| AgroParisTech |
3° Année (Spé MISI)
|
UV ATHENS (C24)
"Informatique et Sciences de la Vie"
|
1° Année
|
| 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)
|
EPAT-2010 (École
de Printemps en Apprentissage auTomatique)
-
Introduction à l'Apprentissage Artificiel
|
| IIE |
3° Année
|
2° Année
|
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 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) :
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)
|
| ENSTA |
1° Année
|
