Stage LIESSE
|
|
Programmation Python
|
N.B.: Ces
descriptif et programme sont
donnés à
titre indicatif et peuvent évoluer.
Table des
matières
Nouveautés
- 02/05/16 : inscriptions closes, 17 participants.
- 12/04/16 : 14 inscrits; nous vous attendons plus nombreux !
- 23/03/16 : déjà 11 inscrits.
- 19/11/15 : création de cette fiche.
Informations
générales
- Thème
: Programmation Python avancée : Application à l'apprentissage statistique (Machine Learning)
- Dates :
session: Lundi 9 et mardi 10 Mai 2016
- Type de stage
: Cours et travaux pratiques sous Python (par groupe(s) de 20 personnes)
- Auditoire
attendu : les professeurs de mathématiques supérieures et
spéciales, en mathématiques, physique, chimie, informatique et sciences de l'ingénieur.
Inscription libre
mais obligatoire, voir ci-dessous.
- Lieu
: Télécom ParisTech, 46, rue Barrault, 75013 Paris (comment
venir?).
- Volume
horaire et programmation
: voir ci-dessous
- Responsable
pédagogique : Alexandre Gramfort
- Contact
: liesse@telecom-paristech.fr
- Intervenants :
Slim Essid, Alexandre Gramfort, enseignants-chercheurs au département TSI de Télécom ParisTech.
- Page Web de
présentation : maintenue
par Télécom ParisTech
- Seuil
d'ouverture / Numerus clausus : 5 / 40
- Inscription
(libre mais obligatoire) : Inscription de préférence en ligne ici ou par
mél à liesse@telecom-paristech.fr
Synopsis
Ce stage a pour
objectif de présenter à des personnes déjà à l'aise en Python,
notamment en Python scientifique avec numpy, les bases de
l'apprentissage statistique, le "machine learning". Y seront présentés
les concepts de bases de l'apprentissage et des algorithmes classiques
pour la classification, la régression, la réduction de dimension et le
clustering. Le stage sera organisé sous forme de cours (matin) et mise
en pratique l'après midi sur données réelles (images et textes).
Programme
-
Jour 1 matin
- 9h30 - 9h45 Accueil (Hall Barrault)
- 9h45 - 10h00 Présentation de
la journée
- 10h00 - 12h30 Apprentissage supervisé (k plus proches voisins, LDA, régression ridge et logistique)
- 12h30 Déjeuner
-
Jour 1 après-midi
- 14h00 - 17h00 TP sur des données de type image
-
Jour 2 matin
- 9h00 - 12h00 Apprentissage non-supervisé (ACP, k-means)
- 12h00 Déjeuner
-
Jour 2 après-midi
- 14h00 - 17h00 TP sur des données non-structurées (textes) et des images
- 17h00 Clôture
Documents
- Supports de cours et solutions des projets : en ligne ici.
- Notebooks : en ligne ici.
- MOOC avec programmation Python : vidéos (à venir)
dernière
modification 2-mai-2016