Formation continue Machine learning et intelligence artificielle on Machine learning et intelligence artificielle - Sorbonne Université

Soutenances 2024

Sun, 01 Dec 2024 17:57:35 +0100

On a fait les soutenances 2024.

Candidatures 2025

Mon, 09 Sep 2024 17:56:50 +0100

Les candidatures pour l’année 2025 sont ouvertes.

Arnaud Latil

Mon, 01 Jan 0001 00:00:00 +0000

Maître de conférence en droit

Benjamin Piwowarski

Mon, 01 Jan 0001 00:00:00 +0000

Chargé de recherche

Bernd Amann

Mon, 01 Jan 0001 00:00:00 +0000

Professeur des universités en informatique

Camélia Constantin

Mon, 01 Jan 0001 00:00:00 +0000

Maître de conférences en informatique

Claire Boyer

Mon, 01 Jan 0001 00:00:00 +0000

Professeure des universités en mathématiques

Contacts

Mon, 01 Jan 0001 00:00:00 +0000

Informations de contact administratif et pédagogique

Formations partenaires

Mon, 01 Jan 0001 00:00:00 +0000

Autres formations en IA à Sorbonne Université

Hubert Naacke

Mon, 01 Jan 0001 00:00:00 +0000

Maître de conférences en informatique

Laure Soulier

Mon, 01 Jan 0001 00:00:00 +0000

Maître de conférences en informatique

Matthieu Cord

Mon, 01 Jan 0001 00:00:00 +0000

Professeur des universités en informatique

Maxime Sangnier

Mon, 01 Jan 0001 00:00:00 +0000

Maître de conférences en mathématiques

Module 1 - Outils mathématiques et informatiques

Mon, 01 Jan 0001 00:00:00 +0000

Dates: voir le calendrier

L’objectif de ce module est de remettre à niveau les étudiant⋅e⋅s en termes de compétences en mathématiques et informatique. Les aspects abordés sont l’algorithmique de base, la maîtrise du langage Python et des bibliothèques de traitement de données (numpy, pandas, matplotlib, bokeh, …), ainsi que la gestion des entrées/sorties ainsi que l’analyse (intégration), l’algèbre linéaire (produit et inversion de matrices, valeurs propres et singulières), les probabilités et statistiques de base (espace probabilisé, échantillonnage, modèle statistique, inférence).

Module 2 - Cloud Computing et Big Data

Mon, 01 Jan 0001 00:00:00 +0000

Dates: voir le calendrier

L’objectif de ce module est de former les étudiants aux outils autour de la gestion de données massives. C’est un enseignement orienté outils informatiques et d’infrastructure qui recouvre les aspects :

Bases de données SQL et NoSQL
Hadoop, Spark, MapReduce
Cloud Computing et virtualisation
Pig, Hive et SPARQL

Intervenant⋅e⋅s :

Module 3 - Apprentissage statistique supervisé

Mon, 01 Jan 0001 00:00:00 +0000

Dates: voir le calendrier

Ce module dresse un panorama de l’apprentissage statistique aujourd’hui. Il aborde successivement les grandes problématiques du domaine et en présente les avancées majeures des dix dernières années avec un focus sur les modèles supervisés.

Cadre général de l’apprentissage supervisé
Classifieur bayésien naïf
Sur-apprentissage et validation croisée
Arbres : CART, forêts aléatoire et boosting
Minimisation du risque empirique
Régression logistique et machines à vecteurs supports
Perceptron, réseaux de neurones
Approches régularisées
Traitement de données incertaines et incomplètes

Intervenant⋅e⋅s :

Module 4 - Apprentissage non-supervisé et apprentissage profond

Mon, 01 Jan 0001 00:00:00 +0000

Dates: voir le calendrier

Cet enseignement se focalise sur les algorithmiques classiques utilisés en apprentissage non-supervisé, ainsi que sur les modèles de réseaux de neurones profonds.

Clustering : classification hiérarchique, k-means et ses variantes, modèles de mélange gaussiens, méthodes spectrales
Réduction de dimension et visualisation : décomposition en valeurs singulières, ACP et ses variantes, ACM, MDS, ISOMAP, t-SNE
Algorithmes de descente de gradient, back-propagation et variantes
Réseaux de neurones convolutionnels et réseaux récurrents

Intervenant⋅e⋅s :

Module 5 - Apprentissage profond et réseaux de neurones pour les images

Mon, 01 Jan 0001 00:00:00 +0000

Dates: voir le calendrier

L’objectif de ce module est d’étudier les outils informatiques associés aux réseaux de neurones profonds et l’application de ces derniers pour la reconnaissance automatique d’images.

