Lorsque je cherchais à quel M2 postuler, soit le M2 s'intitulait "M2 en intelligence artificielle" soit j'avais toujours un peu peur qu'on ne fasse pas vraiment de l'intelligence artificielle mais plus des biostatistiques, de l'épidémiologie etc ...
Si vous choisissez de faire le M2 Mathématiques Modélisation et Apprentissage de l'université de Paris, voici très concrètement les sujets que vous allez aborder et qui sont en lien avec l'IA:
On voit théoriquement et on implémente:
- Les chaînes de Markov (à la base des processus de décision markoviens utilisés dans AI clinician (Komorovsky et al). (Cours Algorithmes stochastiques)
- Les réseaux de neurones et la rétropropagation (Cours apprentissage en grande dimensions)
- Les réseaux de neurones convolutionnels (Cours perception, acquisitions et analyses d'image, utilisé dans "Dermatologist-level classification of skin cancer with deep neural networks" Nature)
- Tous les algorithmes basés sur GLM (modèles linéaires généralisés) (Cours apprentissage en grande dimension)
- Le super-learner et la validation croisée (Cours Classification, utilisé dans "Mortality prediction in intensive care units with the Super ICU Learner Algorithm (SICULA): a population-based study" et dans "Prediction of an Acute Hypotensive Episode During an ICU Hospitalization With a Super Learner Machine-Learning Algorithm")
- Analyse en composante principale (Cours apprentissage en grande dimension)
- Clustering appliqué à de l'image (Imagerie biomédicale)
- Mélange de Gaussiennes (cours algorithmes stochastiques)
- Méthode de Monte Carlo (cours algorithmes stochastiques)
- Algorithme EM (cours algorithmes stochastiques)
On implémente en autonomie dans le cadre d'un projet :
- random forest
- bayesian regression trees
- gradient boosting
- bartMachine
- K plus proches voisins, k-means clustering (utilisé dans Derivation, Validation, and Potential Treatment Implications of Novel Clinical Phenotypes for Sepsis, JAMA)
- support vector machine
- Régression multivariée par spline adaptative
Mais il n'y a pas de cours théoriques sur ces algorithmes.
On ne voit pas du tout:
- le reinforcement learning
- tout ce qui est séries temporelles (modèles ARIMA, recurrent neural network)
- Le Natural language processing
- Il n'y a pas de cours sur comparant les différents langage informatiques en IA (R versus Python, bibliothèques Tensorflow versus Pytorch, les différentes plateformes...).
Comments