Description

• Apprentissage profond
• Modèles auto-attentifs
• Traitement du langage naturel (NLP)
• Grand modèle de langage (LLMs)

Compétences visées

A l’issue des enseignements de cette UE, les étudiants seront capables de:

• Comprendre les fondements théoriques d’un système d’apprentissage profond (réseaux neuronaux)
• Maîtriser les principales techniques utilisées pour l’apprentissage profond
• Comprendre les fondements théoriques du « transformer » (ou modèle auto-attentif)
• Maîtriser les principales techniques pour « topic modeling » et pour d’autres tâches liées au traitement du langage naturel
• Se familiariser avec des applications pratiques dans le contexte des dynamiques économiques et de gestion
• Améliorer leur autonomie de travail sur Python
• Acquérir de l’expérience dans le travail en équipe et la gestion de projets

Disciplines

• Sciences économiques

Contacts

Responsable(s) de l'enseignement

• Stefano Bianchini