Principes généraux de l'apprentissage machine, introduction à la reconnaissance de forme.
Régression linéaire, Modèle linéaire, Classification binaire. Réduction de dimension : Analyse en composantes principales.
Méthodes de classification supervisée : Support Vector Machines, K-plus proches voisins, Arbres de décisions, Perceptrons multicouches et algorithme de rétropropagation du gradient, Réseaux de neurones convolutifs (apprentissage profond).