Page 61 - Catalogue Formations 2024

EN

RÉALISABLE
ATELIER EN ANGLAIS
PROGRAMME
Introduction à l’apprentissage statistique Réseaux HMM / représentations vectorielles DATE & LIEU
- Objectifs et enjeux de l’apprentissage et modèles séquentiels
statistique - Chaînes de Markov cachées Contactez-nous pour la session à venir
- Nomenclature des problèmes - Représentations vectorielles et modèles
- Formalisme probabiliste séquentiels pour le traitement du langage
- Régression logistique - loi/vraisemblance RESPONSABLE(S)
conditionnelle - Newton Raphson Traitement du langage naturel
- Analyse discriminante linéaire/quadratique - Tokenisation
Pietro GORI
- Le perceptron de F. Rosenblatt - Marquage de partie de discours
- Méthode des k-plus proches voisins - Représentation de document Enseignant-chercheur au département
- Word Embeddings Image, Données, Signal de Télécom
Bases de données NoSQL - WordNet Paris et au laboratoire LTCI. Ses
- Concepts de base autour des bases de
recherches portent principalement sur
données distribuées Visualisation de données
l’anatomie computationnelle, l’analyse
- MapReduce - Principes de base de la visualisation
- Bases de données clés-valeurs d’information des formes, l’apprentissage statistique
- Bases de données orientées colonne - Critique des techniques de visualisation et l’imagerie médicale.
- Bases de données orientées document appliquées à une donnée particulière pour
- Bases de données orientées graphe une tâche donnée Fabian SUCHANEK
- Flux de données - Évaluation des systèmes de visualisation
- Conception de nouveaux outils de Enseignant-chercheur à Télécom Paris. INTELLIGENCE ARTIFICIELLE ET SCIENCES DES DONNÉES
Extraction d’informations du web visualisation Il a fait ses recherches à l’Institut Max
- Reconnaissance d’entités nommées Planck en Allemagne, chez Microsoft
- Désambiguation Stockage à l’échelle du Web
Research Cambridge/ UK, chez
- Fact extraction - SGBD relationnels distribués classiques
Microsoft Research Silicon Valley/USA,
- Web sémantique - Systèmes de fichiers distribués HDFS/GFS
- Stockage à grande échelle et à l’INRIA Saclay. Il est l’auteur principal
Données multimédia - Stockage clés-valeurs par table de hachage de YAGO, une des plus grandes bases
- Initiation à l’indexation des images distribuée (Dynamo) de connaissances publiques dans le
- Initiation à l’indexation des sons - Stockage par arbre distribué (BigTable,
monde.
- Étude de cas HBase)
- Systèmes NewSQL (Google Spanner, SGBD en
Apprentissage supervisé : de la théorie mémoire, MySQL Cluster)
aux algorithmes
- Éléments de la théorie de Vapnik Calcul distribué
Chervonenkis - MapReduce avancé
- Arbres de décision - Au-delà de MapReduce : Spark, Stratosphere
- Réseaux de neurones - Message Passing Interface
- Support Vector Machines - Calculs distribués sur des graphes :
- Boosting GraphLab, Pregel, Giraph
- Lasso
- Apprentissage par renforcement Apprentissage distribué : fouille de graphes
- Distribution d’algorithmes d’indexation,
Techniques avancées pour l’apprentissage : d’apprentissage et de fouille
noyaux et deep learning - Index inversé
- Apprentissage en ligne - Factorisation de matrice
- Apprentissage statistique distribué - Échantillonnage
- Techniques d’échantillonnage - PageRank
- Réseaux de neurones (ANN, CNN)
- Traitement d’images Retour sur la méthodologie du Machine
Learning
Apprentissage non supervisé
- Variables latentes Synthèse et conclusion
- Clustering
- Analyse des affinités
- Détection d’anomalies

FORMATIONS CERTIFIANTES
CERTIFICATION
DÉLIVRÉE PAR
ACCÉDER À L’ENSEMBLE
DU PROGRAMME EN LIGNE

contact.exed@telecom-paris.fr | executive-education.telecom-paris.fr | Appelez le 01 75 31 95 90 61