GPGPU
1.Architectures des GPUs
2.Programmation des GPUs avec CUDA
3.Patterns de programmations efficaces: considération mémoire
4.Patterns de programmations efficaces: Histogrammes & Réductions
MLOps - cloud et embarqué
Dans ce cours nous étudierons les différentes manières de déployer un modèle de machine learning en production.
Le cours contiendra deux grandes parties :
- 1. MLOps et mise en production de modèle via le cloud : webservice, streaming kafka. Le monitoring de modèle en production sera également abordé.
2. La mise en production de modèle sur des dispositifs embarqués : téléphone, micro-controlleur ou FPGA.
Informatique Quantique
1 : Mathematical reminders : complex numbers and linear algebra
2 : Concept of qubits, measurements, systems of several qubits
3 : One and two-qubit gates, small quantum circuits. Exercises about controlled rotations and Toffoli gate.
4 : n-sized quantum circuits, examples of advantage over classical circuits (like Simon's circuit), universality of some quantum gate sets, inclusion/control of sub-circuits.
5 - Entanglement-related properties : quantum teleportation, superdense coding, etc
6 - Examples of quantum experiments : Bell test, CHSH game, etc
Quantum Machine Learning
1/2 « Polyadic quantum classifiers »
3/4 - Q&A sessions about a QML-related project.
Bonjour à tous,
J’aurais besoin de récolter dès maintenant vos choix pour le S9 parmi les 3 choix suivants :
[1] Informatique Quantique puis Quantum Machine Learning
[2] Informatique Quantique puis MLOps
[3] GPGPU puis MLOps
Bien entendu, un seul choix est possible.
Merci de me donner vos réponses avant le Dimanche 10 Avril, 23h42 :)
Bonne soirée,
Nicolas
_______________________________________________
2023-scia mailing list --
2023-scia@ml.cri.epita.frTo unsubscribe send an email to
2023-scia-leave@ml.cri.epita.fr