Cette UE introduit des concepts récents en deep learning et a vocation à s’adapter aux avancées du domaine. En particulier, le cours présente en détail - du point de vue théorique et pratique les modèles génératifs récents (modèles variationnels, adverses, de flot normalisant et de diffusion, …). Il aborde également le paradigme AI4Science : quelle place pour le deep learning dans la modélisation scientifique avec des exemples issus du « Physics-informed Machine Learning ». Les travaux pratiques permettent de découvrir les applications en lien avec ces thématiques dans différents domaines scientifiques.
Équipe pédagogique
- Patrick Gallinari
- Matthieu Labeau
- Emmanuel de Bezenac
Prérequis
- Probabilités, Statistiques
- Deep Learning
- Machine Learning
Évaluation
L’UE est notée en contrôle continu :
- 1 devoirs sur table (50% de la note)
- 1 projet (50% de la note)
Informations
- Période: M2 S1
- Langue: français
- Crédits: 3 ECTS
- Code UE: UM5IN873