Programmation et Intelligence Artificielle III

Comprendre les approches de classification à bases d'arbres de décision (critère de séparation, améliorations par random forest et détection d'outliers par isolation forest) et les approches de partitionnement hiérarchique (ascendantes/descendantes, critères de séparations et qualité, visualisation).

Enseignements de 1A:Programmation et Intelligence artificielle I et II, ou équivalents

Comprendre les approches de classification à bases d'arbres de décision par programmation assistée par IA (construction, critère de séparation, évolutions et techniques alternatives, analyse algorithmique et cas limites), Détection d'erreur ou d'extrema aberrant par foret d'isolation) et équivalent non supervisé  (construction ascendantes/descendantes, critères de séparations et qualité, représentation et analyse).