• Acquérir une idée précise de la fonction et des domaines d’application des différentes méthodes
• Prendre connaissance de leurs résultats de leur mise en œuvre sur des exemples simples puis sur des applications réelles dans des domaines variés
• Pouvoir les comparer sur des bancs d’essai

- Optimisation et Régression
 
- Prétraitement, application des modèles réduits à la vision, à la reconnaissance des formes et à la robotique 
 
- Apprentissage, machines à vecteur support et méthodes adaptatives
 
- Interpolation et krigeage
 
- Méthodes dérivées des maillages adaptatifs, MLS et Local polynomial fitting.

Pré-requis
- « Mathématiques de l’ingénieur » (algèbre linéaire et probabilités élémentaires)
- Les éléments nécessaires de probabilités avancées, de statistique et l’analyse numérique seront rappelés ainsi que les bases des applications considérées (vision et optimisation des structures).