Cours M2 CHPS - Data & Learning                                                                     Année 2019/2020

Introduction à la science des données et au machine learning


***Enseignants
Prof.
Nicolas VAYATIS
Argyris KALOGERATOS

***Contact
<name/-at-/cmla.ens-cachan.fr>

***Syllabus 2019-2020

***Planning des séances et localisation
Lieu: Salle C1202, 1er étage, Bâtiment Cournot, Campus de Cachan, ENS Paris-Saclay (61, avenue du Président Wilson - 94230 Cachan)

Date Horaire Intervenants Session Thèmes Fichiers
Lundi 16 Septembre
9:30-12:30 N. Vayatis Cours #1 Présentation du cours
Le cadre de l'apprentissage supervisé
Slides
Lundi 16 Septembre 13:30-16:30 A. Kalogeratos
TD/TP #1
Pipeline du traitement de données
Outils et environnements logiciels
Fichier
Lundi 23 Septembre 10:15-12:30
N. Vayatis Cours #2
Statistique en grande dimension et parcimonie
Régression pénalisée (Ridge, LASSO...)
Slides
Lundi 23 Septembre 13:30-16:30 A. Kalogeratos TD/TP #2
Modèle linéaire en régression
Régression logistique
Fichier
Lundi 30 Septembre 9:30-12:30 N. Vayatis Cours #3
Réduction de dimension
Apprentissage non supervisé
Slides
Lundi 30 Septembre 11:00-13:00 T. Saillant (CEA & ENS Paris-Saclay)
N. Vayatis
Conférence #1
TD/TP #3
Monitoring d'un supercalculateur
Techniques de clustering
Slides
Fichiers
Lundi 7 Octobre 9:30-12:30 N. Vayatis Cours #4 Classification supervisée
Perceptron, réseaux de neurones, Support Vector Machines
Slides
Lundi 7 Octobre 11:00-13:00 N. Vayatis TD/TP #4 Validation croisée
Benchmarking d'algorithmes
Fichiers
Lundi 14 Octobre 9:30-12:30 N. Vayatis Cours #5 Arbres de décision
Méthodes d'ensembles : bagging, boosting, random forests
Slides
Lundi 14 Octobre 13:30-16:30 A. Kalogeratos TD/TP #5 Machine Learning sur des séries temporelles
ACP, clustering, détection d'anomalies
Fichiers
Lundi 21 Octobre 9:30-12:30 N. Vayatis Cours #6 Etude de cas
Métamodèles, plans d'expériences
Slides
Lundi 21 Octobre 13:30-16:30 F. Hafid (RTE & ENS Paris-Saclay)
A. Kalogeratos
Conférence #2
TD/TP #6
Modélisation hybride appliquée au monitoring de systèmes
Mise en place des projets numériques des étudiants
Slides
Fichiers
Lundi 18 novembre
9:30-17:30
N. Vayatis
A. Kalogeratos
Examen
Soutenances




***Evaluation
La note finale est calculée à partir des trois éléments d’évaluation suivants :
La présence de l’ensemble des étudiants lors des présentations des projets numériques est obligatoire et fait partie de l’évaluation.
En cas d’échec, un rattrapage est proposé aux étudiants sous forme d’examen écrit.

***
Bibliographie

Pour plus de références, consulter cette page.