Machine Learning : définition et fonctionnement

Quelle place occupe le Machine Learning dans le Bachelor ?

Le troisième bloc du programme est intitulé :

**Machine Learning & analyse prédictive — 45 h**

Il comprend :

Il s’agit donc d’un bloc majeur du parcours.

• apprentissage supervisé et non supervisé ;
• modèles prédictifs ;
• évaluation et amélioration des modèles.

Pourquoi étudier les données avant le Machine Learning ?

Le Bachelor ne commence pas directement par la construction de modèles.

La progression prévoit d’abord :

**Python et statistiques → préparation et nettoyage → exploration et visualisation → Machine Learning.**

L’étudiant travaille donc sur les données avant d’aborder la modélisation.

Qu’est-ce que l’apprentissage supervisé ?

L’apprentissage supervisé fait partie des approches explicitement étudiées dans le bloc Machine Learning.

De manière générale, il s’appuie sur des exemples pour lesquels l’information cible utilisée pendant l’apprentissage est connue.

L’objectif est ensuite de construire un modèle capable d’effectuer des prédictions sur d’autres données.

Qu’est-ce que l’apprentissage non supervisé ?

L’apprentissage non supervisé est également prévu dans le programme.

Contrairement à l’apprentissage supervisé, il cherche généralement à identifier des structures ou organisations dans les données sans disposer de la même information cible pour guider l’apprentissage.

Qu’est-ce qu’un modèle prédictif ?

Le programme mentionne explicitement les modèles prédictifs.

Dans un contexte de Machine Learning, un modèle prédictif utilise ce qu’il a appris à partir des données pour produire une estimation ou une prédiction sur de nouvelles données.

Pourquoi faut-il évaluer un modèle ?

Construire un modèle ne suffit pas.

Le programme prévoit explicitement son évaluation et son amélioration.

Cette étape permet d’examiner la manière dont le modèle se comporte avant d’envisager son utilisation dans une application.

Machine Learning et Deep Learning sont-ils identiques ?

Non.

Dans le Bachelor, ils constituent deux blocs distincts.

Après les 45 heures de Machine Learning, le programme prévoit 35 heures de Deep Learning consacrées notamment aux réseaux de neurones et aux architectures de Deep Learning.

Le Machine Learning mène-t-il ensuite vers l’IA générative ?

Dans la progression du Bachelor, oui.

Après Machine Learning et Deep Learning viennent notamment :

• NLP ;
• IA générative ;
• Transformers et LLM ;
• RAG ;
• assistants et agents IA.

Quels algorithmes de Machine Learning sont enseignés ?

Le programme public confirme les types d’apprentissage, les modèles prédictifs et leur évaluation, mais ne publie pas la liste exacte des algorithmes.

Nous ne devons donc pas présenter un algorithme particulier comme faisant officiellement partie du Bachelor sans documentation pédagogique complémentaire.

FAQ — Intelligence Artificielle & Science des Données