Aperçu de la section

  • Description de la formation

    PROGRAMME 

    09h00 > 10h00 : Accueil et présentation de l’école


    10h00 > 12h00 :

    Maths 1 : « Apprentissage automatique » (Parisa Rastin)

    L'apprentissage automatique (ou machine learning en anglais) est un sous-domaine de l'intelligence artificielle (IA) qui se concentre sur le développement de techniques permettant aux ordinateurs d'apprendre à partir de données et  d'améliorer leurs performances au fil du temps sans être explicitement programmés. Dans ce cours, nous aborderons deux catégories principales de Machine Learning ainsi que quelques algorithmes et leurs applications. Ensuite, nous explorerons ce qu'est le deep learning. Nous examinerons ensemble différents modèles et leurs applications.


    12h00 > 13h30 : Déjeuner


    13h30 > 15h30 :

    Maths 2 : « Optimisation en géométrie convexe - partie théorique » (Antoine Henrot)

    De nombreux problèmes d'optimisation géométrique se posent naturellement dans la classe des ensemble convexes du plan. Nous en verrons d'abord quelques exemples et nous introduirons la notion de diagramme de Blaschke-Santalo, très utile pour visualiser toutes les valeurs possibles prises par des quantités élémentaires comme aire, périmètre, diamètre, inradius...
    Dans ces problèmes d'optimisation géométrique, des questions naturelles sont:
    - peut-on prouver que l'optimum est un polygone ?
    - peut-on trouver des conditions d'optimalité permettant de le caractériser ?
    Nous introduirons quelques outils utiles pour traiter ce type de questions: fonction support, fonction jauge.
    Cette thématique peut donner lieu à de très intéressants TIPE sans nécessiter un bagage trop important.

    15h30 > 15h45 : Pause


    15h45 > 17h45 :

    Maths 3 : « Optimisation en géométrie convexe - partie pratique » (Antoine Henrot)

    Dans cette deuxième partie, chaque participant pourra mettre en œuvre le tracé d'un diagramme de Blaschke-Santalo avec trois quantités qu'il pourra choisir. Tout d'abord, il faudra établir des inégalités "universelles" pour border le diagramme, puis on pourra résoudre des problèmes d'optimisation (en Python ou en Matlab) pour trouver les courbes qui bordent le diagramme


    17h45 > 19h00 : Cocktail découverte du TechLab de Mines Nancy

    • Description de la formation

      Par défaut cette section est publique et visible par tous les visiteurs
      1 - Établissement ou école
      2 - Dates 
      3 - Public (Matière, Filières)
      4 - Nombre de places offertes (présentiel/distanciel)
      5 - Lieu de la formation (adresse complète)
      6 - Intitulé du stage
      7 - Noms et qualités des intervenants, adresse de contact
      8 - Descriptif - Mots clés
      9 - Informations pratiques :
             Restauration : Oui/Non - Prise en charge par l’école / Aux frais des stagiaires
             Possibilité d’hébergement : Oui/Non (conditions éventuelles)
      10 - Prérequis
      11 - Programme