Cette UE vise à faire connaître et savoir mettre en oeuvre l’extraction de connaissances à partir de données et en particulier les principales approches de l’apprentissage artificiel. Durant cette UE, les étudiants réalisent des études de données concrètes dans des domaines d'application variés (médical, télédétection, ...) dans le cadre d'un projet individuel ou en groupe.

À l'issue de cette UE un étudiant saura :
- Proposer des chaînes de traitements et de valorisation de données
- Mettre en forme des données en vue de leur analyse
- Mettre en œuvre les principales méthodes et techniques d'analyse supervisée (arbre de décision, random forest,...) ou non supervisée (clustering, association,...)
- Évaluer la qualité des données et des résultats produits
- Manipuler des outils d'exploration et valorisation des données (WEKA, R, JCL, ..)
- Appliquer des techniques de fouille dans le domaine de l'Environnement, de la Vie et Santé, ...

Références ::
- A. Cornuéjols, L. Miclet, V. Barra, Apprentissage artificiel. Concepts et algorithmes" (3ème édition) Eyrolles, 2018)
- A. Webb, K.Copsey, Statistical pattern recognition (3rd Ed.). Wiley, 2011.
- P. Flach, Machine Learning. The art and science of algorithms that make sense of data. Cambridge University Press, 2012.

À l'entrée de cette UE, un étudiant devrait savoir :
- écrire des programmes simples en python
- écrire des programmes complexes en java