Introduction à l’apprentissage statistique pour les géosciences
Ce cours est une introduction aux techniques d’apprentissage statistiques appliquées aux géosciences, avec des applications dans le domaine de l’énergie. Les mesures géophysiques sont acquises avec des capteurs de haute technologie, dans des conditions extrêmes. Elles permettent de décrire et
Apprentissage profond et traitement du signal, introduction et applications industrielles
L’objectif de ce module est de comprendre ce que les approches d’apprentissage profond peuvent apporter à des problématiques de traitement du signal à travers plusieurs cas d’usage industriels comme par exemple, l’identification d’émetteurs radar, la détection de signaux pour la radio
Reinforcement Learning
This class aims at providing a comprehensive and modern introduction to reinforcement learning concepts and algorithms. It endeavors to provide a solid formal basis on foundational notions of reinforcement learning (MDP modeling, convergence properties of dynamic programming and stochastic gradient
Responsible machine learning
This course will examine the mutual relationship between law, computer science and public policy. With the wide spread of artificial intelligence, the link between these domains is becoming more and more ambiguous. On one hand, the growth in computing capacity
Graphical Models: Discrete Inference and Learning
Description of the course: Graphical models (or probabilistic graphical models) provide a powerful paradigm to jointly exploit probability theory and graph theory for solving complex real-world problems. They form an indispensable component in several research areas, such as statistics, machine
Apprentissage pour les séries temporelles
Dans de nombreux contextes applicatifs (santé, économie, publicité…), les données recueillies prennent la forme de séries temporelles. L’enjeu fondamental consiste alors à choisir une représentation adaptée, permettant de tenir compte au mieux de l’information temporelle. Ce cours vise à fournir
Deep learning for medical imaging
Medical imaging technologies provide unparalleled means to study structure and function of the human body in vivo. Interpretation of medical images is difficult due to the need to take into account three-dimensional, time-varying information from multiple types of medical images.
Bayesian machine learning
By the end of the course, the students should have a high-level view of the main approaches to making decisions under uncertainty. be able to detect when being Bayesian helps and why. be able to design and run a Bayesian
Apprentissage Profond pour la Restauration et la Synthese d’Images
La minituriasation des capteurs et l’évolution des capacités computationnelles ont conduit à une omniprésence des images. Cependant, ces images ont besoin de post-traitements de plus en plus exigeants (filtrages, restaurations) afin de produire des résultats de bonne qualité. Au coeur
Deep Learning in Practice
Despite impressive mediatized results, deep learning methods are still poorly understood, neural networks are often difficult to train, and the results are black-boxes missing explanations, which is problematic given the societal impact of machine learning today (used as assistance in