Session Data Science Appliquée 2019

Ce programme propose une découverte du machine learning par la pratique et un aperçu d’applications possible.

Informations

Période

Se renseigner
Séminaire reporté

Langue

Français

Format

En présence

Renseignements

Elisabeth GIUDICELLI
+41 (0)22 379 02 23
elisabeth.giudicelli(at)unige.ch

Lieu

Centre Universitaire d'Informatique, Battelle bâtiment A, salle 319-21 7, Route de Drize, 1227 Carouge

Inscriptions

Se renseigner

Finance d'inscription:

CHF 950.-

Objectifs

  • Découvrir le monde de la data science et les grandes familles de problèmes
  • Découvrir les outils du data scientist
  • Explorer le processus de développement d’un modèle

Public

Développeur, analyste, architecte

Programme

Jour 1:

  • Introduction à la data science

    • Modélisation d’un problème (input / ouput d’un problème de machine learning)
  • Identifer les familles d’algorithmes de machine learning
  • Comment ça marche?
    • Construction de fonction de coût et méthode de minimisation
  • Les outils du data scientist
    • Python, Numpy, Scikit-learn, Jupyter Notebook
  • Pratique: prédire le prix d’une course de taxi à New York
    • Découverte du problème
    • Exploration des données et visualisation
    • Nettoyage des données

Jour 2:

  • Construire et évaluer des modèles
  • Pratique – continuer la prédiction d’une course de taxis à New York
    • Tester plusieurs modèles
  • Le deep learning c’est quoi?
    • Introduction des concepts
  • Comment ça marche?
    • Reconnaissance d’images
  • Pratique: classifier des images par transfer learning
    • Optimisation de modèles existants

Direction

Prof. Giovanna DI MARZO SERUGENDO, Centre universitaire d'informatique, Université de Genève

Coordination

Dr. Lamia FRIHA, Université de Genève

Conditions d'admission

  • Connaissance de base en programmation ou scripting

Remarques

  • Un laptop (Mac OS, linux, Windows)
  • Les logiciels à installer seront communiqués avant le cours

Péva Blanchard :

Monsieur Péva Blanchard est titulaire d'un doctorat en informatique dans le domaine de la théorie des systèmes distribués (LRI Paris-Sud), et d'un titre d'ingénieur (Supélec) spécialisé en informatique. Après sa thèse, il a travaillé 3 ans en qualité d’assistant post-doctorant au LPD de l'EPFL, où il avait, entre autres, essayé de rapprocher certains concepts d'algorithmique distribuée et machine learning (https://dblp.org/pers/hd/b/Blanchard:Peva). Ensuite Monsieur Blanchard a travaillé dans l'industrie, chez Octo d'abord, et Kleis depuis peu. Il mène principalement des activités de conseil/delivery auprès de la clientèle.

Les termes utilisés pour désigner des personnes sont pris au sens générique; ils ont à la fois la valeur d'un masculin et d'un féminin.