General Purpose GPU programming

Les GPU sont des processeurs graphiques pouvant être utilisés comme accélérateurs dans des architectures hybrides pour d'autres applications que la production ou le traitement d'images. La caractéristique principale de ce type de matériels est de développer une puissance de calcul importante relativement à une faible consommation électrique à travers un parallélisme many-cores extrêmement important. Ces performances font des GPU un matériel très populaire dans les domaines de l'intelligence artificielle, de la réalité virtuelle et de l'informatique embarqué. L'obtention de bonnes  performances est conditionnée par l'adéquation du parallélisme de  l'algorithme avec celui du matériel. Ce cours permet de donner un  aperçu de deux techniques courantes de programmation des GPU : CUDA et OpenACC, tout en mettant l'accent sur l'évaluation et l'amélioration  des performances des codes produits.

Projet Intégrateur - Implémentation et intégration

Apprentissage Profond (Notions Avancées)

Maitriser les différents modèles de réseaux de neurones pour de l’apprentissage supervisé et les adaptés au contexte d’une problématique donnée.

Description :

  1. Rappel des notions d’apprentissage profond supervisé;
  2. Différentes topologies pour les modèles à convolution, exemple les auto-encodeurs; 
  3. Différentes topologies pour les modèles récurrents, exemple le LSTM;
  4. Exemples de modèles hybrides.

Introduction au Cloud Computing

Ce cours a pour objectif d'introduire les principaux concepts du paradigme Cloud Computing.

Apprentissage Profond (Notions de base)

Informations M1 Big Data

Machine Learning

Introduction aux algorithmes pour l'apprentissage automatique.

UE Projet Intégrateur Big Data, Alternance et Stage

Interopérabilité des données et des connaissances

Cours pour les Masters 1 d'informatique

Text Mining et Algorithmique du texte