Ce module explore les concepts avancés du Machine Learning (ML), en mettant l'accent sur des méthodes modernes, des approches algorithmiques avancées et leur application à des problèmes complexes. Les étudiants approfondiront des techniques telles que l'apprentissage supervisé, non supervisé, semi-supervisé, ainsi que l'apprentissage par renforcement. Une attention particulière sera accordée à des sujets de pointe, notamment les réseaux de neurones profonds (Deep Learning), les architectures avancées comme les réseaux convolutifs (CNN), les réseaux récurrents (RNN), et les modèles génératifs (GAN).

Le cours combine des bases théoriques solides avec des applications pratiques, favorisant la maîtrise des outils et frameworks populaires (TensorFlow, PyTorch). À la fin de ce module, les étudiants seront capables de concevoir, entraîner et évaluer des modèles ML complexes, et de les appliquer dans des domaines variés comme la vision par ordinateur, le traitement du langage naturel, ou encore les systèmes de recommandation.