{"id":312,"date":"2020-06-20T11:42:39","date_gmt":"2020-06-20T09:42:39","guid":{"rendered":"http:\/\/members.loria.fr\/ASellami\/?page_id=312"},"modified":"2022-02-20T12:25:53","modified_gmt":"2022-02-20T10:25:53","slug":"enseignement","status":"publish","type":"page","link":"https:\/\/members.loria.fr\/ASellami\/enseignement\/","title":{"rendered":"Enseignement"},"content":{"rendered":"<h4 class=\"cv\">Enseignement<\/h4>\n<ul>\n<li class=\"p1\"><span class=\"s1\"><b>2021- 2022: TELECOM Nancy, Universit\u00e9 de Lorraine, , France (ATER) <\/b><\/span>\n<ul>\n<li><strong><em>Algorithmique et r\u00e9solution de probl\u00e8mes <\/em><em>(1A)<\/em><\/strong>\n<ul>\n<li>TD 1: Complexit\u00e9 Algorithmique<\/li>\n<li>TD 2: R\u00e9cursivit\u00e9 sur les cha\u00eenes<\/li>\n<li>TD 3: Dichotomie et Sac \u00e0 Dos<\/li>\n<li>TD 4: Pyramides<\/li>\n<li>TD 5: R\u00e9cipients<\/li>\n<li>TD 6: D\u00e9r\u00e9cursivation<\/li>\n<li>TD 7: Programmation Dynamique et M\u00e9moisation<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<ul>\n<li style=\"list-style-type: none\">\n<ul>\n<li><strong><em>Bases de donn\u00e9es (1A)<\/em><\/strong>\n<ul>\n<li>TD 1: Mod\u00e9lisation conceptuelle et logique des donn\u00e9es\n<ul>\n<li>Mod\u00e9lisation Entit\u00e9-Association<\/li>\n<li>Mod\u00e8le relationnel<\/li>\n<\/ul>\n<\/li>\n<li>TD 2: Manipulation des Donn\u00e9es\n<ul>\n<li>Alg\u00e8bre relationnelle<\/li>\n<li>Calcul relationnel de tuples<\/li>\n<li>D\u00e9pendances fonctionnelles et normalisation<\/li>\n<\/ul>\n<\/li>\n<li>TPs:\n<ul>\n<li>Premi\u00e8re rencontre avec une base de donn\u00e9es (PosteGreSql)<\/li>\n<li>\u00a0Langage SQL<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<ul>\n<li style=\"list-style-type: none\">\n<ul>\n<li><em><strong>Programmation WEB (1A)<\/strong><\/em><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<ul>\n<li style=\"list-style-type: none\">\n<ul>\n<li><em><strong>Fouille de Donn\u00e9es et Extraction de Connaissances (3A IAMD)<\/strong><\/em>\n<ul>\n<li>TP 1 : Pr\u00e9paration des donn\u00e9es et s\u00e9lection d\u2019attributs (Weka)<\/li>\n<li>TP2 : Classification supervis\u00e9e (Weka et Python)\n<ul>\n<li>Arbres de d\u00e9cision<\/li>\n<li>Classification bas\u00e9e sur des r\u00e8gles<\/li>\n<\/ul>\n<\/li>\n<li>TP 3 : Classification supervis\u00e9e (Weka et Python)\n<ul>\n<li>M\u00e9thodes ensemblistes<\/li>\n<li>Comparaison avec les arbres de d\u00e9cision et la classification bas\u00e9e sur des r\u00e8gles<\/li>\n<\/ul>\n<\/li>\n<li>TP 4: Classification non supervis\u00e9e (Weka et Python)\n<ul>\n<li>K-means,<\/li>\n<li>DBSCAN,<\/li>\n<li>Hierarchical clustering<\/li>\n<\/ul>\n<\/li>\n<li>TP 5: Clustering (Weka)\n<ul>\n<li>Vectorisation de textes\u00a0 pour la fouille de donn\u00e9es<\/li>\n<\/ul>\n<\/li>\n<li>TP 6 : Motifs fr\u00e9quents et r\u00e8gles d\u2019association (Weka)\n<ul>\n<li>Algorithme Apriori<\/li>\n<\/ul>\n<\/li>\n<li>TP 7 : Motifs s\u00e9quentiels fr\u00e9quents (SPMF)\n<ul>\n<li>GSP, SPADE, BIDE+, CloSpan<\/li>\n<\/ul>\n<\/li>\n<li>TP 8: Vectorisation de documents textuels (Weka)\n<ul>\n<li>FPGrowth, Apriori<\/li>\n<\/ul>\n<\/li>\n<li>TP 9: Text Mining (Python et Stanford Parser)\n<ul>\n<li>NLP, NLTK<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<\/li>\n<li><em><strong>Intelligence Artificielle Avanc\u00e9e (3 IAMD, IL, LE et IMSD)<\/strong><\/em>\n<ul>\n<li>Chapitre 1: Introduction \u00e0 l&rsquo;apprentissage profond<\/li>\n<li>Chapitre 2: Les r\u00e9seaux de neurones convolutionnels (CNN)<\/li>\n<li>Chapitre 3: Les r\u00e9seaux de neurones r\u00e9ccurents et g\u00e9n\u00e9ratifs (RNN et GAN)<\/li>\n<li>Chapitre 4: Graph Deep Representation Learning (GCN et GAE)\n<ul>\n<li style=\"list-style-type: none\">\n<ul>\n<li>TP1: Prise en main de