Description de la formation
Établissement ou école : Mines Nancy
Dates : jeudi 31 octobre
Public (Matière, Filières) : enseignants CPGE
Nombre de places offertes (20 en présentiel)
Lieu de la formation : Mines Nancy - 92 rue du Sergent Blandan, 54000 Nancy
Intitulé du stage : Mathématiques
Programme :
09h00 > 10h00 : Accueil et présentation de l’école
10h00 > 12h00 : « 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 : « 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 : « 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
Informations pratiques :
Restauration : Oui - Prise en charge par l’école
Possibilité d’hébergement : Non pris en charge par l'école