Advanced Topics in Data Analytics and Machine Learning
-
Enseignement
Détails
Faculté Faculté des sciences économiques et sociales et du management Domaine Economie politique Code UE-EEP.00517 Langues Anglais Type d'enseignement Séminaire
Cursus Master Semestre(s) SA-2023 Horaires et salles
Horaire résumé Mercredi , Cours bloc (Semestre d'automne)
Heures par semaine 1 Enseignement
Responsables - Huber Martin
Enseignants - Huber Martin
Description Deep Learning with Python - from tabular to multimedia (taught by Dr. Christian Kauth)
Deep learning with neuralnetworks is a fascinating field, especially on non-tabular data (like images and text). The mixture of faster hardware, new techniques, highly optimized open source libraries and large datasets allow very large networks to be created with frightening ease. Deep neural networks have repeatedly proven impressively skillful on a range of problems.
This course is a guide to deep learning in Python. You will discover the Keras Python library for deep learningandhowtouseittodevelopandevaluatedeeplearningmodels.Youwilldiscoverthetechniques and develop the skills in deep learning that you can then bring to your own machine learning projects.
After familiarizing with Keras, we will illustrate the skill of deep learning on some well-understood case study machine learning problems from the UCI Machine learning repository (http://archive.ics.uci.edu/ml/index.php)andcomparetheperformancetotheclassicalmachinelearning approaches used in the course “Machine Learning with Python – from Zero to Hero”. Next we introduce convolutional layers to the networks and use them to classify handwritten digits (e.g. MNIST dataset http://yann.lecun.com/exdb/mnist/) and real-world objects (e.g. CIFAR-10https://www.cs.toronto.edu/~kriz/cifar.html).
We then shift our focus from images to text data, and learn how to solve common Natural Language Processing (NLP) tasks such as text classification, token classification, summarization and translation. To that purpose, we’ll use state-of-the-art transformer-based pre-trained models and see how to fine-tune them on our own dataset (transfer-learning).
Lastly you’ll learn how to integratethe temporal dimension into your machine learning projects to make forecasts on time-series. We’ll compare the performance of several techniques, reaching from tabular representation to state-of-the-art causal transformer architectures.
Fun fact: Deep learning is taking AI performance in compute vision, natural language and time series analysis from deceptive to disruptive, and the Attention mechanism plays a crucial role in this success story. If you’re curious, have a look at the paper “Attention is all you need” https://arxiv.org/abs/1706.0376
Objectifs de formation - To understand the structure and working principles of neural networks and transformers
- To gain insights into some layer types of feed-forward neural networks (dense, convolutional, dropout, attention, embedding) and how they are trained.
- To learn how to classify images with neural networks
- To learn how to solve common NLP tasks with transformers
- To learn how to frametime-series tasks for machine and deep learning
- To gain hands-on experience with Python and the deep learning library Keras
- To be able to leverage and fine-tune state-of-the-art models (from Microsoft, Open AI, Google, Deep Mind, Hugging Face)
Conditions d'accès - Fluency in the programming language "Python", as e.g. provider in the course "machine Learning with Python - from Zero to Hero"
- Google account to access Google Colab
Softskills Non Hors domaine Non BeNeFri Non Mobilité Non UniPop Non -
Dates et salles
Date Heure Type d'enseignement Lieu 14.02.2024 08:15 - 17:00 Cours PER 21, salle E040 15.02.2024 08:15 - 17:00 Cours PER 21, salle E040 16.02.2024 08:15 - 17:00 Cours PER 21, salle E040 -
Modalités d'évaluation
Evaluation continue - SA-2023, Session d'hiver 2024
Mode d'évaluation Par note Description Take home exam: project work to be solved in Python on image, text and time-series data
Course with continuous evaluation: after the registration period, you can no longer cancel your registration (see session calendar on the Faculty's website).
