Teaching

Gestion et valorisation de projet Machine Learning (GML) 2024, 2023, 2022

Je donne le cours « Gestion et valorisation de projet ML » (GML) aux étudiants TIC Data Science de dernière année avec Hector Satizabal.

Le matériel et données du cours est distribué par Teams ou par Cyberlearn, en raison de taille, securité et/ou confidentialité.

Les objectifs du cours sont :

  • spécifier, coder et tester une application de taille importante intégrant des algorithmes d'apprentissage automatique ;
  • gérer le processus dynamique de création des modèles ;
  • acquérir par lui-même des connaissances sur des sujets nouveaux dans le domaine ;
  • gérer la problématique d'un projet en équipe ;
  • rédiger un rapport de projet et présenter à plusieurs le travail.

Student projects (Diplomas, BSc thesis)

  • 2023. G. S. Planification optimisée des événements et ressources
  • 2025. W. S. SmartPath: optimisez vos campagnes d'acquisition de données terrain avec une planification intelligente

 

Virtualisation des réseaux (VIRI) - MSc course

  • Laboratoires du cours MSc HES-SO Virtualisation des réseaux - VIRI

 

TÉLÉTRAFIC (TTR) 2017

Je donne le cours + labo Télétrafic (TTR) en S5 2017-18, remplaçant Prof Stephan Robert qui est en congé sabbatique. Ce cours a été principalement préparé par lui.

Les objectifs du cours sont:

  • Savoir utilliser Matlab pour simuler des systèmes de files d’attente
  • Modéliser un problème à l’aide de l’approche Markovienne
  • Savoir calculer les caractéristiques d’un système à pertes (M/M/1, M/M/m,…)
  • Savoir calculer les caractéristiques d’un système à attente (Erlang, Engset)
  • Savoir appliquer la théorie vue au dimensionnement d’un serveur applicatif (Web, réseaux mobiles)

Cours 2017-18

1. Horaire

horaire en pdf (révision 01.12.17)

2. Cours

  • Introduction à Matlab
  • Introduction aux systèmes de files d’attente, avec ou sans pertes (notations, loi de Little)
  • Rappel de probabilité (distributions exponentielles, de Bernoulli, de Poisson, de Pareto)
  • Chaînes de Markov discrètes et continues
  • Files d’attente simples M/M/1, M/M/m,…
  • Files d’attente à pertes M/M/m/K, Erlang B, Erlang C, Engset
  • Limitation de la modélisation avec Poisson. Trafic observé sur Internet.

3. Slides

4. Exercices

  • Exercice 1
  • Exercice 2

Laboratoires 2017-18

1. Laboratoires

  • Labo 0: Introduction à MATLAB / Octave (25 sept)
  • Labo 1: Simulation de variables aléatoires (09 oct)
  • Labo 2: Simulation des chaînes de Markov (30 oct)
  • Labo 3: Simulation des chaînes de Markov(2) (13 nov)
  • Labo 4: Simulation des files d'attente (08 jan)

 

MACHINE LEARNING 2016

Mini course on Machine Learning during the HEIG-VD - SNU summer university (2016)

  • Slides "Introduction to Python"
  • Python code used during machine Learning on GitHub