Teaching ressources
J'enseigne actuellement au sein de l'école d'ingénieur du littoral côte d'opale (EILCO) :
Classes préparatoires 1ère année
Parcours ingénieur informatique 2ème année - alternants
Parcours ingénieur informatique 3ème année - mineure intelligence artificielle
Master 2ème année "Ingénierie des systèmes complexes"
Deep Learning (ING3)
L'essentiel des ressources utilisées lors du cours et des TP peuvent être retrouvées ici.
Vous y trouverez en particulier un lien vers les supports pdf des présentations.
Liens vers les vidéos de présentation des différents concepts, ainsi que d'exemples pratiques :
Concepts et historique (4 parties)
Réseaux convolutifs : CNN (4 parties)
Démystifier les mathématiques (1 partie)
Evaluation et données creuses (4 parties)
Réseaux récurrents : RNN (3 parties)
Les réseaux autoencodeurs :AE (3 parties)
Variational Autoencoder : VAE (3 parties)
Generative adversarial networks : GAN (1 partie)
IA : Droit, Éthique et Société (1 partie)
TP : Données pour classification (description)
TP/projet : Sujet Lien vers les données
Vulgarisation : Comment ces IA inventent-elles des images ? (Stable Diffusion, Midjourney, DALL·E 2) - Billet de blog
Intelligence artificielle (M2 ISC)
Résolution de problèmes (modifié)
Sujet TP réseaux de neurones (données)
Introduction à l'IA et aux systèmes experts.
Rappels de complexité algorithmique et de complexité de problèmes.
Approches de résolution de problèmes, jeux.
Paradigmes de résolutions de problèmes.
Recherches locales.
Introduction à l'apprentissage.
Réseaux de neurones.
Algorithmique avancée (M1 ISC)
Bases 1 - Exercices (quelques corrigés)
Bases 2 - exercices (corrigé exercice 3 )
TD (base du code de l'exo 3) (correction tris)
Cours paradigmes algorithmiques (1)
Cours paradigmes algorithmiques (2)
TD paradigmes (éléments de correction)
Modélisation et apprentissage automatique (M1 ISC)
Le site Statquest propose des vidéos de vulgarisation sur le machine learning. Cela explique simplement et visuellement de nombreux concepts de ce cours. Certaines de ces vidéos sont données en lien ci-dessous et dans les supports de cours.
Introduction au machine learning (vidéo statquest)
Modélisation - tiré du cours de N. Audebert (vidéo cross validation, vidéo sensibilité/spécificité , vidéo ROC )
Apprentissage supervisé (vidéo descente de gradient, vidéo k plus proches voisins )
Algorithmique & programmation python 1 (CP1)
Algorithmique & programmation python 2 (CP1)