Accréditation

L'Université Paris-Dauphine est accréditée

Programme

 

Analytics

  • Introduction à l’apprentissage automatique
  • Apprentissage supervisé (modèles prédictifs) :

    • Regression : linéaire, à noyaux, ridge, LASSO
    • Regression logistique
    • k-ppv
    • Bayésien naïf
    • Arbres de décision
    • Bagging, fôrets aléatoires (random forests)
    • SVM : séparateurs à vaste marge
    • Réseaux de neurones : du perceptron au deep learning

  • Apprentissage non-supervisé (modèles explicatifs/exploratoires) :

    • Changement de représentation/ Réduction de dimensionnaté

  • Analyse par composantes principales
  • Décomposition en valeurs singulières

    • Analyse sémantique latente
    • Text mining
    • Completion de matrices/recommandation
    • Clustering

  • Kmeans
  • Classification ascendante hiérarchique
  • DBScan
  • EM (Excpectation Maximisation)
  • Clustering spectral

 

Langages, modèles, systèmes & Applications

  • Introduction à l’analyse de grandes masses de données
  • Architectures avec parallélisme massif
  • L’écosystème Hadoop et MapReduce
  • Spark: Evolution de Hadoop/MapReduce
  • Declarative machine learning: System ML
  • Applications : Régression linéaire, clustering et filtrage collaborative (systèmes de recommandation)

 

Graph Databases

  • Bases de données graphes : modélisation des données en graphe, architecture, Neo4j
  • Lanagages de requête pour les graphes (Cypher)
  • Frameworks pour l'analyse des graphes ( Pregel, GraphX)

 

Ce programme est donné à titre indicatif et est susceptible de subir des modifications mineures.

Contacts

Responsable de la formation
Khalid Belhajjame
Maître de Conférences
Université Paris-Dauphine

 

Assistante de la formation
Gaëlle Ferez
gaelle.ferez@dauphine.fr 
Tel. : 01 44 05 84 70

Actualités

Prochaines session
Octobre à décembre 2017
Mars à juin 2018