No retake exam
-
Affiliation
Valable pour les plans d'études suivants: BcMa - Data Analytics - 30 ECTS
Version: 2020/SA-v01
À choix 9 crédits ECTS > Data Science
BcMa - Economie politique - 30 ECTS
Version: 2021/SA_V01
Cours à choix > Cours à choix en économie politique
BcMa - Informatique de gestion - 30 ECTS
Version: 2020/SA_V01
Cours > Modules informatique > Data Science
Ma - Accounting and Finance - 120 ECTS
Version: 2024/SP_V01_DD_Caen
Cours UniFr > Cours à choix - Max 18 ECTS > Cours à choix SES de niveau Master
Ma - Accounting and Finance - 90 ECTS
Version: 2021/SA_V01 Dès SA-2024
Cours - 72 ECTS > Cours à option dans tous les cours de Master de l'université: minimum 0 / maximum 1 cours si 72 ECTS non atteints dans les modules du MA > Cours à choix SES de niveau Master
Ma - Business Communication : Informatique de gestion - 90 ECTS
Version: 2020/SA_V02
Cours - 60 ECTS > Groupe d'option > Informatique de gestion > Cours > Modules informatique > Data Science
Ma - Communication et Société - 90 ECTS
Version: 2021/SA_V03
Forschungsbereiche > Inter- & Transdisciplinary Perspectives
Ma - Data Analytics & Economics - 90 ECTS
Version: 2020/SA-v01
Courses min 63 ECTS > Mandatory Modules (45 to 63 ECTS) > Module I: Data Analytics (Data)
Ma - European Business - 90 ECTS
Version: 2017/SA_v01
Courses - 63 ECTS > Additional courses: Any Master courses of the Faculty of Economics and Social Sciences, as well as maximum 9 ECTS from all Master programmes of the University. > Cours à choix SES de niveau Master
Ma - Gestion d'entreprise - 90 ECTS
Version: 2017/SA_v01
Cours: min. 63 ECTS > Cours facultatifs: max. 18 ECTS > Cours à choix SES de niveau Master
Ma - Informatique de gestion - 90 ECTS
Version: 2020/SA-v01
Cours - min. 45 ECTS > Modules informatique/informatique de gestion > Data Science
Ma - International and European Business - 90 ECTS
Version: 2021/SA_v01 dès SA-2024
Courses > Additional courses > Cours à choix SES de niveau Master
Ma - Management - 90 ECTS
Version: 2021/SA_v03 dès SA-2024
Cours: min. 72 ECTS > Cours à option > Cours à choix SES de niveau Master
Ma - Marketing - 90 ECTS
Version: 2021/V03 dès SA-2024
Cours - 72 ECTS > Cours à choix Master de toute l'université > Cours à choix SES de niveau Master
Ma - Public Economics and Public Finance - 90 ECTS
Version: 2021/SA_V01_DD_PEPF
Cours > Jusqu’à 40 crédits ECTS doivent remplir les conditions de cette spécialisation selon le document "Individual choice of lectures" approuvé > Cours à choix en économie politique
Ma - Sciences de la communication et des médias - 90 ECTS
Version: 2015/SA_V01
Cours - 60 ECTS > Inter- and Transdisciplinary Perspectives > Cours à choix SES de niveau Master
Ma - Économie politique - 90 ECTS
Version: 2021/SA_V04
Le choix de l'option se fait par l'inscription au premier cours dans l'une des options possibles. > Développement durable et responsabilité sociale > Cours à choix en développement durable et responsabilité sociale > Cours à choix en économie politiqueLe choix de l'option se fait par l'inscription au premier cours dans l'une des options possibles. > Développement durable et responsabilité sociale > Cours à choix en développement durable et responsabilité sociale > Cours de la faculté SES - max. 15 ECTS > Cours à choix SES de niveau MasterLe choix de l'option se fait par l'inscription au premier cours dans l'une des options possibles. > Économie et politiques publiques > Cours à choix en économie et politiques publiques > Cours à choix en économie politiqueLe choix de l'option se fait par l'inscription au premier cours dans l'une des options possibles. > Économie et politiques publiques > Cours à choix en économie et politiques publiques > Cours de la faculté SES - max. 15 ECTS > Cours à choix SES de niveau MasterLe choix de l'option se fait par l'inscription au premier cours dans l'une des options possibles. > Business Economics > Cours à choix en Business Economics > Cours à choix en économie politiqueLe choix de l'option se fait par l'inscription au premier cours dans l'une des options possibles. > Business Economics > Cours à choix en Business Economics > Cours de la faculté SES - max. 15 ECTS > Cours à choix SES de niveau MasterLe choix de l'option se fait par l'inscription au premier cours dans l'une des options possibles. > Économie quantitative > Cours à choix en économie quantitativeLe choix de l'option se fait par l'inscription au premier cours dans l'une des options possibles. > Économie quantitative > Cours à choix en économie quantitative > Cours de la faculté SES - max. 15 ECTS > Cours à choix SES de niveau MasterChoix de cours pour le Master SANS options > Cours à choix > Cours à choix en économie politiqueChoix de cours pour le Master SANS options > Cours à choix > Cours de la faculté SES - max. 15 ECTS > Cours à choix SES de niveau Master