Ecole d'ingénieur et centre de recherche en Sciences du numérique

Benoit HUET

Benoit HUET
Benoit HUET
Eurecom - Data Science 
Maître de Conférences
04 93 00 81 79
04 93 00 82 00
429

Enseignement

  • Son activité d'enseignement comprend les cours suivants : Technologies Multimédia, Sujets Multimédias Avancés et Systèmes Intelligents.
  • Son expérience dans l'enseignement comprend également les thèmes suivants : les réseaux de neurones, la vision par ordinateur et l'identification de modèles.

Mes cours

  • ADST / Automne 2018 - Sujets avancés en Data Science

    Dans ce cours, nous allons discuter l’état de l’art des problèmes de recherche dans le domaine de la science des données (Data Science). Le contenu du cours va changer d'année en année et tiendra compte des intérêts de recherche courant des membres du département Data Science d’EURECOM. Le cours est organisé en deux types de sessions. Des sessions de Séminaires et/ou Études de cas, prises en charge par les industriels et les chercheurs travaillant dans le domaine et des sessions appelées « Mini conférence scientifique » où chaque élève fera des recherches et présentera un sujet parmi la vaste gamme de sujets avancés du domaine des sciences des données.

    Enseignement et méthodes d'apprentissage : Seminaires indutriels et academiques, etudes de case en petits groupes, presentations orales et ecrites.

    Règles du cours : La presence a tous les cours est obligatoire.

  • DeepLearning / Printemps 2019 - Apprentissage profond

    L' apprentissage profond (Deep Learning) est une nouvelle approche de l'apprentissage automatique qui permet de construire des modèles qui ont montré des performances supérieures pour un large éventail d'applications, en particulier la vision par ordinateur et le traitement du langage naturel. Grâce à la disponibilité conjointe de grands corpus de données et d'une puissance de traitement abordable, l'apprentissage profond a relancé l'ancien domaine des réseaux de neurones artificiels et provoqué la «Renaissance» de l'intelligence artificielle (IA). L'objectif de ce cours est de fournir un aperçu approfondi du domaine de l'apprentissage profond, en commençant par les architectures de réseaux de neurones simples et en poursuivant avec les pratiques contemporaines et les modèles de l'état de l'art. Le cours est organisé en une combinaison de cours où la théorie est exposée et discutée, et des sessions pratiques (laboratoires) où les expérimentations sont effectuées pour mettre en pratique les concepts théoriques.

    Enseignement et méthodes d'apprentissage :

    Règles du cours :  La présence à tous les cours est obligatoires.

  • MALIS / Automne 2018 - Apprentissage automatique et systèmes intelligents

    L'objectif de ce cours est de donner une base de connaissances solide sur les techniques d'Apprentissage Automatique. Ces algorithmes construisent des modèles à partir de grandes masses d'exemples, et les utilisent pour faire des prédictions ou des décisions. Ils ont récemment permis des progrès spectaculaires dans plusieurs tâches de reconnaissance des formes (vision, langage, parole). Ce cours introduira les fondements théoriques de l'Apprentissage Automatique, les principales familles de modèles, classifieurs et prédicteurs, et des techniques non-standard d'optimisation. Il identifiera les idées de base des mécanismes d'apprentissage, et détaillera les problèmes pratiques que l'on rencontre en appliquant ces techniques: optimisation, sur-apprentissage, validation, ainsi que les solutions possibles pour éviter ou résoudre ces difficultés

    Enseignement et méthodes d'apprentissage : Cours magistral et Travaux Pratiques (groupes de 1 ou 2 étudiants)

    Règles du cours: La participation aux Travaux Pratiques est obligatoire

Rechercher




Distinctions