Enseignement

Présentation Le thème principal du cours Élements de programmation 1 concerne l’étude et la résolution de problèmes simples par des outils informatiques. Les solutions à de tels problèmes sont données sous la forme de fonctions.

Présentation Le cours se scinde en deux parties principales : la première porte sur l’analyse descriptive d’un jeu de données et la seconde sur l’inférence (c’est-à-dire la généralisation) qui peut être menée à partir d’un ensemble d’observations.

Présentation Introduction et mise en pratique de techniques d’intelligence artificielle appliquées à la prise en compte de grandes masses de données : méthodologies et outils de data science et de prétraitement de données ; mise en œuvre de modèles prédictifs pour la classification binaire ; développement de techniques de visualisation de données.

Présentation Cette unité d’enseignement vise à présenter les éléments de probabilités et de statistiques fondamentaux pour l’informatique. Au-delà du simple objectif d’exposer les notions classiques telles que les variables aléatoires, les moments ou les grandes familles de distributions, l’UE a pour but de montrer l’utilisation avancée de ces notions dans divers domaines de l’informatique tels que la bioinformatique, l’intelligence artificielle ou encore l’imagerie.

Présentation Il s’agit d’une UE de projet. Sa vocation est de former les étudiants à réaliser un projet, seul ou en binôme de bout en bout, de l’analyse du sujet au développement logiciel ainsi qu’à l’expérimentation du travail réalisé.

Présentation Théorie et Algorithme de l’apprentissage par renforcement ; deep reinforcement learning ; Modèles génératifs (VAE, GANs) ; Modèles stochastiques ; Modèles adverses ; études de cas sur applications. Charge 1 séance de TP (2hTP ; 25 étudiant·e·s) Liens Site du cours

Présentation L’un des défis principaux de la recherche en apprentissage actuellement est la définition d’IA de confiance, concept qui recouvre de nombreuses dimensions parmi lesquelles on peut citer: l’IA interprétable (eXplainable AI), l’IA équitable (fairness), l’IA responsable.