Différences

Ci-dessous, les différences entre deux révisions de la page.

--- cours_de_l_ed:start [2018/10/01 14:17]
sonia
+++ cours_de_l_ed:start [2022/06/21 10:37]
sonia
@@ Ligne 1: / Ligne 1: @@
 Sur cette page sont indiqués les cours spécialement offerts par l'ED 184 à l'attention des doctorants et des enseignants-chercheurs, ainsi que les cours proposés par proposés par le collège doctoral de l'AMU ou d'autres organismes particulièrement intéressants d'un point de vue disciplinaire pour les doctorants de notre ED.
+**COURS DE l'ED**
+Trois cours de 24h chacun vous seront proposés prochainement. Les inscriptions sont dès à présent possible sur l'adum.
-----
+----------------------------
+Pr Thierry ARTIERES
-**COURS ED 2018** et **SEME**
+Deep Learning
+Lieu : Salle 019 dans le bâtiment La Jetée à l’école Centrale Marseille {{ :cours_de_l_ed:plan_ecm.pdf |}}
+Lundi 27 Juin 9h-12h 14h-17h
+Mardi 28 Juin 9h-12h 14h-17h
-Aux doctorant-e-s et post-doctorant-e-s en Mathématiques,
+Mercredi 29 Juin 9h-12h 14h-17h
-Les SEME sont des semaines d'étude organisées par l'AMIES sur le modèle des Study Groups européens : un problème industriel est posé le lundi à un groupe de 4-6 étudiant-e-s (en thèse de maths) et une restitution est effectuée le vendredi de la même semaine. Il est demandé aux jeunes chercheur-se-s d'explorer des stratégies de réponse inédites pour l’entreprise.
+Jeudi 30 Juin 9h-12h 14h-17h
-La prochaine SEME est organisée à Strasbourg du lundi 12 au vendredi 16 novembre 2018 : https://seme2018.cemosis.fr/
+Vendredi 1er juillet 9h-12h 14h-16h
-Nous lançons un appel à tous les doctorant-e-s et  post-doctorant-e-s en Mathématiques à venir et à y participer !
-Faites-le savoir autour de vous !
-Les inscriptions sont ouvertes jusqu’au lundi 15 octobre 2018 via ce formulaire : https://seme2018.cemosis.fr/inscription
+Programme :
-Les sujets seront mis en ligne au fur et à mesure les 2 prochaines semaines de septembre sur la page:
+.Perceptron et perceptron multicouches
-https://seme2018.cemosis.fr/programme
+.Architectures denses et convolutionnelles
-Une nouvelle communication sera effectuée lorsque l'ensemble des sujets sera publié.
+.Architectures profondes classiques
+.Conception de systèmes, réutilisation de l’existant et transfert learning
+.Réseaux récurrents, mécanismes d’attention et Transformers
+.Apprentissage de représentations et embeddings
+.Génération de données et Adversarial Learning Ressources
-Les pauses café, repas et le logement des participant-e-s qui participent à toute la semaine sont pris en charge par la SEME.
-Pour toute question ou information, veuillez écrire à contact-seme@cemosis.fr
+-----------------------------
------------------
+Pr Chu-min LI
-Ph.D. Candidates and Post-doctoral researcher,
+A partir du **lundi 22 novembre 2021** sur le campus de St Jérôme
-Maths-Companies Study Weeks (MCSW) are study weeks organised by AMIES following the European Study Group model : industries will present open issues on the first day to a 4-6 young researcher group. Friday will be devoted to the presentation of the explored paths in front of the industrialists. It is ask that the participants explore out-of-the-box strategy of solution for the company.
+**Planning** : 8 séances de 2,5H (1H cours, 1,5H TD) réparties sur quatre semaines.
+Deux séances par semaine le mardi et le jeudi de 9h30 à 12h00.
-The newt MCSW is set to take place in Strasbourg, from 12 to 16 november 2018
-[MCSW website]
-We are calling all Ph.D. Candidates and post-doctoral researcher to participate in the event !
+Programme :
-Inscriptions are open till the 15th of october 2018 via this link