Pandas et Sickit-Learn<\/li>\n<li>TP2: Classification Supervis\u00e9e<\/li>\n<li>TP3: \u00c9valuation des performances dans la classification et la r\u00e9gression<\/li>\n<li>TP4: Comparaison des m\u00e9thodes d&rsquo;apprentissage automatique<\/li>\n<li>TP5: Introduction au Deep Learning<\/li>\n<li>TP6: Apprentissage de repr\u00e9sentation avec les Auto-Encodeurs (AEs)<\/li>\n<li>TP7: Les r\u00e9seaux de neurones convolutifs, g\u00e9n\u00e9ratifs et r\u00e9currents<\/li>\n<li>TP8: Graph Deep Representation Learning: Graph Autoencoder (GAE)<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<\/li>\n<li><strong><em>Intelligence artificielle ( 2 A)<\/em><\/strong><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<ul>\n<li style=\"list-style-type: none\"><\/li>\n<\/ul>\n<ul>\n<li style=\"list-style-type: none\">\n<ul>\n<li>\n<ul>\n<li>TD1: R\u00e9solution de probl\u00e8mes (Mod\u00e9lisation, algorithmes A*, min-max et alpha-beta)<\/li>\n<li>TD2: Algorithmes g\u00e9n\u00e9tiques<\/li>\n<li>TD3: Probl\u00e8mes de satisfaction de contraintes (CSP)<\/li>\n<li>TD4: Processus d\u00e9cisionnels markoviens<\/li>\n<li>TD5: Arbres de d\u00e9cision<\/li>\n<li>TD6: R\u00e9seaux de neurones artificiels (Algorithme de r\u00e9tropropagation)<\/li>\n<li>TD7: Visualisation d\u2019informations<\/li>\n<li>TP: Fouille de Donn\u00e9es<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<ul>\n<li><span class=\"s1\"><b>2020- 2021: IDMC, Universit\u00e9 de Lorraine, , France (Postdoc)<\/b><\/span><\/li>\n<li><em><strong>Exploiter et Analyser les Donn\u00e9es (FC Data Scientist)<\/strong><\/em>\n<ul>\n<li>Chapitre 1: Introduction \u00e0 l&rsquo;analyse des donn\u00e9es (ACP, visualisation)<\/li>\n<li>Chapitre 2: Traitement d&rsquo;images (extraction de caract\u00e9ristiques, segmentation et classification)<\/li>\n<li>Chapitre 3: Les r\u00e9seaux de neurones convolutionnels (CNN)<\/li>\n<li>TP sur la classification d&rsquo;images (Keras et Python)<\/li>\n<\/ul>\n<\/li>\n<li><span class=\"s1\"><b>2020- 2021: TELECOM Nancy, Universit\u00e9 de Lorraine, , France (Postdoc)<\/b><\/span>\n<ul>\n<li><em><strong>Intelligence Artificielle Avanc\u00e9e (3 IAMD, IL, LE et IMSD)<\/strong><\/em>\n<ul>\n<li>Chapitre 1: Introduction \u00e0 l&rsquo;apprentissage profond<\/li>\n<li>Chapitre 2: Les r\u00e9seaux de neurones convolutionnels (CNN)<\/li>\n<li>Chapitre 3: Les r\u00e9seaux de neurones r\u00e9ccurents et g\u00e9n\u00e9ratifs (RNN et GAN)<\/li>\n<li>Chapitre 4: Graph Deep Representation Learning (GCN et GAE)\n<ul>\n<li style=\"list-style-type: none\">\n<ul>\n<li>TP1: Prise en main de Pandas et Sickit-Learn<\/li>\n<li>TP2: Classification Supervis\u00e9e<\/li>\n<li>TP3: \u00c9valuation des performances dans la classification et la r\u00e9gression<\/li>\n<li>TP4: Comparaison des m\u00e9thodes d&rsquo;apprentissage automatique<\/li>\n<li>TP5: Introduction au Deep Learning<\/li>\n<li>TP6: Apprentissage de repr\u00e9sentation avec les Auto-Encodeurs (AEs)<\/li>\n<li>TP7: Les r\u00e9seaux de neurones convolutifs, g\u00e9n\u00e9ratifs et r\u00e9currents<\/li>\n<li>TP8: Graph Deep Representation Learning: Graph Autoencoder (GAE)<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p>Intelligence artificielle ( 2 IL)<\/p>\n<ul>\n<li>TD1: R\u00e9solution de probl\u00e8mes (Mod\u00e9lisation, algorithmes A*, min-max et alpha-beta)<\/li>\n<li>TD2: Algorithmes g\u00e9n\u00e9tiques<\/li>\n<li>TD3: Probl\u00e8mes de satisfaction de contraintes (CSP)<\/li>\n<li>TD4: Processus d\u00e9cisionnels markoviens<\/li>\n<li>TD5: Arbres de d\u00e9cision<\/li>\n<li>TD6: R\u00e9seaux de neurones artificiels (Algorithme de r\u00e9tropropagation)<\/li>\n<li>TD7: Visualisation d\u2019informations<\/li>\n<li>TP: Fouille de