Formation Doctorale

Des enseignements dédiés à l’intelligence artificielle permettent aux doctorants d’acquérir de nouvelles compétences, d’approfondir leurs connaissances et d’intégrer les méthodes et outils de l’IA dans leurs travaux de recherche.
Formation Doctorale
9
modules d'enseignement présentés
4
approches pédagogiques complémentaires
1
objectif : enrichir les compétences des doctorants

Développer ses compétences en intelligence artificielle

Proposé par la Graduate School Sciences de l'Ingénierie et des Systèmes (GS SIS) de l'Université Paris-Saclay, ce programme accompagne les doctorants dans l'acquisition et l'approfondissement de compétences en intelligence artificielle.

Il permet aussi bien de découvrir les fondamentaux de l'IA que d'explorer des méthodes avancées, leurs applications scientifiques et les compétences utiles à la poursuite d'une carrière académique ou professionnelle.

FONDAMENTAUX

Comprendre les méthodes de l'IA

Acquérir les bases théoriques et méthodologiques de l'intelligence artificielle, puis approfondir les principales approches de l'apprentissage automatique et de l'optimisation.

Thématiques : machine learning, apprentissage supervisé et non supervisé, deep learning, optimisation.

APPLICATIONS

Expérimenter et mettre en pratique

Explorer les applications concrètes de l'IA dans différents domaines et se familiariser avec les outils techniques mobilisables dans les activités de recherche.

Thématiques : énergie, entrepreneuriat, traitement du signal, programmation avec PyTorch.

Un programme adapté à la diversité des besoins

Les enseignements associent acculturation, spécialisation, applications concrètes et maîtrise d'outils techniques. Cette diversité permet aux doctorants d'aborder l'IA selon leur niveau de connaissance et leurs besoins scientifiques.

01

Découvrir

02

Approfondir

03

Expérimenter

Les modules d'enseignement

Le programme couvre un large éventail de thématiques, des concepts fondamentaux aux applications spécialisées de l'intelligence artificielle.

Fondamentaux et méthodes

  • Introduction à l'IA et ses champs d'applications
  • Introduction au deep learning
  • Apprentissage statistique supervisé et machine learning
  • Apprentissage non supervisé
  • Algorithmes d'optimisation pour l'IA

Applications et outils

  • AI for Energy and Power Generation
  • AI in Practice for Business Entrepreneurship
  • Apprentissage profond et traitement du signal
  • Deep Learning in Practice with PyTorch

Contact

Oualid JOUINI
oualid.jouini@centralesupelec.fr