Embedded Files
Ouvrage de référence
Ouvrage de référence
Shalev-Shwartz, S., & Ben-David, S. (2014). Understanding machine learning: From theory to algorithms. Cambridge university press.
Shalev-Shwartz, S., & Ben-David, S. (2014). Understanding machine learning: From theory to algorithms. Cambridge university press.
Programme de lecture
Programme de lecture
Calendrier des sessions
Calendrier des sessions
Sessions passées
Sessions passées
Date : 21/01/19 à 16h
Date : 21/01/19 à 16h
Salle : Bâtiment P, 2.14
Salle : Bâtiment P, 2.14
Sujet : Introduction and Gentle start
Sujet : Introduction and Gentle start
Chapitres concernés : 1; 2
Chapitres concernés : 1; 2
Synthèse : Emilie Chautru
Synthèse : Emilie Chautru
Matériel : Lien : Cliquer sur le bouton "Documents de cours M2MO" afin d'accéder aux cours et aux TDs de Machine Learning d'Emilie!
Matériel : Lien : Cliquer sur le bouton "Documents de cours M2MO" afin d'accéder aux cours et aux TDs de Machine Learning d'Emilie!
Date : 04/02/19 à 16h
Date : 04/02/19 à 16h
Salle : Bâtiment P, 2.14
Salle : Bâtiment P, 2.14
Sujet : Formal learning, uniform convergence and bias-complexity tradeoff
Sujet : Formal learning, uniform convergence and bias-complexity tradeoff
Chapitres concernés : 3; 4; 5
Chapitres concernés : 3; 4; 5
Synthèse : Christian Lantuéjoul
Synthèse : Christian Lantuéjoul
Date : 18/02/19 à 15h30
Date : 18/02/19 à 15h30
Salle : Bâtiment P, 301
Salle : Bâtiment P, 301
Sujet : VC dimension and non-uniform learning
Sujet : VC dimension and non-uniform learning
Chapitres concernés : 6; 7 (+8)
Chapitres concernés : 6; 7 (+8)
Synthèse : Nicolas Desassis
Synthèse : Nicolas Desassis
Date : 04/03/19 à 16h
Date : 04/03/19 à 16h
Salle : Bâtiment P, 2.14
Salle : Bâtiment P, 2.14
Sujet : Linear predictors
Sujet : Linear predictors
Chapitres concernés : 9
Chapitres concernés : 9
Synthèse : Marine Demangeot
Synthèse : Marine Demangeot
Date : 18/03/19 à 16h
Date : 18/03/19 à 16h
Salle : Bâtiment P, 2.14
Salle : Bâtiment P, 2.14
Sujet : Boosting and Model selection/validation
Sujet : Boosting and Model selection/validation
Chapitres concernés : 10; 11
Chapitres concernés : 10; 11
Synthèse : Thomas Romary
Synthèse : Thomas Romary
Date : 01/04/19 à 16h
Date : 01/04/19 à 16h
Salle : Bâtiment P, 2.14
Salle : Bâtiment P, 2.14
Sujet : Convex problems, regularisation, stability
Sujet : Convex problems, regularisation, stability
Chapitres concernés : 12; 13
Chapitres concernés : 12; 13
Synthèse : Leonardo Gigli
Synthèse : Leonardo Gigli
Date : 15/04/19 à 16h
Date : 15/04/19 à 16h
Salle : Bâtiment P, 2.14
Salle : Bâtiment P, 2.14
Sujet : Stochastic Gradient Descent (and convex optimisation)
Sujet : Stochastic Gradient Descent (and convex optimisation)
Chapitres concernés : 14
Chapitres concernés : 14
Synthèse : Mike Pereira
Synthèse : Mike Pereira
Date : 29/04/19 à 16h
Date : 29/04/19 à 16h
Salle : Bâtiment P, 2.14
Salle : Bâtiment P, 2.14
Sujet : SVM and Kernel Methods
Sujet : SVM and Kernel Methods
Chapitres concernés : 15-16
Chapitres concernés : 15-16
Synthèse : Xavier Freulon
Synthèse : Xavier Freulon
Date : 13/05/19 à 16h
Date : 13/05/19 à 16h
Salle : Bâtiment P, 2.14
Salle : Bâtiment P, 2.14
Sujet : Multiclass and nearest neighbors
Sujet : Multiclass and nearest neighbors
Chapitres concernés : 17; 19
Chapitres concernés : 17; 19
Synthèse : Christian Lantuéjoul
Synthèse : Christian Lantuéjoul
Date : 20/05/19 à 16h
Date : 20/05/19 à 16h
Salle : Bâtiment P, 2.14
Salle : Bâtiment P, 2.14
Sujet : Decision trees and random forests
Sujet : Decision trees and random forests
Chapitres concernés : 18
Chapitres concernés : 18
Synthèse + Démo : Thomas Romary, Fabien Ors
Synthèse + Démo : Thomas Romary, Fabien Ors
Matériel : Lien vers la présentation et Lien vers le fichier R Markdown utilisé pour la démonstration. Afin d'utiliser ce dernier, il vous faut une version récente de R et de RStudio. Les packages suivants doivent être installés (depuis un miroir du CRAN): shiny, ranger, e1071. Il vous faut également la dernière version du package RGeostats, téléchargeable en suivant ce lien.
Matériel : Lien vers la présentation et Lien vers le fichier R Markdown utilisé pour la démonstration. Afin d'utiliser ce dernier, il vous faut une version récente de R et de RStudio. Les packages suivants doivent être installés (depuis un miroir du CRAN): shiny, ranger, e1071. Il vous faut également la dernière version du package RGeostats, téléchargeable en suivant ce lien.
Date : 27/05/19 à 16h
Date : 27/05/19 à 16h
Salle : Bâtiment P, 2.14
Salle : Bâtiment P, 2.14
Sujet : Neural networks + Deep Learning applications
Sujet : Neural networks + Deep Learning applications
Chapitres concernés : 20
Chapitres concernés : 20
Synthèse : Nicolas Desassis, Zyad Haddad, Tristan Lazard
Synthèse : Nicolas Desassis, Zyad Haddad, Tristan Lazard
Matériel: Synthèse du chapitre, lien vers le site d'Illustration du fonctionnement des réseaux de neurones et Présentation sur le Deep Learning.
Matériel: Synthèse du chapitre, lien vers le site d'Illustration du fonctionnement des réseaux de neurones et Présentation sur le Deep Learning.
Date : 11/06/19 à 16h
Date : 11/06/19 à 16h
Salle : Bâtiment P, 2.14
Salle : Bâtiment P, 2.14
Sujet : Clustering
Sujet : Clustering
Chapitres concernés : 22
Chapitres concernés : 22
Synthèse : Xavier Freulon
Synthèse : Xavier Freulon
Date : 24/06/19 à 16h
Date : 24/06/19 à 16h
Salle : Bâtiment P, 2.14
Salle : Bâtiment P, 2.14
Sujet : Generative models
Sujet : Generative models
Chapitres concernés : 24
Chapitres concernés : 24
Synthèse : Mike Pereira
Synthèse : Mike Pereira
Date : 08/07/19 à 16h
Date : 08/07/19 à 16h
Salle : Bâtiment P, 2.14
Salle : Bâtiment P, 2.14
Sujet : Dimension reduction and feature selection
Sujet : Dimension reduction and feature selection
Chapitres concernés : 23 & 25
Chapitres concernés : 23 & 25
Synthèse : Nicolas Desassis, Thomas Romary
Synthèse : Nicolas Desassis, Thomas Romary
Google Sites
Report abuse