Donn\u00e9es<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<\/li>\n<li><span class=\"s1\"><span class=\"s1\"><b>2019-2020, Facult\u00e9 des Sciences, Aix-Marseille University, France (Postdoctoral Researcher) <\/b><br \/>\nData Science ( Master 1 Signal and Image Processing)<\/span><\/span><\/li>\n<li><b>2017-2018: <span class=\"s1\">Research Assistant (ATER), IUT of Paris Descartes University, France (ATER) <\/span><\/b><\/li>\n<li class=\"p1\">Introduction aux syst\u00e8mes informatiques (Lab Works, 1 DUT Computer Science)<\/li>\n<li class=\"p1\">R\u00e9seaux informatiques (Lab Works, 1 DUT Computer Science)<\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"<p>Enseignement<\/p>\n<ul>\n<li class=\"p1\">2021- 2022: TELECOM Nancy, Universit\u00e9 de Lorraine, , France (ATER)\n<ul>\n<li><em>Algorithmique et r\u00e9solution de probl\u00e8mes <\/em><em>(1A)<\/em>\n<ul>\n<li>TD 1: Complexit\u00e9 Algorithmique<\/li>\n<li>TD 2: R\u00e9cursivit\u00e9 sur les cha\u00eenes<\/li>\n<li>TD 3: Dichotomie et Sac \u00e0 Dos<\/li>\n<li>TD 4: Pyramides<\/li>\n<li>TD 5: R\u00e9cipients<\/li>\n<li>TD 6: D\u00e9r\u00e9cursivation<\/li>\n<li>TD 7: Programmation Dynamique et M\u00e9moisation<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<ul>\n<li style=\"list-style-type: none\">\n<ul>\n<li><em>Bases de donn\u00e9es (1A)<\/em>\n<ul>\n<li>TD 1: Mod\u00e9lisation conceptuelle et logique des donn\u00e9es\n<ul>\n<li>Mod\u00e9lisation Entit\u00e9-Association<\/li>\n<li>Mod\u00e8le relationnel<\/li>\n<\/ul>\n<\/li>\n<li>TD 2: Manipulation des Donn\u00e9es\n<ul>\n<li>Alg\u00e8bre relationnelle<\/li>\n<li>Calcul relationnel de tuples<\/li>\n<li>D\u00e9pendances fonctionnelles et normalisation<\/li>\n<\/ul>\n<\/li>\n<li>TPs:\n<ul>\n<li>Premi\u00e8re rencontre avec une base de donn\u00e9es (PosteGreSql)<\/li>\n<li>\u00a0Langage SQL<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<ul>\n<li style=\"list-style-type: none\">\n<ul>\n<li><em>Programmation WEB (1A)<\/em><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<ul>\n<li style=\"list-style-type: none\">\n<ul>\n<li><em>Fouille de Donn\u00e9es et Extraction de Connaissances (3A IAMD)<\/em>\n<ul>\n<li>TP 1 : Pr\u00e9paration des donn\u00e9es et s\u00e9lection d\u2019attributs (Weka)<\/li>\n<li>TP2 : Classification supervis\u00e9e (Weka et Python)\n<ul>\n<li>Arbres de d\u00e9cision<\/li>\n<li>Classification bas\u00e9e sur des r\u00e8gles<\/li>\n<\/ul>\n<\/li>\n<li>TP 3 : Classification supervis\u00e9e (Weka et Python)\n<ul>\n<li>M\u00e9thodes ensemblistes<\/li>\n<li>Comparaison avec les arbres de d\u00e9cision et la classification bas\u00e9e sur des r\u00e8gles<\/li>\n<\/ul>\n<\/li>\n<li>TP 4: Classification non supervis\u00e9e (Weka et Python)\n<ul>\n<li>K-means,<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n","protected":false},"author":202,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-312","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/members.loria.fr\/ASellami\/wp-json\/wp\/v2\/pages\/312","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/members.loria.fr\/ASellami\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/members.loria.fr\/ASellami\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/members.loria.fr\/ASellami\/wp-json\/wp\/v2\/users\/202"}],"replies":[{"embeddable":true,"href":"https:\/\/members.loria.fr\/ASellami\/wp-json\/wp\/v2\/comments?post=312"}],"version-history":[{"count":70,"href":"https:\/\/members.loria.fr\/ASellami\/wp-json\/wp\/v2\/pages\/312\/revisions"}],"predecessor-version":[{"id":493,"href":"https:\/\/members.loria.fr\/ASellami\/wp-json\/wp\/v2\/pages\/312\/revisions\/493"}],"wp:attachment":[{"href":"https:\/\/members.loria.fr\/ASellami\/wp-json\/wp\/v2\/media?parent=312"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}