Outils : plateforme déclarative (TensorFlow) et algorithmique (PyTorch)
Descripteurs SIFT et architectures de réseaux de neurones appliqués aux images (réseaux convolutifs, …)

Intervenant⋅e⋅s :

Module 6 - Réseaux de neurones pour le traitement du langage et environnement des données

Mon, 01 Jan 0001 00:00:00 +0000

Dates: voir le calendrier

Ce module vise à étudier les réseaux de neurones appliqués aux données textuelles et à appréhender le contexte global dans lequel s’inscrivent les approches industrielles liées au Big Data. Il sensibilise notamment les participants aux notions de réglementation et d’éthique, et insiste sur l’intégration des méthodologies de data science dans un environnement professionnel.

Représentations de mots et architectures de réseaux de neurones appliqués au texte (réseaux récurrents, d’attention et « adversariaux »). Gouvernance et éthique des données
Cyber-sécurité, business Analytics
Communication, « data story telling »

Intervenant⋅e⋅s :

Module 7 - Applications

Mon, 01 Jan 0001 00:00:00 +0000

Dates: voir le calendrier

L’objectif de ce module est d’aborder des applications particulières nécessitant la mise en œuvre d’outils mathématiques et informatiques particuliers. Ce module sera organisé sous forme de conférences, en fonction du profil des étudiant⋅e⋅s.

Les thèmes seront choisis parmi les applications suivantes :

LLM
Recommandation
Graphes et réseaux sociaux
Text Mining
Publicité
Intelligence Artificielle
Actuariat
Finance
Gestion des risques
et d’autres

Intervenant⋅e⋅s :

Nicolas Obin

Mon, 01 Jan 0001 00:00:00 +0000

Maître de conférences en informatique

Nicolas Thome

Mon, 01 Jan 0001 00:00:00 +0000

Professeur des universités en informatique

Olivier Schwander

Mon, 01 Jan 0001 00:00:00 +0000

Maître de conférences en informatique

Organisation de l'année

Mon, 01 Jan 0001 00:00:00 +0000

Dates des modules

Module 1: 13 et 14 mars 2026
Module 2: 27 et 28 mars 2026
Module 3: 10 et 11 avril 2026
Module 4: 29 et 30 mai 2026
Module 5: 12 et 13 juin 2026
Module 6: 26 et 27 juin 2026
Module 7: 18 et 19 septembre 2026
Soutenances: 9 octobre 2026

Emploi du temps

Lien d’importation pour votre logiciel de calendrier.

Patrick Gallinari

Mon, 01 Jan 0001 00:00:00 +0000

Professeur des universités en informatique

Pour les futur⋅e⋅s candidat⋅e⋅s

Mon, 01 Jan 0001 00:00:00 +0000

Pré-requis

Les deux premiers jours de la formation consistent en une remise à niveau mais quelques bases sont indispensables pour ne pas être totalement perdu durant la formation.

Mathématiques : études supérieures avec un fort contenu scientifique. Des bases en calcul matriciel, statistiques et probabilités seront un plus.
Informatique : études supérieures avec une composante informatique ou expérience professionnelle dans le domaine. Il n’est pas nécessaire d’être développeur⋅se mais être relativement à l’aise avec les bases de la programmation est un minimum.
Il n’y a aucun pré-requis en intelligence artificielle.

En cas de doute, la meilleure chose à faire est de contacter les responsables pédagogiques pour discuter de votre parcours et de votre projet professionnel. La sélection n’a pas pour but de choisir les meilleurs dossiers mais de vous donner les meilleures chances de réussir votre formation.

Projet final

Mon, 01 Jan 0001 00:00:00 +0000

Soutenances : voir le calendrier

Le projet final dure du début à la fin de la formation. Dès les premières semaines, en coordination avec les enseignant⋅e⋅s, les stagiaires réfléchissent au sujet sur lequel iels souhaitent travailler.

L’inspiration du projet vient du parcours professionnel des stagiaires, de leurs affinités, de leurs besoins métier. Aucune inspiration ? Pas de panique, toute l’équipe de la formation aide à construire un sujet qui vous convient.

Raja Chatila

Mon, 01 Jan 0001 00:00:00 +0000

Professeur émérite

Sylvain Lecorff

Mon, 01 Jan 0001 00:00:00 +0000

Professeur des universités en mathématiques

Syrielle Montariol

Mon, 01 Jan 0001 00:00:00 +0000

Chargée de recherche CNRS en informatique

Validation du diplôme

Mon, 01 Jan 0001 00:00:00 +0000

Modalités d’évaluation

Vincent Guigue

Mon, 01 Jan 0001 00:00:00 +0000

Professeur des universités en informatique