+Les problèmes NP-difficiles se trouvent dans beaucoup d'applications industrielles et académiques et il faut apporter des solutions à ces problèmes malgré la NP-difficulté. Il y actuellement deux types d'algorithmes dans la résolution pratique de ces problèmes: algorithmes heuristiques ou méta-heuristiques et algorithmes complets ou exacts. Un point en common de ces algorithmes est qu'ils ont en général besoin de prendre des décisions à chaque étape de la résolution. Beaucoup d'effort ont été faits dans la littérature pour améliorer la pertinence de ces décisions qui est cruciale pour la performance pratique de ces algorithmes. Mais assurer les meilleures décisions à chaque étape de la résolution pourrait être aussi difficile que le problème lui-même.
-[Registration]
-Projects will be published here soon :
+L'apprentissage automatique est un outil puissant de l'intelligence artificielle qui a fait ses preuves dans beaucoup de domaines, permettant par exemple à un programme de battre les meilleurs joueurs du jeu de GO humains. Une tendance apparaît ainsi dans la littérature pour utiliser l'apprentissage automatique pour aider les algorithmes des problèmes NP-difficiles à prendre et améliorer des décisions à chaque étape de la résolution.
-[Program]
-We will let you know as soon as the full list of project is fixed.
+L'objectif de ce cour est d'enseigner le principe d'application de l'apprentissage automatique pour améliorer les algorithmes des problèmes NP-difficile. Le contenu du cours est le suivant:
-Coffee break, meals and accomodations of the participants taking part in the entire the study week will be supported by the organisation
+- Problèmes NP-difficiles et leur application
+- Algorithmes existants des problèmes NP-difficiles
+- Principe de l'apprentissage automatique et de l'apprentissage par renforcement en particulier
+- Intégration de l'apprentissage automatique dans les algorithmes des problèmes NP-difficiles
+- Etude de cas
+---------------------------
-For additionnal information, please contact-seme@cemosis.fr
+Pr Hachem KADRI/Giuseppe DI MOLFETTA
+A partir du **17 janvier sur le campus de St Charles, Frumam 2ème étage dans la salle de séminaire**
-**Artificial Intelligence: from Machine Learning to Data Science**
+**Planning** :
-Content:
+janvier : de 10h à 11h30 et de 13h30 à 15h30 (HK)
+janvier : de 10h à 11h30 et de 13h30 à 15h30 (GM)
+janvier : de 10h à 11h30 et de 13h30 à 15h30 (GM)
+janvier : de 10h à 11h30 et de 13h30 à 15h30 (HK)
+janvier : de 10h à 11h30 et de 13h30 à 15h30 (HK)
+janvier : de 10h à 11h30 et de 13h30 à 15h30 (GM)
-Machine Learning addresses the question of how to develop computer systems that improve their performance automatically with experience. It is the core technologies at the basis of modern Artificial Intelligence and of all of its spectacular breakthrough in the last ten years. It is also at the core of the emerging field of Data Science. This course deals with the foundations of machine learning based Artificial Intelligence and of its more recent success which has led to the development of Data Science. The whole process allowing the extraction of knowledge from data will be presented: data preparation and visualization, model generation via the use of a Machine Learning framework, results analysis. The course mainly focuses on classification tasks: non-supervised via the learning algorithm known as k-means, supervised via the presentation of several learning algorithms (k-nearest neighbors, random forest, support vector machines, artificial neural networks). A particular attention is given to practical work: the detailed process (dimension reduction, cross-validation, visualization, fine tuning of hyper-parameters, ...) is studied and well-known toolboxes are introduced (Scikit-Learn, Keras).
+Les séances du matin sont des séances de CM et celles de l'après-midi sont des TD/TP. Les inscrits aux cours doivent apporter leurs machines.
-Team: Hachem Kadri, Rémi Eyraud, Liva Ralaivola (nom.prenom@lis-lab.fr)
+Programme :
-* The course will be given in English. It is possible to be in French if all the PhD Students registered to the course are francophones.
-**Homotopie et homologie du calcul**
+Data Science & ML: an introduction (HK) [TD/TP
