Descriptif
Dans ce cours, nous vous présentons diverses méthodologies d'apprentissage automatique et d'apprentissage profond permettant de traiter des données structurées en graphes. Nous définissons les données structurées en graphes comme la combinaison d'une structure sous-jacente de graphe (ou de réseau) sur laquelle des données vectorielles sont observées au niveau des nœuds, des arêtes ou des deux. Ce type de données est fréquemment rencontré dans la pratique, ce qui a conduit à la définition d'une multitude de méthodes permettant d'en tirer des enseignements. Dans ce cours, nous passerons en revue les statistiques descriptives fondamentales des graphes et les modèles probabilistes permettant de générer des graphes ; nous vous présenterons les méthodes de noyaux de graphes, puis nous vous proposerons un aperçu complet des méthodologies d'apprentissage profond, notamment les réseaux neuronaux de graphes, entre autres. Nous terminerons le cours par une revue des applications des méthodologies présentées et par une perspective sur les défis actuels et les orientations futures dans le domaine de l'apprentissage automatique et de l'apprentissage profond sur les données structurées en graphes. L'évaluation du cours se fera à la fois par des quiz et des projets en équipe. Le cours sera dispensé en anglais.Objectifs pédagogiques
L'objectif principal de ce cours est de présenter aux étudiants le domaine des réseaux de graphes et de l'apprentissage profond, notamment ses fondements mathématiques, la conception d'architectures et ses applications pratiques. Ce cours revêt une importance particulière compte tenu de l'ampleur actuelle des travaux menés dans ce domaine, tant en milieu industriel qu'universitaire.Diplôme(s) concerné(s)
- M1 DAIIG - Maj. DATAAI - Data and Artificial Intelligence
- M2 DAIIG - Maj. DATAAI - Data and Artificial Intelligence
Parcours de rattachement
Format des notes
Numérique sur 20Littérale/grade européenPour les étudiants du diplôme M1 DAIIG - Maj. DATAAI - Data and Artificial Intelligence
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 5 ECTS
Pour les étudiants du diplôme M2 DAIIG - Maj. DATAAI - Data and Artificial Intelligence
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 5 ECTS
