Exposés (2A)#

en préparation

Page principale du cours

Principe#

Un cours ne suffit pas pour aborder les nombreux aspects du machine learning, tous ne sont pas utiles tous les jours dans la vie d’un datascientiste, la recherche est également très active dans ce domaine, c’est un voeu pieux que d’écrire un cours à jour. Il est important d’entretenir sa curiosité et de se former seul. L’objectif de cet exposé est de présenter pendant 10 à 15 minutes un thème ou un problème non abordé en cours. Il est fait à plusieurs et s’appuiera sur la lecture d’articles ou de documentation de librairies. L’exposé devra inclure :

  • Une synthèse ce que vous avez lu.

  • Le problème auquel la méthode présentée répond.

  • Existe-t-il des librairies qui implémentent la méthode ? Si oui, sont-elles simples d’utilisation, si non, l’algorithme est-il simple à implémenter ?

  • Avez-vous des critiques quant à la méthode ?

L’exposé pourra porter sur un des thèmes suivants ou un autre de votre choix après validation. Lors de la présentation, chaque personne du groupe devra s’exprimer.

Thèmes - 2018#

Thèmes choisis en 2018

Imputation de valeurs manquantes#

Régression linéaire et sélection de variables#

Descente de gradient#

Clustering#

Privacy#

Random Forest améliorées#

Factorization Machines#

Régressions linéaires pas classiques#

Détection de communauté#

Yield management#

Enchères#

Spiking Neural Networks#

Thèmes non choisis en 2018

Méthode LIME#

Classification multi-label#

Bandits#

Point aberrants#

Détection d’anomalies#

Education#

Détection de biais#

Robustesse#

Evaluation de politique, relations causales#

Théorie des jeux, économie, deep reinforcement lerning#

Automated machine learning#

Robust PCA#

Thèmes - 2019#

Les thèmes de l’année dernière déjà choisis peuvent être repris à condition d’ajouter un article non prévu dans la liste et publié en 2019.

Anonymisation#

Automated machine learning#

Conformal Prediction#

Causalité#

Détection de changements de régime#

Extraction de features#

Interprétabilité#

Fuzed Lasso#

k-nearest neighbours#

Privacy#

Très grande dimension#

Sélection de variables#