Data Science en Physique
Alexandre Mayer
Master en Sciences Physiques
Table des matières :
- Introduction au Python
- Travailler avec Anaconda (Python 3.x)
- Installation de librairies
- La librairie Numpy pour le calcul scientifique
- La librairie Matplotlib pour la réalisation de graphiques
- TensorFlow & Keras
- Installation de TensorFlow (versions CPU & GPU)
- Installation de Keras
- Utilisation de TensorFlow & Keras sur le cluster
- Challenge & Datasets
- Cours théorique
- Régression logistique
- Réseaux de neurones I
Deep Neural Networks (DNN) : théorie & implémentation avec Keras
Exercice sur les fonctions logiques
DNN on MNIST
- Réseaux de neurones II (implémentation avancée)
Formulation matricielle & algorithme de back-propagation
Batch Gradient Descent with Momentum, Adam, RMS Prop
Techniques de régularisation
Les concepts d'entropie et de cross-entropie
Tuning of hyperparameters
DNN on MNIST revisited
DNN with visualization of features
- Convolutional Neural Networks
CNN on MNIST
CNN with visualization of features
- Pretrained Convolutional Neural Networks
VGG16 on MNIST
VGG16 with visualization of features
Neural Style Transfer
Deep Dreaming with Inception
- PCA, t-SNE, AutoEncoders & Variational AutoEncoders
PCA, t-SNE, AutoEncoders on MNIST
Variational AutoEncoders on MNIST
Variational AutoEncoders & Art
- Cours en ligne
- Neural Networks and Deep Learning
- Convolutional Neural Networks
- Addressing Large Hadron Collider Challenges by Machine Learning
- Machine Learning & Physique
- Thèmes avancés