Machine Learning en Santé

Code
USR235

Description

  1. Dr Kévin Yauy, médecin généticien et spécialiste en IA : Conférence d'ouverture inspirante sur le projet d'hôpital augmenté à Montpellier
  2. Mounia N. HOCINE, ingénieur : PREDICTION - DETECTION

Introduction au Machine Learning, à l’IA et à IA-Explicable en santé. 

Utilisation SQL et Python : gestion et analyse des données de la pandémie COVID-19 

Techniques de réduction de dimension

Algorithmes d’apprentissage supervisé et prédiction d’un événement santé indésirable 

Algorithmes d’apprentissage non supervisé et détection de regroupements ou d’anomalies 

Journal-club : Apport des algorithmes d’IA par rapport aux méthodes classiques

     3. Kawtar Chibani, ingénieur : LARGE LANGUAGE MODELS

Cours et TP sur Large Language Models & Knowledge Graphs

     4. Veselin Doychinov, ingénieur : COMPUTER VISION

Cours et TP sur le Deep Learning et la segmentation sémantique

 

 

Finalité

Offrir un savoir-faire sur la pertinence de l'utilisation des algorithmes de maching learning avec des travaux pratiques sur Python

 

Compétences visées

  • Description et pratique des outils de machine learning
  • Illustration de leur utilisation pertinente en pratique ainsi que leurs limites
  • Travaux pratiques sous Python

Description des modalités d'évaluation

QCM

Data Challenge

Prérequis

Avoir des bases solides en statistique et en programmation

Nombre d’ECTS
6
Modalité(s) d'évaluation
Projet(s)
Examen final
Date de fin de validité
Déployabilité
Offre non déployable dans le réseau

Le certificateur est le Cnam

Diplômes dans lesquels apparaît cette UE

Contactez-nous au sujet de cette unité

CAPTCHA
Cette question sert à vérifier si vous êtes un visiteur humain ou non afin d'éviter les soumissions de pourriel (spam) automatisées.