Intelligence Artificielle & ML pour les séries temporelles — Diplôme ARIA

Transparents de cours et supports numériques associés au module Intelligence Artificielle & Machine Learning pour la modélisation de séries temporelles et de signaux (Diplôme ARIA) — année scolaire 2025–2026.

Supports de cours

Introduction
Séance 1 — Quelques notions de traitement du signal Echantillonnage uniforme Transformée de Fourier Transformée de Fourier discrète Filtrage linéaire
Séance 2 — Quelques notions de traitement statistique du signal Rappel de probabilités Stationnarité et ergodicité Fonction d'autocorrélation Densité spectrale de puissance Spectrogramme
Séance 3 — Modèles pour les séries temporelles Modèle signal + bruit Modèle sinusoïdal Modèle tendance et saisonnalité Modèle autorégressif Evaluation des modèles
Séance 4 — Apprentissage de représentation et de dictionnaire Codage parcimonieux Apprentissage de dictionnaire
Séance 5 — Pré-traitements pour les séries temporelles Débruitage Suppression de tendance Suppression du bruit impulsionnel (échantillons isolés / contigus) Interpolation de données manquantes
Séance 6 — Extraction et sélection de caractéristiques Caractéristiques usuelles (statistiques, fréquentielles, paramétriques) Sélection de caractéristiques (cas non supervisé / supervisé)
Séance 7 — Détection et extraction de motifs Comparer des signaux (distance euclidienne, DTW…) Détection de motifs Extraction de motifs
Séance 8 — Détection de ruptures et d'anomalies Détection de ruptures (fonctions de coût, algorithmes, calibration) Détection d'anomalies

Supports numériques

Jupyter Notebooks (Python)

Supports MATLAB (ancienne version)