Introduction to Optimization and Machine Learning

PhD - 2022/2023

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.

haut

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

haut

Slides

Lesson Titre Link
01 Introduction pdf
02 Basis of optimisation pdf whiteboard
03 Basis of Machine Learning pdf whiteboard
04 Practice code02 (zip) correction (zip)
code03 (zip)
coCalc if needed

haut

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

haut

Horaires

9h de CM.


haut

dernière modification : 7 avril 2022