Descriptif
L’UE vise à présenter des techniques d’apprentissage récentes et qui sont employés dans les grands projets actuels en apprentissage automatique. La mise en pratique de méthodes d’apprentissage profond est un aspect important de la formation.
Objectifs pédagogiques
À l’issue du cours, les étudiants ont connaissance de méthodes récentes en apprentissage automatique et savent mettre en pratique les réseaux de neurones profonds à l’aide de la librairie Pytorch.
effectifs minimal / maximal:
8/24Diplôme(s) concerné(s)
- Ingénieur AgroParisTech
- Accueillis cursus ing 2e et 3e année (erasmus et école)
- Certificat de Spécialié "La scIence des dOnnées DAns les sciences du vivAnt et de l’environnement"
Parcours de rattachement
domaines ParisTech
Système d'information - Modélisation.Pour les étudiants du diplôme Ingénieur AgroParisTech
UE IODAA-UE_Fouille - Fouille de données et apprentissage automatique
Pour les étudiants du diplôme Accueillis cursus ing 2e et 3e année (erasmus et école)
UE IODAA-UE_Fouille - Fouille de données et apprentissage automatique
Pour les étudiants du diplôme Certificat de Spécialié "La scIence des dOnnées DAns les sciences du vivAnt et de l’environnement"
UE IODAA-UE_Fouille - Fouille de données et apprentissage automatique
Format des notes
Numérique sur 20Pour les étudiants du diplôme Ingénieur AgroParisTech
Vos modalités d'acquisition :
L'évaluation des connaissances comprends : 3 quiz en début de cours et un projet mettant en oeuvre des méthodes d'apprentissage profond.
Le rattrapage est autorisé (Max entre les deux notes)- le rattrapage est obligatoire si :
- Note initiale < 10
- le rattrapage peut être demandé par l'étudiant si :
- 6 ≤ note initiale < 10
- Crédits ECTS acquis : 2 ECTS
Le coefficient de l'UE est : 2
Pour les étudiants du diplôme Accueillis cursus ing 2e et 3e année (erasmus et école)
Vos modalités d'acquisition :
L'évaluation des connaissances comprends : 3 quiz en début de cours et un projet mettant en oeuvre des méthodes d'apprentissage profond.
Le rattrapage est autorisé (Max entre les deux notes)- le rattrapage est obligatoire si :
- Note initiale < 10
- le rattrapage peut être demandé par l'étudiant si :
- 6 ≤ note initiale < 10
- Crédits ECTS acquis : 2 ECTS
Le coefficient de l'UE est : 2
Pour les étudiants du diplôme Certificat de Spécialié "La scIence des dOnnées DAns les sciences du vivAnt et de l’environnement"
Vos modalités d'acquisition :
L'évaluation des connaissances comprends : 3 quiz en début de cours et un projet mettant en oeuvre des méthodes d'apprentissage profond.
Le rattrapage est autorisé (Max entre les deux notes)- le rattrapage est obligatoire si :
- Note initiale < 10
- le rattrapage peut être demandé par l'étudiant si :
- 6 ≤ note initiale < 10
- Crédits ECTS acquis : 2 ECTS
Le coefficient de l'UE est : 2
Programme détaillé
L’UE comprends 10 séances de 3h couvrant les thèmes suivants :
— Les Séparateurs aux Vastes Marges (SVM) et leurs bases théoriques
— Les méthodes d’ensemble : bagging, boosting, Forêts aléatoires, XGBoost
— Le traitement des séries temporelles
— Réseaux de neurones profonds :
* modèles convolutionnels et applications en images,
* Apprentissage de représentation (Embedding) & systèmes de recommandation,
* Réseaux de neurones récurrents (RNN),
* Calcul d'attention (pour les RNN),
* Architecture Transformer,
* Introduction aux problématiques de TAL, décomposition en sac de mots, traitement des données,
* Approches non-supervisée (LSA, pLSA, LDA) & apprentissage de représentation (word2vec),
* Language Model: de l'architecture Transformer à chatGPT. Intro huggingface, tokenization,
* Fine tuning des modèles de langues, application en classification d'opinion et reconnaissance d'entités nommées,
* Ouverture vers les modèles génératifs