M2 Mathématiques Modélisation et Apprentissage de l'université de Paris

Lorsque je cherchais à quel M2 postuler, soit le M2 s'intitulait "M2 en intelligence artificielle" soit j'avais toujours un peu peur qu'on ne fasse pas vraiment de l'intelligence artificielle mais plus des biostatistiques, de l'épidémiologie etc ...

Si vous choisissez de faire le M2 Mathématiques Modélisation et Apprentissage de l'université de Paris, voici très concrètement les sujets que vous allez aborder et qui sont en lien avec l'IA:

On voit théoriquement et on implémente:

- Les chaînes de Markov (à la base des processus de décision markoviens utilisés dans AI clinician (Komorovsky et al). (Cours Algorithmes stochastiques)

- Les réseaux de neurones et la rétropropagation (Cours apprentissage en grande dimensions)

- Les réseaux de neurones convolutionnels (Cours perception, acquisitions et analyses d'image, utilisé dans "Dermatologist-level classification of skin cancer with deep neural networks" Nature)

- Tous les algorithmes basés sur GLM (modèles linéaires généralisés) (Cours apprentissage en grande dimension)

- Le super-learner et la validation croisée (Cours Classification, utilisé dans "Mortality prediction in intensive care units with the Super ICU Learner Algorithm (SICULA): a population-based study" et dans "Prediction of an Acute Hypotensive Episode During an ICU Hospitalization With a Super Learner Machine-Learning Algorithm")

- Analyse en composante principale (Cours apprentissage en grande dimension)

- Clustering appliqué à de l'image (Imagerie biomédicale)

- Mélange de Gaussiennes (cours algorithmes stochastiques)

- Méthode de Monte Carlo (cours algorithmes stochastiques)

- Algorithme EM (cours algorithmes stochastiques)

On implémente en autonomie dans le cadre d'un projet :

- random forest

- bayesian regression trees

- gradient boosting

- bartMachine

- K plus proches voisins, k-means clustering (utilisé dans Derivation, Validation, and Potential Treatment Implications of Novel Clinical Phenotypes for Sepsis, JAMA)

- support vector machine

- Régression multivariée par spline adaptative

Mais il n'y a pas de cours théoriques sur ces algorithmes.

On ne voit pas du tout:

- le reinforcement learning

- tout ce qui est séries temporelles (modèles ARIMA, recurrent neural network)

- Le Natural language processing

- Il n'y a pas de cours sur comparant les différents langage informatiques en IA (R versus Python, bibliothèques Tensorflow versus Pytorch, les différentes plateformes...).

Comment choisir son M2 d'IA et être accepté⸱e ?

Si vous êtes un interne normalement constitué vous avez un an pour faire votre master 2.

Un an, pas deux. Si vous commencez à chercher sur internet des masters 2 en intelligence artificielle, vous allez rapidement vous rendre compte que toutes les formations sont sur deux ans et qu'elles acceptent uniquement des étudiants ayant une licence scientifique (mathématiques, physiques, informatique...)

La clé est de contacter les équipes pédagogiques bien en avance et de construire votre projet avec eux. J'insiste, cette étape de co-construction est critique. Cela va permettre à l'équipe d'apprendre à vous connaître et de créer un lien de confiance qui permettra de faire accepter votre profil un peu atypique. Pour le rétro-planning, l'idéal est d'avoir déjà appris à coder et de les contacter 1 an avant la date limite de dépôt de dossier pour qu'ils vous guident dans votre remise à niveau en mathématiques.

Quelle équipe contacter ?

Plusieurs critères de choix s'offrent à vous:

1. L'équilibre entre cours mathématiques théoriques et projets d'application

2. Les cursus qui ont déjà accepté des internes dans leurs promotions

3. L'école / université qui vous fait envie

L'équilibre en cours théoriques et projets d'application

Vous vous en doutez surement mais pour valider un M2 d'IA il ne suffit pas d'être accepté dans le master, encore faut-il valider les partiels. Un des masters qui propose un bon équilibre entre le théorique et l'application est le M2 Mathématiques Modélisation et Apprentissage de l'université de Paris. Je vous donne plus d'information sur ce M2 dans l'article dédié.

Les cursus qui ont déjà accepté des internes dans leurs promotions

En mars 2021 il y a à ma connaissance trois M2 qui ont déjà accepté des internes qui n'avaient pas de formations scientifiques préalables:

- Le M2 Mathématiques Modélisation et Apprentissage de l'université de Paris

Je vous renvoie aussi sur mon article dédié dans lequel je détaille les méthodes d'IA concrètement abordées dans ce M2.

- Le M2 Intelligence Artificielle, Systèmes, Données de l'Paris-Dauphine, l'ENS et les Mines ParisTech

- Le M2 Mathématiques Visions Apprentissage de l'université Paris Saclay

- Le M2 Data Science de l'école polytechnique / ENSAE / Telecom

L'école / université qui vous fait envie

A vous d'aller fouiller ! Il existe surement de nombreux autres M2 dans les universités mais aussi dans les écoles d'ingénieurs.

Un exemple: Le master of science in Artificial Intelligence de l'école CentraleSupelec

Bonne recherche

Machine Learning: une introduction

Avant de sauter à pieds joints dans votre Master 2 d'intelligence artificielle une bonne idée est d'avoir déjà entendu parler, rapidement, des principaux concepts.

Pour cela je vous conseille l'excellent site https://machinelearnia.com/ .

Guillaume Saint-Cirque vous guidera à l'aide de vidéos youtube et d'un ebook à travers les principaux concepts. Cela ne vous demandera pas beaucoup de concentration, immensément moins que tout ce qui touche aux mathématiques ou à l'apprentissage de la programmation.

Et puis, n'est-ce-pas un peu excitant de commencer à aborder les premiers concepts qui nous intéressent vraiment ?