Ce projet est une série de cours sur l'apprentissage automatique, basée sur le livre Deep Learning. Les cours couvrent des sujets tels que la régression linéaire, la régularisation, la réduction de dimensionnalité, le kernel trick et les réseaux de neurones. Les étudiants travaillent sur des jeux de données réels et implémentent des algorithmes d'apprentissage automatique à l'aide de Tensorflow et Scikit-learn.

Formation organisée par le CNRS pour les informaticiens souhaitant maîtriser les bases et enjeux du machine learning et du deep learning. Elle propose des cours théoriques, des travaux pratiques et des séminaires sur quatre jours, avec un focus sur l'apprentissage supervisé, les réseaux de neurones et l'exploitation des GPU. Destinée aux développeurs et aux chercheurs en informatique.

Ce projet académique propose un parcours pédagogique complet pour initier les étudiants à l'intelligence artificielle et au machine learning. Il inclut des supports de cours, des notebooks interactifs et des exercices pratiques couvrant des sujets comme les régressions linéaires, les réseaux de neurones, les arbres de décision et les méthodes de régularisation. Destiné aux étudiants de l'Université Grenoble Alpes, il vise à renforcer leurs compétences en analyse de données et en modélisation prédictive.

Ce projet académique propose des ressources pédagogiques pour un cours sur les accélérateurs matériels dédiés aux réseaux de neurones profonds. Il inclut des codes sources pour l'exploration de noyaux GEMM, des exemples de simulation et synthèse VHDL, ainsi que des supports de cours couvrant la conception de circuits logiques et les principes des réseaux de neurones. Destiné aux étudiants en master, il facilite l'apprentissage pratique des architectures matérielles pour l'accélération des calculs.

Ce projet est une plateforme pédagogique dédiée à l'enseignement des méthodes statistiques et de l'apprentissage automatique (machine learning) pour les étudiants en master. Il propose des supports de cours, des exercices pratiques sous forme de notebooks Jupyter, et des ressources pour explorer des concepts comme les modèles linéaires, les SVM, le clustering ou les réseaux de neurones. Les outils utilisés couvrent des bibliothèques Python majeures pour l'analyse de données et l'IA.

Ce projet utilise l'intelligence artificielle pour déterminer l'ordre optimal de consommation de ressources éducatives en ligne. Il analyse des séries de cours ou de lectures définies par des enseignants pour prédire la séquence d'apprentissage la plus efficace. L'objectif est d'aider les apprenants à suivre un parcours pédagogique cohérent et progressif, en s'appuyant sur des modèles de traitement automatique du langage et des réseaux de neurones.

Ce projet est une plateforme pédagogique dédiée à l'enseignement du machine learning et de l'intelligence artificielle pour des étudiants en systèmes autonomes. Il propose des supports de cours, des exercices pratiques sous forme de notebooks Jupyter, et des ressources pour l'évaluation des compétences. Les étudiants y apprennent à manipuler des algorithmes d'apprentissage supervisé et non supervisé, ainsi que des réseaux de neurones.

Ce projet propose des ressources pédagogiques pour une formation en intelligence artificielle et apprentissage automatique. Il inclut des supports de cours sous forme de diapositives, des exercices pratiques sous forme de notebooks Jupyter, et des exemples concrets pour illustrer les concepts clés comme les réseaux de neurones, les modèles de classification et l'analyse de données. Destiné aux étudiants et professionnels, il facilite l'apprentissage interactif et collaboratif.

Ressources pour les travaux pratiques du cours ModIA, couvrant divers aspects de l'apprentissage profond, tels que les réseaux de neurones supervisés, non supervisés et faiblement supervisés, avec des exemples concrets et des manipulations de librairies telles que keras, scikit-learn et numpy.

Projet académique réalisé dans le cadre d'un cours d'apprentissage statistique. Il consiste en la mise en œuvre d'un réseau de neurones pour résoudre un problème de classification. Le travail est mené par deux étudiants en tant que rendu de TP.