Formations

Campus Triolet, Bat 36, SC36.05
Jonathan Dubois - Institut de Science des Données de Montpellier

Vous voulez automatiser vos analyses de données et en avez assez des tableurs, venez découvrir les bases d’un langage ludique pour la manipulation de données, l'analyse statistique et le Machine Learning. Cette formation est une introduction à la programmation avec le langage R.

Programmation, Statistique, R, RStudio

Campus Triolet, Bat 36, SC36.05
Céline Mandier - Institut de Science des Données de Montpellier

Assistez à un atelier pratique pour maîtriser les bases de Git, un outil essentiel à la gestion et à la traçabilité des projets de recherche. Vous apprendrez à configurer Git, créer et gérer des dépôts, manipuler des fichiers et utiliser les commandes de base.

Git

Campus Triolet, Bat 36, SCA.01
Gino Frazzoli - Institut de Science des Données de Montpellier

Plongez au cœur de l'intelligence artificielle avec les bases du Deep Learning. Une première partie vous apportera notions-clés et terminologie nécessaires pour comprendre et suivre le cas pratique proposé : la classification de deux espèces.

Deep Learning, IA, Classification

Campus Triolet, Bat 36, SC36.07
Jonathan Dubois - Institut de Science des Données de Montpellier

Vous tentez d’étudier un processus sans a priori spécifique et vous avez mesuré un nombre important de variables que vous pensez potentiellement impliquées. Comment trier et garder l’information pertinente ? Venez découvrir deux approches statistiques traditionnelles pertinentes dans ce domaine : la comparaison de modèles et les méthodes de réduction de dimensions.

Analyse Statistique, R, RStudio

Campus Triolet, Bat 36, SC36.05
Céline Mandier - Institut de Science des Données de Montpellier

Participez à un atelier pratique dédié à la collaboration avec Git, outil clé pour la gestion, l'intégrité et la traçabilité des projets de recherche. Vous y apprendrez à gérer des projets sur GitLab, organiser des groupes d'utilisateurs et résoudre des conflits lors des pulls.

Git

Campus Triolet, Bat 36, SC36.05
Gino Frazzoli - Institut de Science des Données de Montpellier

Venez découvrir une approche du Deep Learning sur les LLM ou Large Language Models, les IA qui se cachent derrière ChatGPT, Claude ou encore le célèbre Chat-ISDM !

IA, LLM, Formation

Campus Triolet, Bat 36, SC36.05
Céline Mandier - Institut de Science des Données de Montpellier

Venez assister à un atelier pratique pour maîtriser la gestion des branches avec Git, un outil essentiel pour une collaboration efficace en recherche. Vous apprendrez à créer, gérer et utiliser les branches selon les bonnes pratiques pour optimiser le travail en équipe.

Git, Collaboration, Projets

Campus Triolet, Bat 1, SC1.01
Jonathan Dubois - Institut de Science des Données de Montpellier

Vous tentez d’étudier un processus sans a priori spécifique et vous avez mesuré un nombre important de variables que vous pensez potentiellement impliquées. Comment trier et garder l’information pertinente ? Venez découvrir trois approches de Machine Learning pertinentes dans ce domaine : les méthodes de Régression Régularisée (LASSO, Ridge, ElasticNet), les Arbres de Décision et la Forêt Aléatoire.

Analyse Statistique, R, RStudio

Campus Triolet, Bat 36, SC36.05
Gino Frazzoli - Institut de Science des Données de Montpellier

Approfondissez vos connaissances en Deep Learning à travers le prisme des auto-encodeurs, une technique encore aujourd’hui mise en œuvre dans l’industrie pour la compression de données et la détection d’anomalies.

IA, DeepLearning, Formation

Campus Triolet, Bat 36, SC36.05
Équipe formation - Institut de Science des Données de Montpellier

Dans cet atelier pratique, découvrez la reproductibilité avec Apptainer (Singularity), un outil de conteneurisation incontournable pour créer des environnements informatiques afin de reproduire vos résultats en toutes circonstances et sur toutes les machines. Grâce à lui, vous pourrez encapsuler vos logiciels et leurs versions dans une "boîte" exportable, garantissant des résultats reproductibles, quel que soit le système utilisé.

Apptainer, Reproductibilité, Conteneurisation

Campus Triolet, Bat 36, SC36.07
Jonathan Dubois - Institut de Science des Données de Montpellier

Vous voulez automatiser vos analyses de données et en avez assez des tableurs, venez découvrir les bases d’un langage ludique pour la manipulation de données, l'analyse statistique et le Machine Learning. Cette formation est une introduction à la programmation avec le langage R.

Programmation, Statistique, R, RStudio

Campus Triolet, Bat 36, SCA.01
Gino Frazzoli - Institut de Science des Données de Montpellier

Approfondissez vos connaissances en Deep Learning à travers le prisme des auto-encodeurs, une technique encore aujourd’hui mise en œuvre dans l’industrie pour la compression de données et la détection d’anomalies.

IA, DeepLearning, Formation

Campus Triolet, Bat 36, SC36.05
Céline Mandier - Institut de Science des Données de Montpellier

Venez assister à un atelier pratique pour maîtriser la gestion des branches avec Git, un outil essentiel pour une collaboration efficace en recherche. Vous apprendrez à créer, gérer et utiliser les branches selon les bonnes pratiques pour optimiser le travail en équipe.

Git, Collaboration, Projets

Campus Triolet, Bat 36, SC36.05
Équipe formation - Institut de Science des Données de Montpellier

Dans cet atelier pratique, découvrez la reproductibilité avec Apptainer (Singularity), un outil de conteneurisation incontournable pour créer des environnements informatiques afin de reproduire vos résultats en toutes circonstances et sur toutes les machines. Grâce à lui, vous pourrez encapsuler vos logiciels et leurs versions dans une "boîte" exportable, garantissant des résultats reproductibles, quel que soit le système utilisé.

Apptainer, Reproductibilité, Conteneurisation

Campus Triolet, Bat 36, SC36.05
Jonathan Dubois - Institut de Science des Données de Montpellier

Vous tentez d’étudier un processus sans a priori spécifique et vous avez mesuré un nombre important de variables que vous pensez potentiellement impliquées. Comment trier et garder l’information pertinente ? Venez découvrir deux approches statistiques traditionnelles pertinentes dans ce domaine : la comparaison de modèles et les méthodes de réduction de dimensions.

Analyse Statistique, R, RStudio

Campus Triolet, Bat 36, SC36.08
Jonathan Dubois - Institut de Science des Données de Montpellier

Vous tentez d’étudier un processus sans a priori spécifique et vous avez mesuré un nombre important de variables que vous pensez potentiellement impliquées. Comment trier et garder l’information pertinente ? Venez découvrir trois approches de Machine Learning pertinentes dans ce domaine : les méthodes de Régression Régularisée (LASSO, Ridge, ElasticNet), les Arbres de Décision et la Forêt Aléatoire.

Analyse Statistique, R, RStudio

Campus Triolet, Bat 36, SC36.05
Gino Frazzoli - Institut de Science des Données de Montpellier

Venez découvrir une approche du Deep Learning sur les LLM ou Large Language Models, les IA qui se cachent derrière ChatGPT, Claude ou encore le célèbre Chat-ISDM !

IA, LLM, Formation