Sequential Decision

ESIEE Paris, 5th year, 2026-2027. Bandits, reinforcement learning and learning from preferences: slides, tutorial sheets and lab notebooks. Course page

Formation Machine Learning

Travaux pratiques (notebooks Jupyter). Trois TP en Python, à faire dans l’ordre. Chaque notebook est une version « étudiant » avec des blocs # A COMPLETER à remplir. Téléchargez le fichier (clic droit, enregistrer le lien) puis ouvrez-le avec Jupyter.

• TP0 : Prise en main Python (optionnel) : Python, NumPy, Matplotlib, pandas et un premier modèle scikit-learn de bout en bout. Télécharger le notebook · corrigé
• TP1 : Apprentissage supervisé : kNN, régression linéaire, perceptron codé à la main, LDA/QDA vs régression logistique, évaluation (ROC/AUC), pipeline sur tabulaire / images / texte. Télécharger l’archive · corrigé
• TP2 : Apprentissage non supervisé : K-means et compression d’image, PCA, puis modules à la carte (détection d’anomalies, NMF, réseaux de neurones, clustering spectral). Télécharger le notebook · corrigé

Environnement : numpy, scikit-learn, matplotlib, pandas, et torch pour le TP2. Tout tourne hors ligne sur CPU.