Examen

• Examen écrit (questions de cours, documents autorisés, Internet pas autorisé) le 5 mars 2007.
• Oral : présentation d'article 10 mn + 10 mn de questions, le 6, 7 ou 8 mars 2007. Chacun(e) choisit un article dans la liste ci-dessous, premier arrivé premier servi) et prépare 10 transparents et 1 page de résumé (francais ou anglais, comme on veut). Attention, le but n'est pas de résumer l'article seulement ; vous êtes également censé dire si vous pensez que c'est un bon article ou pas - quels sont ses points forts ou faibles, etc. Ne partez pas du principe que tout article est bon ; on mettra aussi des mauvais. Le but est d'évaluer votre esprit critique. Fiche de présentation : ici un exemple.

Pour l'exposé (10 transparents).
Le but n'est pas de faire un festival powerpoint. Il vaut mieux un expose sobre, qui mentionne les points clé, que des animations et des couleurs dans tous les sens. Parmi les recommandations de base :

• pas plus de 6 lignes par transparent. (Pas plus de 8, en tous les cas).
• Pas de phrases : style concis, précis.
• Un petit effort pour l'orthographe ?
• Si vous ne savez pas traduire les termes - gardez le terme anglais. On discutera de la traduction.

Quelques conseils de présentation

Article	Etudiant	Date/heure	Transparents	Résumé
Apprendre une distance	Sylvain Raybaud	6 mars - 9h40	slides	fiche
Managing Domain Knowledge and Multiple Models with Boosting	Cécilia Damon	6 mars10h	slides	fiche
kd-trees	Alan Tucholka	16 mars 10h20	slides	fiche
Images et puzzles	Thomas Aynaud	6 mars 10h40
Tests to compare learning algorithms	Johan Oudinet	7 mars / 10h	slides	fiche
SVM: Parametric Kernels for Sequence Data Analysis	Sonia Nouedoui	7 mars / 10h20	ABS	ABS
General Game Learning Using Knowledge Transfer	Guillaume Bernard	7 Mars / 10h40	slides	fiche
Alternating decision trees	Laurent Sieczkowski	7 mars / 11h00	slides	fiche
Supervised learning with discovery of local structure in the data	Christophe Prin-Derre	7 mars 11h 20	slides	fiche
Maximum margin matrix factorization	Fabien Lepercque	7 mars/11h40	slides	fiche
Perceptron économe	GUEZZOU Mourad	13 mars 10h40	slides	fiche
On how to represent first-order logics in neural networks	Armant Vincent	8 mars 10h20	slides	fiche
Learning by otpimizing the area under the ROC curve	Lina YE	13 mars 11h20	slides	fiche
Off-road obstacle avoidance through end to end learning	arnaud grappy	16 mars 10h00	slides	fiche
Structured kernels	Ounas ASFARI	13 mars 11h	slides	fiche

Merci de votre retour :

• Aspects positifs / négatifs des cours,

johan> Comme pour tout cours où il y a plusieurs intervenants, on remarque beaucoup de répétitions entre 2 intervenants. De plus, nous avions un cours de traitement statistique au semestre dernier et qui était un prérequis pour ce cours, or on nous a réexpliqué tous ce qu'on a vu durant ce cours; et les intervenants n'ont du coup pas eu le temps necessaire pour nous expliquer de nouvelles choses comme l'apprentissage par renforcement.

sylvain > je suis globalement d'accord avec Johan, et j'ajouterai que faire des exercices et quelques preuves serait utile.

• Suggestions pour améliorer le cours pour l'an prochain,

johan> Savoir ce que les autres intervenants ont dit, et considérer les prérequis comme acquis (ou du moins ne faire qu'un rappel)

sylvain > comme Johan, plus faire des exos et des preuves. De plus, pour ce genre de cours, je pense qu'une evaluation sous forme d'un projet suivi d'une soutenance peut etre tres motivante et enrichissante.

guillaume > Je suis d'accord avec les remarques de Johan et Sylvain, un projet avec soutenance se prête bien au domaine je pense, ou alors faire un rapport/état de l'art sur un domaine précis différent pour chaque étudiant avec un oral à la fin. C'est plus enrichissant et dans la logique d'un master recherche.

• Avis sur les modifications prévues :
  • exposé oral de 10mn en début de chaque cours, portant sur un article donné, sur une base de volontariat.