[{"command":"insert","method":null,"selector":".course-modal-ajax-placeholder-964171","data":"\u003Cdiv class=\u0022container content-rte\u0022\u003E\n \u003Cdiv class=\u0022row\u0022\u003E\n \u003Cdiv class=\u0022box col-md-6 bg-primary text-white\u0022\u003E\n \u003Ch2 class=\u0022h1 text-left\u0022\u003E Introduction \u00e0 l\u2019intelligence artificielle et au big data pour les sciences des mat\u00e9riaux\n\u003C\/h2\u003E\n \u003Cdiv class=\u0022field-spacing\u0022\u003E\n \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EECTS :\n 2.5\n \u003C\/div\u003E\n \u003C\/div\u003E\n \u003Cdiv class=\u0022field-spacing\u0022\u003E\n \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ESemestre calendaire :\n Semestre 1\n \u003C\/div\u003E\n \u003C\/div\u003E\n \u003Cdiv class=\u0022field-spacing\u0022\u003E\n \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ED\u00e9tail du volume horaire\u003C\/div\u003E\n \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n \u003Cspan class=\u0022field__label h4 mt-5 \u0022\u003ECours magistraux :\u003C\/span\u003E\n \u003Cspan\u003E4\u003C\/span\u003E\n \u003C\/div\u003E\n \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n \u003Cspan class=\u0022field__label h4 mt-5 \u0022\u003ETravaux pratiques :\u003C\/span\u003E\n \u003Cspan\u003E14\u003C\/span\u003E\n \u003C\/div\u003E\n \u003C\/div\u003E\n \u003Cdiv class=\u0022field-spacing\u0022\u003E\n \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ELangue d\u0026#039;enseignement\u003C\/div\u003E\n \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n \u003Cspan\u003EFran\u00e7ais\u003C\/span\u003E\n \u003C\/div\u003E\n \u003C\/div\u003E\n \u003Cdiv class=\u0022field-spacing\u0022\u003E\n \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EEnseignement \u00e0 distance\u003C\/div\u003E\n \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n \u003Cspan\u003Enon\u003C\/span\u003E\n \u003C\/div\u003E\n \u003C\/div\u003E\n \u003C\/div\u003E\n \u003Cdiv class=\u0022box col-md-6\u0022\u003E\n \u003Cdiv class=\u0022field-spacing\u0022\u003E\n \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EPr\u00e9requis\u003C\/div\u003E\n \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n \u003Cspan\u003E\u003Cp\u003Enotions de base en alg\u00e8bre lin\u00e9aire, en physique et en chimie des mat\u00e9riaux\u0026nbsp;; langage python\u003C\/p\u003E\u003C\/span\u003E\n \u003C\/div\u003E\n \u003C\/div\u003E\n \u003Cdiv class=\u0022field-spacing\u0022\u003E\n \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EProgramme \/ plan \/ contenus\u003C\/div\u003E\n \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n \u003Cspan\u003E\u003Cp\u003ELe cours propose une br\u00e8ve histoire de l\u2019IA et du Big Data : des d\u00e9buts symboliques \u00e0 l\u2019apprentissage profond ainsi qu\u2019une pr\u00e9sentation des concepts fondamentaux : donn\u00e9es, mod\u00e8les, algorithmes, apprentissage supervis\u00e9 et non supervis\u00e9 et l\u2019\u00e9cosyst\u00e8me Big Data : bases de donn\u00e9es, stockage, structuration et flux de donn\u00e9es scientifiques. Finalement sont pr\u00e9sent\u00e9s des enjeux : \u00e9thique, IA g\u00e9n\u00e9rative et calcul haute performance pour la physique et science des mat\u00e9riaux en particulier.\u003C\/p\u003E\u003C\/span\u003E\n \u003C\/div\u003E\n \u003C\/div\u003E\n \u003Cdiv class=\u0022field-spacing\u0022\u003E\n \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EObjectifs d\u0026#039;apprentissage\u003C\/div\u003E\n \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n \u003Cspan\u003E\u003Cp\u003ECette UE introduit les principes fondamentaux de l\u2019Intelligence Artificielle (IA) et du Big Data, avec un accent particulier sur leurs applications aux sciences physiques et des mat\u00e9riaux. L\u2019objectif est d\u2019acqu\u00e9rir une compr\u00e9hension claire des concepts, outils et m\u00e9thodes utilis\u00e9s pour manipuler, visualiser et interpr\u00e9ter de grands ensembles de donn\u00e9es scientifiques.\u003C\/p\u003E\u003C\/span\u003E\n \u003C\/div\u003E\n \u003C\/div\u003E\n \u003Cdiv class=\u0022field-spacing\u0022\u003E\n \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EOrganisation g\u00e9n\u00e9rale et modalit\u00e9s p\u00e9dagogiques\u003C\/div\u003E\n \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n \u003Cspan\u003E\u003Cp\u003ECet enseignement est compl\u00e9t\u00e9 par des s\u00e9ances de TP, organis\u00e9s sous forme de notebooks Python interactifs : (i) Lecture et structuration de bases de donn\u00e9es, (ii) Nettoyage et pr\u00e9paration des donn\u00e9es et visualisation dans le big data (iii) Introduction au machine learning\u0026nbsp;: r\u00e9gression, classification, clustering etc\u003C\/p\u003E\u003C\/span\u003E\n \u003C\/div\u003E\n \u003C\/div\u003E\n \u003Cdiv class=\u0022field-spacing\u0022\u003E\n \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EBibliographie\u003C\/div\u003E\n \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n \u003Cspan\u003E\u003Cul\u003E\n\u003Cli\u003EIan Goodfellow, Yoshoua Bengio, Aaron Courville, Deep Learning, MIT Press, 2016.\u003C\/li\u003E\n\u003Cli\u003EAur\u00e9lien G\u00e9ron, Hands-On Machine Learning with Scikit-Learn, Keras \u0026amp; TensorFlow, O\u2019Reilly, 2022\u003C\/li\u003E\n\u003C\/ul\u003E\u003C\/span\u003E\n \u003C\/div\u003E\n \u003C\/div\u003E\n \u003Cdiv class=\u0022field-spacing\u0022\u003E\n \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ENature de l\u0026#039;\u00e9valuation\u003C\/div\u003E\n \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n \u003Cspan\u003EEvaluation Continue non Int\u00e9grale\u003C\/span\u003E\n \u003C\/div\u003E\n \u003C\/div\u003E\n \u003C\/div\u003E\n \u003C\/div\u003E\n\u003C\/div\u003E\n","settings":null}]