Ecole d'ingénieur et centre de recherche en télécommunications

Pietro MICHIARDI

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

Enseignement

    

Mes cours

  • AML / Printemps 2016 - Aspects algorithmiques de l'apprentissage automatique

    Ce cours vise à fournir une base pour la conception d'algorithmes d'apprentissage automatique pouvant passer à l'échelle, avec un accent particulier sur le modèle de programmation Map Reduce. Les élèves aborderont un éventail de sujets, y compris des éléments théorique et leurs implications dans des problèmes d'intérêt pratique, comme la recherche d'objets similaires, l'exploitation de motifs fréquents, le clustering et l'apprentissage supervisé. En outre, ce cours portera sur des algorithmes de streaming, et des éléments des systèmes de recommandation.

     Les résultats attendus pour les étudiants qui suivent ce cours sont:

    • Apprendre et appliquer les techniques de conception d'algorithmes d'apprentissage automatique
    • Apprendre le modèle de programmation de Apache Spark, et utiliser ce modèle pour concevoir des algorithmes d'apprentissage parallèle
    • Se familiariser avec les librairies existantes, tels que ScikitLearn et Pandas, et d'utiliser ces outils pour concevoir des pipelines de traitement des données
    • Appliquer des algorithmes d'apprentissage dans une variété de cas d'utilisation concrets, en utilisant des ensembles de données réelles

     Les étudiants vont développer l'ensemble des compétences suivantes:

    • Conception de systèmes logiciels et applications pour explorer, analyser et exploiter un grand volume de données
    • Developper une aptitude critique pour la validation statistique des résultats d'analyse de données
    • Comprendre les étapes nécessaires pour passer de prototypes à des systèmes de production

  • Clouds / Automne 2015 - Systèmes distribués Cloud Computing

     

     

     

     

  • Le cours est complété par un certain nombre de séances de laboratoire pour obtenir une expérience pratique avec Hadoop et la conception des algorithmes scalable, avec MapReduce.