Antoine Cornuéjols / Courses

3° Année (Spé MISI)

•  Cours Bases de Données
•  Cours Intelligence Artificielle

UV ATHENS (C24) "Informatique et Sciences de la Vie"

•  Page du cours

1° Année

•   MAP C:  Introduction à la programmation en C
•  Tronc commun :
  • les transparents du 1er amphi ; la Table des Matières ; l'index
  •  PHP-MySQL

• Informatique et Sciences de l'Information : qu'est-ce que c'est et comment l'enseigner ? Bits and pieces

1° Année

•   Module intégratif n°9 "Extraction de connaissances dans les bases de données"

MASTER ISI
(Dauphine - AgroParisTech)

Cours ISI-3 (Apprentissage et fouille de données)

•  Introduction à l'apprentissage artificiel
•  Fouille de données symboliques et numériques (Y. Lechevallier)

Cours ISI-10 (Apprentissage et extraction de connaissances)

•   Approfondissement en apprentissage artificiel et fouille de données
•  Techniques d'analyse de données symboliques et numériques

Ecoles d'été

éEGC (Ecole d'hiver "Apprentissage Statistique et Data Mining")

•  Apprentissage de Données Bio et Médicales

EPAT-2010 (École de Printemps en Apprentissage auTomatique)

•   Introduction à l'Apprentissage Artificiel

3° Année

•   ITA :   Apprentissage Automatique    (miroir LRI)
•   ISX :   Systèmes à base de connaissances et inférence    (miroir LRI)

2° Année

•   IIA :  Intelligence Artificielle
•   IIA :
  • TP-classic (vins) (films)
  • Transparents Classic
  • Transparents cours sur la perception (6.1 Mo)
  • Contrôle des connaissances (partiel)
•   ILI  :  Programmation fonctionnelle en Lisp
•   IPG :  Programmation Prolog

1° Année

•   IAP :  Introduction à la programmation
•   IBD :  Structure de données
•   MPM :  Optimisation et combinatoire
•   IPG :  Logique

NFI

•   ISEX :  Systèmes Experts & Apprentissage Automatique
•   IPF :  Programmation avancée

Master-Informatique

de Paris-XI

Option "Fouille de données et apprentissage"

•  Cours 11 février 2008 : Introduction-Apprentissage ; Apprentissage par renforcement
•  Cours 18 février 2008 : Apprentissage actif ; Apprentissage symbolique ; Transition de phase

•  Cours 04 novembre 2009 : Evalution de l'apprentissage

•   Cours n°1 :  "Principes généraux de l'induction".    (Plan. Transparents (.pdf (4.1 Mo) , .ppt (5.5 Mo))
•   Cours n°2 (Balasz Kegl) :  "Algorithmes : SVM, boosting, bagging, ...".   
•   Transparents sur  "Les réseaux connexionnistes".    (.ppt (7.1 Mo), .pdf (9.6 Mo))
•   Transparents sur la validation (.ppt)
•   Transparents sur les SVMs (.ppt)
•   Transparents sur le boosting (.ppt)
•   Transparents sur la sélection d'attributs (.ppt ou .pdf)

Sujets de stage proposés (2009-2010) :

•  L'apprentissage en-ligne par tracking
•  Optimisation d'apprentissage en-ligne et coordination pour l'apprentissage distribué
•  Catégorisation de phrases par SVM

Question du jour :

•  Supposons que nous disposions d'une puissance de calcul et de stockage immensément grande (e.g. grâce à la grille de calcul EGEE), quels seraient les nouveaux problèmes, les nouvelles approches, les nouvelles applications que vous envisageriez ?

(envoyer un email à : antoine at lri.fr)

Master 2 (English track)

•   Data Mining : 
  •  Clustering (4 per pages); Genetic Algorithms (4 per pages in .pdf) (format .ppt)

1° Année

•   INT22 :  Apprentissage Artificiel  (TP RN) (TP RL)

   Modélisation cognitive et informatique intelligente (MCii)