Programmes d'études
Systèmes de recommandations

Programmes d'études
Systèmes de recommandations
Programmes d'études
Détails et horaire du cours
Légende
Cours de jour
Cours de soir
Cours en ligne
Certificats et microprogrammes de 1er cycle
Baccalauréat (formation d'ingénieur)
Études supérieures
LOG6308
Systèmes de recommandations
Nombre de crédits :
3 (3 - 1.5 - 4.5)
Les chiffres indiqués entre parenthèses sous le sigle du cours, par exemple (3 - 2 - 4), constituent le triplet horaire.
Le premier chiffre est le nombre d'heures de cours théorique par semaine (les périodes de cours durent 50 minutes).
Le second chiffre est le nombre d'heures de travaux dirigés (exercices) ou laboratoire, par semaine.
(Note : certains cours ont un triplet (3 - 1.5 - 4.5). Dans ce cas, les 1,5 heure par semaine sont des laboratoires qui durent 3 heures mais qui ont lieu toutes les deux semaines. À Polytechnique, on parle alors de laboratoires bi-hebdomadaires).
Le troisième chiffre est un nombre d'heures estimé que l'étudiant doit investir de façon personnelle par semaine pour réussir son cours.
Le premier chiffre est le nombre d'heures de cours théorique par semaine (les périodes de cours durent 50 minutes).
Le second chiffre est le nombre d'heures de travaux dirigés (exercices) ou laboratoire, par semaine.
(Note : certains cours ont un triplet (3 - 1.5 - 4.5). Dans ce cas, les 1,5 heure par semaine sont des laboratoires qui durent 3 heures mais qui ont lieu toutes les deux semaines. À Polytechnique, on parle alors de laboratoires bi-hebdomadaires).
Le troisième chiffre est un nombre d'heures estimé que l'étudiant doit investir de façon personnelle par semaine pour réussir son cours.
Département :
Génies informatique & logiciel
Préalable(s) :
Aucun
Corequis :
Aucun
Notes :
Responsable(s) :
Michel Desmarais
Description
Concepts et exemples d'applications des systèmes de recommandations et des filtres d'information. Modélisation des intérêts, buts et connaissances des utilisateurs. Matrices de votes, matrices termes-documents et matrices d'adjacence. Filtres collaboratifs item-item et utilisateur-utilisateur. Approches probabilistes et algorithme PageRank. Réduction de dimensions. Facteurs de confiance, transparence et sérendipité de l'information filtrée. Techniques de personnalisation en fonction de la connaissance et des actions des utilisateurs. Techniques de validation
Concepts et exemples d'applications des systèmes de recommandations et des filtres d'information. Modélisation des intérêts, buts et connaissances des utilisateurs. Matrices de votes, matrices termes-documents et matrices d'adjacence. Filtres collaboratifs item-item et utilisateur-utilisateur. Approches probabilistes et algorithme PageRank. Réduction de dimensions. Facteurs de confiance, transparence et sérendipité de l'information filtrée. Techniques de personnalisation en fonction de la connaissance et des actions des utilisateurs. Techniques de validation
Horaire
Cours | ||||
---|---|---|---|---|
Groupe | Jour | Heure | Local | Enseignant(e)(s) |
01 | Lundi | 9h30, 10h30, 11h30 | M-2401 | Desmarais, Michel |
Travaux pratiques | ||||
---|---|---|---|---|
Groupe | Jour | Heure | Local | Enseignant(e)(s) |
01 | Lundi | 13h45, 14h45, 15h45 (B1) | L-3712 | Kuichua Kamdem, Ovide Bertrand |
02 | Lundi | 13h45, 14h45, 15h45 (B2) | L-3712 | Kuichua Kamdem, Ovide Bertrand |
Plan triennal
2024-2025 | 2025-2026 | 2026-2027 | ||||||
---|---|---|---|---|---|---|---|---|
Automne | Hiver | Été | Automne | Hiver | Été | Automne | Hiver | Été |
- | Cours de jour | - | - | Cours de jour | - | - | Cours de jour | - |