Ecole Doctorale 184

Outils pour utilisateurs

Outils du site

Piste:
cours_de_l_ed:start

Différences

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

Lien vers cette vue comparative

Les deux révisions précédentes Révision précédente
Prochaine révision 		Révision précédente
cours_de_l_ed:start [2022/06/20 17:04]
sonia 		cours_de_l_ed:start [2023/07/04 09:52] (Version actuelle)
sonia
Ligne 3: Ligne 3:
 **COURS DE l'ED** **COURS DE l'ED**
  
-Trois cours de 24h chacun vous seront proposés prochainement. Les inscriptions ​sont dès à présent possible ​sur l'​adum.+Cinq cours de 24h chacun vous seront proposés prochainement. Les inscriptions ​se feront ​sur l'​adum ​ultérieurement.
  
 ---------------------------- ----------------------------
-Pr Thierry ARTIERES 
  
-Deep Learning+==Propositions de  cours ED 2023-2024==
  
-**Lieu à définir** :  
  
-Lundi 27 Juin 9h-12h 14h-17h +Stéphane Ballet I2M (déjà retenu en 2022-2023) : Histoire de la pensée scientifique
-  +
-Mardi 28 Juin 9h-12h 14h-17h ​+
  
-Mercredi 29 Juin 9h-12h 14h-17h ​+Ctirad Klimcik I2M : la théorie conforme de champs
  
-Jeudi 30 Juin 9h-12h 14h-17h ​+Olivier Dudas I2M : Théorie de Deligne—Lusztig
  
-Vendredi 1er juillet 9h-12h 14h-16h+Giuseppe Di Molfetta LIS : UE Quantum Algorithms: basics and principles
  
-Programme ​: +Carlos Ramisch et Manon Scolivet LIS  (déjà retenu en 2022-2023) ​: Recherche zen : éviter de stresser pour nos choix méthodologiques (débattables) OU Méthodologie expérimentale en informatique ​
  
-1.Perceptron et perceptron multicouches  +{{ :​cours_de_l_ed:​recap_cours_ed184_2023-2024.pdf |}}
-2.Architectures denses et convolutionnelles  +
-3.Architectures profondes classiques ​  +
-4.Conception de systèmes, réutilisation de l’existant et transfert learning +
-5.Réseaux récurrents,​ mécanismes d’attention et Transformers  +
-6.Apprentissage de représentations et embeddings  +
-7.Génération de données et Adversarial Learning Ressources+
  
  
------------------------------ 
-Pr Chu-min LI  
  
-A partir du **lundi 22 novembre 2021** sur le campus de St Jérôme +**Tous les doctorants qui souhaitent suivre ​ ces cours devront ​impérativement s'​enregistrer dans l'​adum.**
- +
-**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. +
- +
- +
- +
-Programme : +
- +
-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. +
- +
-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. +
- +
-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: +
- +
-- 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 +
- +
---------------------------- +
- +
-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** +
- +
-**Planning** :  +
- +
-17 janvier : de 10h à 11h30 et de 13h30 à 15h30 (HK) +
-18 janvier : de 10h à 11h30 et de 13h30 à 15h30 (GM) +
-19 janvier : de 10h à 11h30 et de 13h30 à 15h30 (GM) +
-24 janvier : de 10h à 11h30 et de 13h30 à 15h30 (HK) +
-25 janvier : de 10h à 11h30 et de 13h30 à 15h30 (HK) +
-26 janvier : de 10h à 11h30 et de 13h30 à 15h30 (GM) +
- +
-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.  +
- +
-Programme : +
- +
-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] +
- +
- +
- +
- +
-**Tous les doctorants qui souhaitent suivre ​ ces cours doivent ​impérativement s'​enregistrer dans l'adum, la formation est en ligne.**+
cours_de_l_ed/start.1655737473.txt.gz · Dernière modification: 2022/06/20 17:04 par sonia

Outils de la page

Donate Powered by PHP Valid HTML5 Valid CSS Driven by DokuWiki