• Introduction
    • Qu’est-ce que l’apprentissage ?
    • Types d’apprentissage (exact, statistique, enligne)
  • Apprentissage exact (élicitation)
    • Concept, représentation, espace des versions
    • Modèle “query learning”
    • Fonctions logiques apprenables
    • Fonction logiques non-apprenables
  • Apprentissage statistique
    • Minimisation de risque empirique
    • Modèle “PAC learning”
    • VC-dimension
    • Convergence uniforme / non-uniforme
  • Apprentissage de fonctions linéaires
    • Bases d’optimisation convexe
    • Régularisation et stabilité
    • Algorithmes de descente de gradient
    • Régression linéaire
    • Classification linéaire
  • Apprentissages de fonctions non-linéaires
    • Espaces de motifs
    • Méthodes noyaux
    • Machines à support de vecteurs (SVM)
  • Apprentissage de croyances
    • Modèles de représentation de croyances
    • Maximum de vraissemblance
    • Apprentissage de paramètres (EM)
    • Apprentissage de structure (réseaux bayésiens, markoviens)
  • Apprentissage de préférences
    • Modèles de représentation de préférences
    • Ordonnancement
    • Prédiction structurelle
    • Systèmes de recommandation
  • Apprentissage en ligne
    • Modèle “online learning”
    • Algorithmes d’experts
    • Algorithmes de bandits multi-bras
    • Algorithmes de prise de décision séquentielle