Les différents cours se répartiront dans les catégories suivantes :
- Fondements théoriques de l’apprentissage statistique et de la science des données
- Modèles pour l’Intelligence Artificielle : régression, forêts aléatoires, deep learning
- Données complexes : textes, signaux, images, réseaux
- Applications : santé, marketing, agronomie
- Outils : Python, R, Big Data
Les cours seront organisés selon les lignes suivantes :
- Bases conceptuelles, modèles et outils
o Fondamentaux de l’apprentissage statistique
o Science des données
o Réseaux de neurones et apprentissage profond
o Optimisation pour l’apprentissage
o Outils informatiques : Python, R, Big Data
o Inférence bayesienne
o Motifs fréquents, arbres, bagging, boosting
o Feature selection and engineering - Données
o Traitement des données textuelles
o Signaux et images
o Réseaux complexes et graphes - Applications
o Santé et données médicales
o Commerce électronique et marketing
o Systèmes de recommandation
o Agronomie et gestion forestière
o Traduction automatique
o Signaux et images (exemple : reconnaissance des genres musicaux).
Les étudiants seront évalués chaque semaine, par le biais d’interrogations écrites et de travaux pratiques (TP ou projets en groupes). Les vendredi après-midi seront dédiés à ces activités.
La réussite de l’École fera l’objet d’une attestation.