Enseignements actuels

• Apprentissage profond
  • Régressions linéaire, logistisque et leurs interprétations probabilistes
  • Perceptrons multi-couches
  • Rétro-propagation, gradient stochastique
  • Couches et Réseaux convolutifs, application à l’image
  • Auto-encodeurs classiques, variationnels, convolutifs
  • GAN et autres modèles génératifs
  • Réseaux de type Transformer pour le texte
  • Résolution d’EDP par des “Physical Informed Neural Networks” (PINNs)
  • Outils autour: pytorch, autograd, lightning, tensorboard
• Introduction à la programmation (en Python) en premiere année
• Calcul scientifique avec Python
  • Python niveau intermédiaire
  • Bibliothèques: numpy, scipy, matplotlib, pandas
  • Programmation Objet
  • Notebooks interactifs
• Outils d’ingénieur pour le calcul scientifique
  • Le système Linux: arborescence, exécution à distance
  • Gestions de code avec git
  • Traitement des données: pandas
  • Orchestration de tâches avec luigi
• Algorithmes de tableaux
  • Introduction à l’algorithmique et à la notion de complexité
  • Répresentation interne des listes en Python
  • Algorihmes de tri
  • Introduction à la récursion
  • Algorithmes de sélection

Anciens cours

• Algorithmes de graphes
• Analyse de données
• Traitement d’images
• Modèles graphiques
• Machines à noyaux
• Programmation R
• Calcul matriciel - carte de référence Scilab