Prè-requis
- Compétences en statistiques et probabilités
- Programmation sous un langage de haut niveau (Python, R, Matlab…)
- Data-visualisation
Objectif du cours
La première partie du cours sera un rappel des concepts fondamentaux de la théorie de l’apprentissage et des particularités liées aux données issues de l’aéronautique. L’idée et de faire sentir au candidat le problème des grandes dimensions, la généralisation, la notion de confiance. Il y aura au moins une session sur les modèles probabilistes, les champs aléatoires et l’analyse de survie. On abordera aussi (d’un point de vue pratique) des indicateurs de qualité, la notion de vérification et de validation, la méthode CRISP-DM (CRoss Industry Standard Process for Data Mining), et des notions de standards et normalisation dans l’industrie.
La seconde partie du cours sera descriptive, avec de nombreux cas industriels avec des exercices correspondant au traitement de données réelles issus des moteurs et avions. Éventuellement une organisation en équipes et des études à valeur ajoutée sur des sujets proposés par des entreprises.
Finalement, le cours abordera les aspects liés à la protection intellectuelle, la rédaction de brevets et le processus de dépôt dans ce domaine très concurrentiel.
Présentation : here
Organisation des séances
12h de cours et 18h de TP
Numerus clausus : cours limité à 20 places
Thèmes abordés
Application de l’analyse de données et intelligence artificielle aux besoins en aéronautique
Surveillance des moteurs d’avions (PHM : Prognostic and Health Management), maturité algorithmique (TRL), processus méthodologique (CRISP), propriété intellectuelle (IP)