Optimisation pour l'apprentissage automatique
M2 IASD Apprentissage, Université Paris Dauphine-PSL, 2024-2025
But du cours
Étudier les algorithmes d'optimisation utilisés en apprentissage et sciences des données et comprendre les principes sous-jacents.
Supports de cours
Notes de cours (en anglais)
PDF
Tableau virtuel de la séance 1 (introduction et descente de gradient 1/2)
PDF
Tableau virtuel de la séance 2 (descente de gradient 2/2)
PDF
Tableau virtuel de la séance 4 (gradient stochastique)
PDF
Tableau virtuel de la séance 6 (sous-gradients)
PDF
Tableau virtuel de la séance 7 (régularisation)
PDF
Tableau virtuel de la séance 8 (exam 23-24+accélération)
PDF
Exercices et notebooks
Exercices TD descente de gradient (avec solutions)
PDF
Exercices TD gradient stochastique (avec solutions)
PDF
Exercices TD régularisation (avec solutions)
PDF
Examen 2023-2024
PDF
TP Descente de gradient (avec solutions)
Notebook
TP Gradient stochastique (avec solutions)
Notebook
TP Sous-gradients et différentiation (avec solutions)
Notebook
TP Régularisation (avec solutions)
Notebook
TP Momentum (avec solutions)
Notebook
Materials on this page are available under Creative Commons
CC BY-NC 4.0 license.
La version française de cette page se trouve
ici.