Dernières nouvelles


2025/10/24 : Typo corrigée sujet du projet.
2025/10/23 : Ressources séance 6+correction notations exercices 5.1/5.2
2025/10/23 : Exercices V3, notebook séance 6, projet.
2025/10/16 : Ressources séance 5.
2025/10/15 : Ajout exercices.
2025/10/10 : Correction tableau séance 3.
2025/10/09 : Feuille d'exercices (V1.1), ressources séance 4.
2025/10/02 : Ressources de la séance 3.
2025/09/25 : Ressources de la séance 2.
2025/09/19 : Ressources de la séance 1.
2025/09/15 : Page du cours 2025-2026 en ligne.

Enseignant

Clément Royer
clement.royer@lamsade.dauphine.fr

Retour à la page des enseignements

Optimisation pour l'apprentissage automatique

M2 IASD, Université Paris Dauphine-PSL, 2025-2026


But du cours

     Étudier les algorithmes d'optimisation utilisés en apprentissage et sciences des données et comprendre les principes sous-jacents.

Projet (date de rendu: 19 décembre 2025)

     Sujet (version du 24 octobre) PDF

Supports de cours (en anglais)

     Exercices (V3.1, 23 octobre) PDF

Séance 1 : Introduction et bases d'optimisation

     Transparents d'introduction PDF
     Tableau virtuel PDF
     Transparents de la séance (avec contenu non traité en cours) PDF

Séance 2 : Différentiation

     Tableau virtuel PDF
     Notebook (avec solutions) ZIP

Séance 3 : Descente de gradient

     Tableau virtuel (version corrigée du 10 octobre) PDF
     Notebook (avec solutions) ZIP

Séance 4 : Optimisation non convexe et non lisse

     Tableau virtuel PDF
     Notebook d'illustration ZIP

Séance 5 : Méthodes proximales

     Tableau virtuel PDF
     Notebook d'illustration ZIP

Séance 6 : Gradient stochastique

     Tableau virtuel PDF
     Notebook (avec solutions) ZIP


Materials on this page are available under Creative Commons CC BY-NC 4.0 license.
La version française de cette page se trouve ici.