Session Data Science Appliquée 2021

Ce programme propose une découverte du Machine Learning par la pratique et un aperçu d’applications possibles.

Informations

Période

Se renseigner
Basculement en ligne en cas de nécessité

Langue

Français

Format

En présence – basculement en ligne en cas de nécessité

Renseignements

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

Lieu

Uni Mail

Inscriptions

Se renseigner

Finance d'inscription:

CHF 950.-

D'autres tarifs sont disponibles sur demande.

Objectifs

  • Démystifier le monde de la Data Science, Intelligence Artificielle et Machine Learning, de la théorie à la pratique
  • Découvrir les problèmes et outils classiques
  • ​Explorer le processus de développement d'un modèle

Public

Développeur/euse, analyste, architecte

Programme

Jour 1:

  • Introduction à la Data Science

    • Définitions et relations entre Data Science, Intelligence Artificielle, et 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
  • Mise en pratique

 

Jour 2:

  • Construire et évaluer des modèles
  • Mise en pratique
  • Le deep learning c’est quoi?
    • Introduction des concepts
  • Comment ça marche?
    • Reconnaissance d’images
  • Mise en pratique

Direction

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

Coordination

Dr Lamia FRIHA, Université de Genève

Conditions d'admission

  • Connaissances de base en programmation type python
  • Quelques notions de statistiques sont un plus

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.