Descriptif
Responsable : Pascal Bianchi
Responsable des stages : François Portier
Responsable des projets PRIM : Olivier Fercoq - Stéphane Lathuilière
L'option consistera, au 1er semestre :
Un projet PRIM pour 12 ECTS
et les unités d'enseignements suivantes :
- IA317 - Large scale machine learning (2,5 ECTS)
- IA306 - Deep learning (2,5 ECTS)
- IA318 - Reinforcement learning (2 ECTS)
- Au choix :
- IA312 - Natural Langage Processing (2 ECTS)
- DATA907 - Convex analysis and optimization theory (5 ECTS)
- DATA906 - Introduction mathématique au compressed sensing (3 ECTS)
- DATA916 - Machine learning, S. Clémençon (2,5 ECTS)
- DATA923 - Bayesian Learning for partially observed dynamical systems, S. Le Corff (2,5 ECTS)
- DATA919 - Computer Vision, A. Newton (2,5 ECTS)
-DATA924-Bootstrap and resampling methods in machine learning (2,5 ECTS)
-DATA928-Optimization for Datascience (5 ECTS)
Les étudiants entrant directement en 3e année ont également accès aux cours des filières au 1er semestre comme au 2e semestre, dans la limite des contraintes horaires, et pourront faire un second projet PRIM.
L'année scolaire commence par la Junior Conference on Data Science and Engineering à Saclay.
Diplômes concernés
Niveau requis
réussite de la filière SD ou, pour les 18 mois entrant directement en 3eA, connaissances équivalentes : • bonnes compétences en programmation, solides bases en statistiques et optimisation, cours de base en apprentissage statistique et en gestion de donnéesComposition du parcours
-
SD301 IA317 IA306 IA318 PRIM380 IA312 IA326
