Informatique Scientifique II : Machine Learning et Deep Learning

Topic outline

• Select topic General

  General

  Collapse all Expand all
  • Select activity Ce cours vise à fournir les outils méthodologiques...

    Mark as done

    Ce cours vise à fournir les outils méthodologiques et numériques pour exploiter le Machine Learning (ML) et le Deep Learning (DL) dans la résolution de problèmes physiques complexes. L'accent est mis sur l'interprétabilité physique des modèles, le traitement des données issues de simulations  ou d'expériences, et l'automatisation de l'analyse de données massives.

    Compétences visées :

    • Maîtriser le pipeline de traitement de données : nettoyage, normalisation et ingénierie des caractéristiques (Feature Engineering).

    • Implémenter et valider des algorithmes de régression et de classification.

    • Extraire des structures cachées dans des données multidimensionnelles sans étiquetage préalable.

    • Appliquer ces techniques à des cas concrets : prédiction de propriétés de matériaux, analyse de spectres ou optimisation de paramètres expérimentaux.

    
    

• Select topic Chapitre I : Fondamentaux du Machine Learning

  Chapitre I : Fondamentaux du Machine Learning
• Select topic Chapitre II : Apprentissage Supervisé

  Chapitre II : Apprentissage Supervisé
• Select topic Chapitre III : Apprentissage Non Supervisé

  Chapitre III : Apprentissage Non Supervisé
• Select topic Chapitre IV : Deep Learning

  Chapitre IV : Deep Learning