+Basics of Python programming and Scikit-learn]
+Quantum information theory : fundamentals
+(DMG) [TD/TP Density matrix and separability]
+Gate model, Quantum Amplitude Amplification,
+Variational circuits (DMG) [TD/TP Searching]
+Quantum machine learning: an overview (HK)
+[TD/TP Quantum perceptron]
+Classical-Quantum Hybrid Learning Algorithms
+(HK) [TD/TP Quantum Kernels and SVM]
+Quantum Assisted Learning and beyond (GDM)
+[TD/TP Quantum Bandit]
-Résumé :
-Ce cours entre naturellement dans ce cadre, car il présente des liens profonds entre différents domaines des mathématiques et de l’informatique théorique :réécriture de mots : présentations convergentes d’un monoïde (ou d’une catégorie); algèbre homologique : groupes d’homologie d’un monoïde (ou d’une catégorie);
-groupes de tresses et généralisations : familles de Garside dans un monoïde (ou une catégorie) ; catégories supérieures et algèbre homotopique : type de dérivation fini et résolutions polygraphiques.
-Cette approche a été initiée par Craig Squier (1987) : en montrant que les paires critiques de la réécriture définissent des générateurs de l’homologie en dimension 3,
-il peut construire un monoïde finement présentable pour lequel le problème du mot est décidable, mais qui n’admet aucune présentation convergente finie.
-La méthode a été généralisée à la dimension quelconque par Yuji Kobayashi (1990), puis reformulée dans un cadre homotopique par Craig Squier lui-même (1994).
-Elle a été adaptée au cas des groupes gaussiens par Patrick Dehornoy et Yves Lafont en 2003, ce qui permet, par exemple, de calculer l’homologie des groupes de tresses.
-La réécriture de mots a aussi été généralisée au cas des 2-présentations par Albert Burroni (1993) et Yves Lafont (2003). En suivant cette voie,
-François Métayer a introduit la notion de résolution polygraphique (2003), qui est la version homotopique des résolutions libres (2009).
-C’est aussi ce qu’on appelle un remplacement cofibrant en algèbre homotopique.
-Ce cours (24h) aura lieu au second semestre. Les publics visés sont d’abord les doctorants issus des masters recherche de mathématiques générales et d’informatique théorique,
-puis les étudiants de ces masters (qui auront déjà suivi des cours fondamentaux), et tous les collègues intéressés par ce domaine. Selon le niveau des étudiants et des collègues,
-je ferai des rappels, dans l’esprit de mon cours intensif de 2008 : Algèbre et géométrie de la réécriture (Ecole Jeunes Chercheurs en Informatique Mathématique, CIRM, 2018)
-**"Entrelacs aléatoires"**, cours de 24H, Responsable Bruno Schapira , de Janvier à mi-Mars
-Nous présenterons le modèle d’entrelacs aléatoires, ainsi que certaines de ses propriétés notamment de connectivité. Cela sera
-également l’occasion d’introduire des outils fondamentaux de théorie élémentaire du potentiel ainsi que sur les processus de Poisson.
-**"Introduction à la Théorie du Contrôle Géométrique"**, cours de 20H, Responsable Francesca Chittaro, de Février à mi-Avril
-. Rappel de géométrie différentielle : variétés, fibré tangent, fibré cotangent, sous-variétés.
-. Equation différentielles survariétés:champs dévecteurs,flots et groupes de difféomorphismes.
-. Familles de champs de vecteurs : crochets et algèbre de Lie, orbite d’un famille de champs de vecteurs, Théorèmes de Rashevski-Chow et de Frobenius.
-. Systèmes commandes : définition, ensembles atteignables, contrôlabilité. Systèmes linéaires et bilinéaires.
-. Equivalence des systèmes contrôlés, linéarisation par feedback.
-**"Histoire de la Pensée Scientifique - Une introduction"**, cours de 24H, Responsable Stéphane Ballet, de  mi-Mai à début Juillet
-{{:cours_de_l_ed:ed184-histpenseeballet.pdf|}}
 **Tous les doctorants qui souhaitent suivre  ces cours doivent impérativement s'enregistrer dans l'adum, la formation est en ligne.**

Ecole Doctorale 184

Outils pour utilisateurs

Outils du site

Différences

Outils de la page