Introduction to Optimization and Machine Learning

But

Introduction to basis of Optimization and Machine Learning. The goal is not show how to use "tools", but rather to make understand some principles of optimization, and machine learning algorithms.

Objectifs

1. Introduire à la modélisation sous forme de problèmes d’optimisation ou d’apprentissage supervisé ou non-supervisé
2. Comprendre la relation entre optimisation et apprentissage automatique
3. Introduire les principes de l’apprentissage automatique
4. Introduire les principes de l’optimisation discrete et numérique
5. Etre capable de mettre en œuvre une situation d’optimisation et d’apprentissage automatique à l’aide d’un langage informatique

Slides

Bibliography

• Daniele A. Di Pietro, Université de Montpellier, Cours master 1, "optimisation numérique" html
• Sebastian Ruder, "An overview of gradient descent optimization algorithms", arXiv, 2017. html
• Data Science : fondamentaux et études de cas, Machine Learning avec Python et R, Eric Biernat, Michel Lutz, Eyrolles, 2015.
• Artificial Intelligence: A Modern Approach, Fourth edition, 2020, Stuart Russell and Peter Norvig.
• Vincent Barra, Antoine Cornuéjols, Laurent Miclet, "Apprentissage Artificiel. Concepts et algorithmes. De Bayes et Hume au Deep learning", Eyrolles. Mars 2021.
• Formation d'Introduction au Deep Learning: FIDLE

Horaires

9h de CM.