
| 1 | --- |
| 2 | --- |
| 3 | --- |
| 4 | --- |
| 5 | --- |
| 6 | --- |
| 7 | --- |
| 8 | --- |
| 9 | --- |
| 10 | --- |
| 11 | --- |
| 12 | --- |
| 13 | --- |
| 14 | --- |
Contribution à la Note Finale
| Numéro | Frais de Scolarité | |
|---|---|---|
| Contribution du contrôle continu à la note finale | 6 | 60 |
| Contribution de l'examen final à la note finale | 1 | 40 |
| Toplam | 7 | 100 |
Contrôle Continu
| Numéro | Frais de Scolarité | |
|---|---|---|
| Devoir | 0 | 0 |
| Présentation | 0 | 0 |
| Examen partiel (temps de préparation inclu) | 0 | 0 |
| Projet | 0 | 0 |
| Travail de laboratoire | 0 | 0 |
| Autres travaux pratiques | 0 | 0 |
| Quiz | 6 | 60 |
| Devoir/projet de session | 0 | 0 |
| Portefeuille | 0 | 0 |
| Rapport | 0 | 0 |
| Journal d'apprentissage | 0 | 0 |
| Mémoire/projet de fin d'études | 0 | 0 |
| Séminaire | 0 | 0 |
| Autre | 0 | 0 |
| Make-up | 0 | 0 |
| Toplam | 6 | 60 |
| No | Objectifs Pédagogiques du Programme | Contribiton | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| Activités | Nombre | Durée | Charge totale de Travail |
|---|---|---|---|
| Durée du cours | 14 | 3 | 42 |
| Préparation pour le cours | 14 | 3 | 42 |
| Devoir | 6 | 5 | 30 |
| Présentation | 0 | 0 | 0 |
| Examen partiel (temps de préparation inclu) | 0 | 0 | 0 |
| Projet | 0 | 0 | 0 |
| Laboratoire | 0 | 0 | 0 |
| Autres travaux pratiques | 0 | 0 | 0 |
| Examen final (temps de préparation inclu) | 1 | 36 | 36 |
| Quiz | 6 | 3 | 18 |
| Devoir/projet de session | 0 | 0 | 0 |
| Portefeuille | 0 | 0 | 0 |
| Rapport | 0 | 0 | 0 |
| Journal d'apprentissage | 0 | 0 | 0 |
| Mémoire/projet de fin d'études | 0 | 0 | 0 |
| Séminaire | 0 | 0 | 0 |
| Autre | 0 | 0 | 0 |
| baclé | 0 | 0 | 0 |
| Yil | 0 | 0 | 0 |
| Yil | 0 | 0 | 0 |
| Yil | 0 | 0 | 0 |
| Charge totale de Travail | 168 | ||
| Charge totale de Travail / 25 | 6.72 | ||
| Crédits ECTS | 7 | ||