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

Pietro MICHIARDI

Pietro MICHIARDI
Pietro MICHIARDI
Eurecom - Data Science 
Professeur
04 93 00 81 45
04 93 00 82 00
433

Enseignement

Pietro Michiardi enseigne deux cours qui se concentrent sur la conception et l'analyse des systèmes distribués à grande échelle, et les algorithmes :
 
  • « Systèmes distribués et Cloud Computing » offre une vue d'ensemble des sujets et tendances récents des systèmes distribués et du cloud computing, y compris les systèmes de traitement parallèle, les systèmes de bases de données distribuées et la conception de datacenters modernes.
  • « Algorithmic Machine Learning » fournit une approche appliquée aux problèmes algorithmiques découlant de projets de science de données pratiques, et est centrée sur les cadres de calcul parallèle et distribué.

Mes cours

  • AML / Printemps 2020 - Aspects algorithmiques de l'apprentissage automatique

    Ce cours vise à fournir une base algorithmique solide et pratique pour la conception et l'utilisation d'algorithmes d'apprentissage, avec un accent particulier sur le modèle de programmation MapReduce. L'objectif est de se familiariser avec un large éventail de sujets, à travers l'application des idées théoriques sur des problèmes d'intérêt pratique. Ceci est une « classe inverse », dans laquelle les étudiants travailleront à la maison pour apprendre ou réviser les concepts théoriques, pour en suite appliquer ce qu'ils ont appris à la solution de problèmes du monde réel, y compris des applications industrielles, au cours de nombreuses séances de laboratoire. Les sessions de laboratoire seront basées sur des technologies modernes telles que les Notebooks Jupyter.

     Méthodes d'enseignement et d'apprentissage :  Sessions de laboratoire (groupes de 2 étudiants) 

    Règles du Cours : La participation aux laboratoires est obligatoire.

  • DeepLearning / Printemps 2020 - 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.

Rechercher




Distinctions