Présentation
L'apprentissage automatique est la partie de l'intelligence artificielle qui se fonde sur des modèles mathématiques pour permettre aux ordinateurs d'apprendre et d'effectuer des tâches à partir de données. L’objectif principal de cette école est de présenter les concepts généraux d’apprentissage automatique (Machine Learning -ML- et Deep Learning -DL-) et de définir ses domaines et conditions d’application à travers des cas concrets. Cette école est financée par le projet AISSAI (Artificial Intelligence for Science and Science for Artificial Intelligence) du CNRS.
Objectifs
A l’issue de la formation, les participants seront en mesure :
- d’identifier la nature d'un problème d'apprentissage automatique : supervisé / non-supervisé, classification / régression
- de comprendre les concepts mathématiques des méthodes classiques de ML et de DL
- de mettre en œuvre les méthodes répandues de ML (SVM, arbres de décision, …)
- de mettre en œuvre une architecture simple de réseaux de neurones (Perceptron MultiCouche et Réseau de Convolution)
- de connaître les principaux algorithmes du DL
- d’évaluer les performances de ces méthodes à travers plusieurs métriques
- de savoir interpréter les résultats des algorithmes et identifier leurs limites
- d’utiliser les outils Sklearn, Keras / Tensor Flow
La semaine sera organisée sous forme d’alternance de cours théoriques et de TPs sur ordinateur.
Public
Cette école est ouverte aux chercheurs (y compris doctorants et post-doctorants) et aux ingénieurs de tous instituts.
Langue
Les cours seront dispensés en français.
Prérequis
Bonnes bases de Python et de NumPy ; connaissances de base en algèbre linéaire/statistiques/probabilités.
Equipement
Il est demandé aux stagiaires de venir avec leur propre ordinateur sur lequel les logiciels libres nécessaires à la formation seront préalablement installés. Les instructions seront communiquées avant le début du stage.
La participation est limitée à 50 participants. Par conséquent, l’inscription ne vaut pas acceptation et une sélection pourra être effectuée si nécessaire.
Lieu
La formation aura lieu sur le campus Orsay-Vallée, dans les locaux d’IJCLab au bâtiment 100 :
- lundi : auditorium Joliot Curie (sous-sol)
- mardi au vendredi : salle des conseils (RdC)
