ENSEIGNEMENT
- 2021-2022
- Modélisation et Optimisation pour le Machine Learning: TD et TP (Polytech Nice MAM4/EIT Digital)
- Introduction à l'IA: CM et TP (3 premières séances - EUR DS4H) Lien moodle
- Signaux et Systèmes : CM, TD et TP (Polytech Nice PeiP2) Lien moodle
- Réalité Augmentée : CM et TD (Polytech Nice MAM4) Lien moodle
- Statistiques et R : CM et TD (Polytech Nice MAM3) Lien moodle
- Projets de fin de semestre (Polytech Nice MAM4)
Sujets proposés : (sous construction)
- Projet de fin d'études
Sujet proposé : Optimisation des taux de compression des méthodes Deep Compression par optimisation bayésienne.
- Cours et projets des années précédentes
- Projets de fin de semestre (Polytech Nice MAM4)
Sujets proposés : Décompositions d'un petit tenseur (en anglais)
- Projet de fin d'études
Sujets proposés : Algorithmes du gradient pour le co-clustering et le co-clustering d'ordre supérieur (en anglais)
Clustering basé sur modèles avec décompositions tensorielles symétriques (en anglais)
Clustering basé sur modèles avec décompositions tensorielles symétriques (en anglais)
- Technologies pour les Données massives : TP (M1/M2 EIT Digital)
- Large-scale Distributed Computing Systems : TP (M1/M2 EIT Digital)
- Décompositions tensorielles et applications (M2 Data Science UCA)
- Apprentissage Automatique pour les Big Data : CM et TD (Polytech Nice SI4)
- Traitement et Analyse Statistique des Données : TD (Polytech Nice SI3)
- Mathématiques : TD (Grenoble INP - ENSE3 1ère année)
- Systèmes de transmission numériques : TP (Grenoble INP - M2 CSE ENSIMAG)