Expliquer le lien entre l'explosion des données massives et l'essor ainsi que la pertinence de
l'Apprentissage Automatique dans le contexte technologique actuel.
Définir l'Apprentissage Automatique et énoncer son objectif principal.
Identifier et décrire les trois principaux paradigmes de l'Apprentissage Automatique : supervisé,
non supervisé, et par renforcement, en soulignant leurs différences fondamentales.
Donner des exemples concrets de problèmes ou de tâches relevant de chaque paradigme
d'apprentissage .
Reconnaître et citer divers domaines d'application concrets où l'Apprentissage Automatique est
utilisé.
Comprendre et expliquer le rôle fondamental des concepts issus des probabilités, des
statistiques, de l'algèbre linéaire et de l'analyse comme outils mathématiques essentiels pour la
modélisation, l'analyse et le développement d'algorithmes en Apprentissage Automatique
