Enseignements
Cette page regroupe l'ensemble des documents relatifs à l'enseignement à l'Université Paris Sud (TP, TD et supports de cours).
Année 2020/2021
M2-Physique Complex Systems UE de Machine Learning - Université Paris Saclay
-
Lecture notes
- Lesson 1 - 2/2/21 Intro, GMM Part1, CorrectionGMM, fichier jupyter: CorrGMM,
- Lesson 2 - 9/2/21 GMM-EM, GMM-Transition
- Lesson 3 - 16/2/21 Perceptron
- Lesson 4 - 23/2/21 AutoEncoder
- Lesson 5 - 2/3/21 Hopfield
- Lesson 6 - 9/3/21 RBM
-
Lab work
- Lab1: Gaussian Mixture Model, notes and reminder for next week: notes
- Lab2: Phase transition in learning, notes
- Lab3: Perceptron, données MNIST, CorrNN, CorrNN.ipynb
- Lab4: AE, CorrAE.ipynb
- Lab5: Hopfield, notes, Hopfield_Corr.ipynb
- Lab6: RBM, notes, RBM_Corr_P1.ipynb, RBM_Corr_P2.ipynb
-
Bibliographic projects
-
Materials and references
- Gephi
- Information, Physics, and Computation - Mézard and Montanari
- Information Theory, Inference, and Learning Algorithms - Mackay
Année 2019/2020
M1-Info UE de Probabilité, Statistique et Théorie de l'Information - Université Paris Saclay
-
Notes
-
TPs
- TP1 Préliminaire tp1_prelim.ipynb
- TP1 TP-1.ipynb, Correction, fichier jupyter: TP1_Corr.ipynb
- TP2 TP-2.ipynb, données data_ping.d, Correction, fichier jupyter: TP2_Corr.ipynb
- TP3 TP-3.ipynb, données count_1w.txt et wine.txt, Correction, fichier jupyter: TP3_Corr.ipynb
- TP4 TP-4.ipynb, données calvin_hobbes.png, Correction, fichier jupyter: TP4_Corr.ipynb
- TP5 TP-5.ipynb, Correction, fichier jupyter: TP5_Corr.ipynb
- TP6 TP-6.ipynb, Correction, fichier jupyter: TP6_Corr.ipynb
- TP7 TP-7.ipynb (au format HTML : HTML), données: data_cases, data_morts, Correction, fichier jupyter: TP7_Corr.ipynb
- TP8 TP-8.ipynb, de la documentation interstices, rapport de l'équipe ETE, Correction, fichier jupyter: TP8_Corr.ipynb
- TP9 TP-9.ipynb, Correction, fichier jupyter: TP-9_Corr.ipynb
- TP10 TP-10.ipynb
-
Evaluation
- Sujet pour le projet.
M1-Pro UE de Probabilité et Statistique - Université Paris-Sud
- Notes
- Notes de cours (prise en bonne partie par A. Bonin).
- TPs
- TP1 Préliminaire tp1_prelim.ipynb
- TP1 tp1.ipynb, Correction, fichier jupyter: tp1_corr.ipynb
- TP2 TP2.ipynb, données data_ping.d, Correction, fichier jupyter: TP-2_Corr.ipynb
- TP3 TP3.ipynb, Correction, fichier jupyter: TP-3_Corr.ipynb
- TP4 TP4.ipynb, données MNIST, Correction, fichier jupyter: TP-4_Corr.ipynb
- TP5 TP5.ipynb, Correction, fichier jupyter: TP-5_Corr.ipynb
- Annale Exam_1819.pdf, Correction fichier jupyter: Corr_Ex1819.ipynb
- Exam Exam_1920.pdf
M1-Pro UE d'introduction à l'apprentissage - Université Paris-Sud
- TPs
- TP1 TP1.ipynb, TP1-Suppl TP1-Suppl.ipynb, Correction, fichier jupyter: TP1_Corr.ipynb
- TP2 TP2.ipynb, image, Correction, fichier jupyter: TP2_Corr.ipynb
- TP3 TP3.ipynb, Correction, fichier jupyter: TP3_Corr.ipynb
- TestKERAS
L2 - UE d'Architecture des Machines - Université Paris-Sud
-
Références et matériels du cours
- Ouvrage de référence : Computer Organization and Design - Patterson,Hennessy
- Page du cours des années précédents (Cécile Germain)
- Page du cours de Joël Gay (Polytech)
- Page du cours d'Olivier Carton (M1)
- MIPS : ensemble d’instructions (voir aussi le wikipedia)
- Instructions MIPS32 : feuille résumant les instructions et les codes machines
- Convertisseur binaire/décimal/hexadécimal
- Simulateur qtspim
- Simulateur MIPS en java : MARS
- Compilateur vers MIPS
-
TPs - Architecture
-
TDs - Architecture
-
Interros et correction - Architecture
-
Annales - Architecture
L2 - UE Introduction à l'apprentissage automatique - Université Paris-Sud
- Références et matériels du cours
- Pattern Recognition and Machine Learning - Bishop (avancé)
- Apprentissage Machine de la théorie à la pratique - Amini
- Apprentissage Artificiel, Concepts et algorithmes - Cornuéjols, Miclet
- TP P1 Première partie des TP
- TP P2 Seconde partie des TP
- Projet1 apprentissage supervisé Sujet pour le premier projet.
- Projet2 apprentissage non-supervisé Sujet pour le second projet.
- Annales - IntroApp