ES "Apprentissage Artificiel" (Machine-Learning)

Ensemble de cours et TPs présentant les techniques d'apprentissage artificiel (en particulier réseaux de neurones, réseaux convolutionnels, SVMs et méthodes à noyau, boosting, forêts aléatoires, clustering et algorithmes évolutionnistes).

 
• Présentation et planning du cours de novembre 2020



• REFERENCE TEXTBOOKS [Ouvrages de référence]

  • "Introduction au Machine Learning" (pdf, sans les exercices), par Chloé-Agathe Azencott (CBIO de MINES ParisTech), Collection InfoSup, Dunod, 2018. Voir site éditeur pour version complète sous forme de livre.
  • "The Elements of Statistical Learning", par Trevor Hastie, Robert Tibshirani & Jerome Friedman (profs à Stanford, où cet ouvrage sert de manuel).
  • "Deep Learning", par Ian Goodfellow, Yoshua Bengio and Aaron Courville (MIT press).



• LECTURE NOTES (in French) [Polycopié EN FRANCAIS]

  • "Apprentissage Statistique Supervisé", par Fabien MOUTARDE, article H5010 publié par Techniques de l'Ingénieur (février 2019).
        [ Idem en 'Version auteur' réservée à mes élèves (mot de passe requis)]
  
  

• SLIDES OF THE COURSES [Les copies de transparents des cours]

  • Pdf of slides on Machine-Learning general framework (supervised learning)
    [Copie des transparents Intro+Formalisme Apprentissage Statistique (partie "supervisé")] 
  
  
  • Pdf of slides on (shallow) Neural Networks (Multi-Layer Perceptron, MLP)
        [ Version en français mais + ancienne de transparents sur les réseaux de neurones ` couches "classiques" type MLP]
  
  
  • Pdf of slides on Deep-Learning with Convolutional Neural Networks
    [Copie des transparents "Introduction à l'apprentissage profond (Deep-Learning) et aux Réseaux Convolutionnels (ConvNets)]
  
  
  • Pdf of slides on Decision Trees and Random Forests
        [Version en français mais + ancienne de transparents sur les Arbres de Décision et les Forêts Aléatoires]
  
  
  • Pdf of slides on boosting
        [Version en français mais + ancienne de transparents sur le boosting]
  
  
  • Copie des transparents sur la détection visuelle temps-réel d'objets (piétons, voitures, etc...)
  
  
  • Pdf of slides of Judith Abecassis CBIO/Mines_ParisTech) on Machine-Learning for BioInformatics, Support Vector Machines (SVM), and kernel methods
    [Copie des transparents BioInformatique, SVM, et méthodes à noyau] 
  
  
  • Copie de transparents présentant TRES brièvement les Support Vector Machines (SVM)
  
  
  • Copie des transparents sur l'apprentissage NON-SUPERVISE
        [Version en français mais + ancienne de transparents sur l'apprentissage NON-SUPERVISE] 
  
  
  • Copie des transparents sur les algorithmes évolutionnistes (algorithmes génétiques, Optimisation par Essaim Particulaire, etc...)
  
  
  • Copie des transparents sur le Machine-Learning pour données SEQUENTIELLES (HMM, DTW, etc).
  
  
  • Copie des transparents sur les RNN (Recurrent Neural Networks).
  
  
  • Copie des transparents de Sotiris Manitsaris (CAOR/Mines_ParisTech) sur la econnaissance de gestes, et les HMM (Modèles de Markov Cachés).