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.