aide
Accueil > Formations > Master MVA > Présentation des cours
Master MVA - Cours 2016-2017
Cours du 1er semestre
Data/Modélisation
- Introduction to medical image analysis
H. DELINGETTE, X. PENNEC - Introduction à l'imagerie numérique
J. DELON,Y. GOUSSEAU - Optimization and features of optimal solutions. Applications to imaging
S. LADJAL, M. NIKOLOVA - Object recognition and computer vision
I. LAPTEV, J. PONCE, C. SCHMID, J. SIVIC, - Sub-pixel image processing
L. MOISAN - 3D computer vision
R. MARLET, P. MONASSE, M. AUBRY - The PDEs of image processing and their surprising applications
J.-M. MOREL - Méthodes mathématiques pour les neurosciences
E. TANRE, R. VELTZ
Apprentissage
- Convexe optimization and applications in machine learning
A. D'ASPREMONT - Probabilistic graphical models
F. BACH, G. OBOZINSKI - Deep Learning
I. KOKKINOS - Reinforcement learning
A. LAZARIC - Sparse wavelet representations and classification
S. MALLAT - Sparsity and compressed sensing
G. PEYRE - Graphs in machine learning
M. VALKO - Introduction to statistical learning
N. VAYATIS
Cours du 2nd semestre
Data/Modélisation
- Traitement d'images avancé et applications en imagerie satellitaire
A. ALMANSA, F. TUPIN, J.-M. NICOLAS - Audio signal processing - Time-frequency analysis
E. BACRY - Parcimonie et analyse de données massives en astrophysique
J. BOBIN, J.-L. STARCK - Nuages de points et modélisation 3D
T. BOUBEKEUR, J-E. DESCHAUD, F. GOULETTE, - Imagerie fonctionnelle cérébrale et interface cerveau machine
M. CLERC, T. PAPADOPOULOS, B. THIRION - Deformable models and geodesic methods for image analysis
L. COHEN, G. PEYRE - Statistical computing on manifolds and data assimilation: from medical images to anatomical and physiological models
H. DELINGETTE, X. PENNEC - Méthodes stochastiques pour l'analyse d'images
A. DESOLNEUX, B. GALERNE - Analyse des signaux audiofréquences
G. RICHARD, Y. GRENIER - Géométrie et espaces de formes
A. TROUVE, J. GLAUNES - Problèmes inverses et imagerie : approches statistiques et stochastiques
J. GARNIER
Apprentissage
- Computational statistics
S.ALLASSONNIERE
- Théorie des matrices aléatoires et apprentissage
R. COUILLET, J. NAJIM - Statistique en grande dimension et apprentissage (non proposé cette année)
A. DALALYAN - Modélisation en neurosciences et ailleurs
J.-P. NADAL - Kernel Methods for machine learning
J. MAIRAL, J.-P. VERT - Prediction for individual sequences
V. PERCHET - Advanced learning for text and graph data
M. VAZIRGIANNIS - Foundations of Distributed and Large Scale Computing Optimization
E. CHOUZENOUX et J.-C. PESQUET