ENS Rennes Les bases de Machine Learning. Applications concrètes en SI (en distanciel) du Lundi 14 juin 2021 au Mardi 15 juin 2021

Le « machine learning » est devenu très populaire ces dernières années dans de nombreux champs d’applications : l’étude statistique de données, le traitement d’images ou encore la commande de systèmes.

L'objectif de cette formation est de maitriser les algorithmes d'apprentissage machine présents dans les programmes de CPGE publié au JO du 7-2-2021.

INSCRIPTION

Contact pour inscription : Marielle MARET, Secrétariat du département Mécatronique marielle.maret@ens-rennes.fr

Contenu

1. Algorithmes d'apprentissage supervisé ainsi que leurs applications.

- Machine à vecteurs de support

- k plus proches voisins

2. Réseaux de neurones pour l'apprentissage supervisé.

- Le fonctionnement d'un neurone : biais, poids et fonction d'activation

- L'assemblage en couches afin de créer un réseau : le choix des hyperparamètres associés (nombre de

couches, nombre de neurones, fonctions d'activation)

- Le fonctionnement de l'apprentissage : la mise en forme des données et les algorithmes de

rétropropagation

- L'exploitation d'un réseau de neurones : classification et régression pour des images et des signaux

temporels

3. Algorithmes d'apprentissage non supervisé.

- Bases de l'apprentissage par renforcement

- Études des algorithmes les plus répandus : Q-learning, Deep-Q network, approche acteur-critique.

Des travaux pratiques seront dispensés afin de prendre en main les différents concepts. Les applications sont orientées vers des cas d'utilisation en sciences de l'ingénieur.

Outils : Le langage de programmation utilisé est Python. Le guide des bibliothèques à installer sera fourni en amont de la formation.

Public visé : Professeurs de SI et d'informatique

Effectifs : min : 6 ; max : 20 personnes

Durée : 2 journées (50% théorie, 50% pratique)

Déroulement envisagé : organisation en distanciel.

Enseignant responsable et formateur :

Simon Kirchhofer (simon.kirchhofer@ens-rennes.fr), enseignant-chercheur temporaire (ATER) au Dpt. Mécatronique de l’ENS Rennes