Session Data Science, Machine Learning et IA 鈥� De la th茅orie aux applications avanc茅es 2025
Informations
笔茅谤颈辞诲别
4 avril 2025 - 17 avril 2025Niveau CEC
Langue
贵谤补苍莽补颈蝉Format
En pr茅senceInscriptions
D茅lai d'inscription
27 mars 2025Finance d'inscription:
CHF 1450.- sans microcertification
CHF 1700.- avec听microcertification
D鈥檃utres tarifs sont disponibles (茅tudiant-es, collaborateurs/trices UNIGE et alumni)
Contribution aux ODD
Objectifs
- Comprendre ce qu'est la Data Science, le Machine Learning et l鈥橧ntelligence Artificielle, de la th茅orie 脿 la pratique
- Identifier les diff茅rentes 茅tapes des pipelines d鈥檃pprentissage automatique
- D茅couvrir et s鈥檈xercer avec diff茅rents outils classiques
Public
Programme
Jour 1 (4 avril 2025):
- Introduction
- Qu鈥檈st-ce que la Data Science? D茅finition et relations avec le Machine Learning et l鈥橧ntelligence Artificielle?
- Machine Learning
- Types d鈥檃pprentissage, types de probl猫mes, et cas d鈥檜tilisation pratiques
- Comment 莽a marche?
- Pipeline de l'apprentissage automatique听: Des donn茅es au mod猫le
- Collecte et pr茅paration des donn茅es
- Probl猫mes de donn茅es courants
- Pr茅paration et partitionnement
- Extraction des caract茅ristiques
- S茅lection des caract茅ristiques
- R茅duction des dimensions
- Normalisation
- Entra卯nement et 茅valuation du mod猫le
- S茅lection de l'algorithme appropri茅
- M茅triques d鈥櫭﹙aluation
- Sur-apprentissage et sous-apprentissage: le dilemme biais-variance
- Ajustement des hyper-param猫tres
- Collecte et pr茅paration des donn茅es
- Outils du Data Scientist: Python, Jupyter Notebook, Numpy, Scikit-learn, Git, etc.
- Mise en pratique
听
Jour 2 (11 avril 2025):
- Qu鈥檈st-ce que le Deep Learning?
- Exemples d鈥檃pplications
- Traitement d鈥檌mages
- Traitement du langage naturel
- Autres
- Mod猫les de Deep Learning
- Convolutional Neural Networks (NN)
- Recurrent NN
- Transformer Networks
- Apprentissage par transfert (Transfer Learning)
- Mise en pratique
听
Jour 3 (17 avril 2025):
- Introduction au RAG (Retrieval-Augmented Generation)
- Qu鈥檈st-ce que le RAG?
- Processus de r茅cup茅ration et de g茅n茅ration
- Evaluation d鈥檜n syst猫me RAG
- Exemples d鈥檃pplications
- Atelier pratique sur le RAG
- Mise en 艙uvre d鈥檜n听mod猫le RAG simple avec Hugging Face
- Discussion des applications avanc茅es utilisant le RAG
- Conclusion
Direction
Prof. Giovanna DI MARZO SERUGENDO, Centre universitaire d'informatique (CUI), 鲍苍颈惫别谤蝉颈迟茅 de Gen猫ve
Coordination
Conditions d'admission
- Connaissances de base en programmation type Python
- Notions de statistiques sont un plus
Les participant-es devront disposer d'un laptop (Mac OS, linux, Windows).听Les logiciels 脿 installer seront communiqu茅s avant le cours.
Horaires d'enseignement
Les vendredis 4, 11 et 17 avril de 9h 脿 17h
Aziza Merzouki, PhD - Scientific Collaborator II -听Data Scientist - Institute of Global Health 鈥� 鲍苍颈惫别谤蝉颈迟茅 de Gen猫ve
Aziza est titulaire d'un doctorat en Informatique de l'鲍苍颈惫别谤蝉颈迟茅 de Gen猫ve (UNIGE). Elle travaille entant que Data Scientist et collaboratrice de recherche 脿 l'Institut de Sant茅 Globale, dans la division des Maladies Infectieuses et de la Mod茅lisation Math茅matique.
Durant ses 茅tudes doctorales, elle s'est plong茅e dans le monde de la mod茅lisation num茅rique appliqu茅e aux applications biologiques. Pendant cette p茅riode, elle a exerc茅 en tant qu'assistante d'enseignement pour des cours avanc茅s portant sur des sujets tels que les m茅ta-heuristiques pour les probl猫mes d'optimisation, la mod茅lisation et la simulation, ainsi que la finance computationnelle.
Depuis qu'elle a rejoint l'Institut de Sant茅 Mondiale, Aziza m猫ne des projets de recherche centr茅s sur la relation entre les facteurs socio-comportementaux et le VIH, ainsi que sur l'am茅lioration de la qualit茅 des soins de sant茅 en Afrique subsaharienne. Son travail se concentre sur l'utilisation de vastes ensembles de donn茅es complexes et l'application de m茅thodes statistiques, de techniques d'apprentissage automatique, de mod茅lisation math茅matique et de simulations num茅riques.