Teaching
/ 4 min read
Last Updated:Traitement Automatique de Langage Naturel - Finance
cours de 4 TP (12heqTD pour le semestre 9 de Ensimag, filière Ingénierie pour la finance (IF)) de Traitement automatique du langage naturel (TAL) pour la fouille de texte de l’axe de Apprentissage pour la finance. Dans ce cours, j’enseigne d’abord les bases techniques lors d’un TP d’introduction à la manipulation de données textuelles écrites en français, suivi de la mise en pratique d’un système de traduction automatique neuronal (entraînement, traduction/inférence et évaluation), ainsi que l’analyse de données textuelles avec des représentations de plongement de mots (BERT) et la classification d’entités nommées (Hidden Markov Models). Dans le cadre de ce cours, j’ai dû mettre à jour le matériel et corriger chaque rendu de travail.
Supports:
- TP Intro : Drive + Colab
- TP NMT : Drive
- TP BERT : Colab
- TP HMM : Colab
Explicabilité TAN
4heqTD de CM dans le cadre du cours d’Introduction à la traduction automatique (M1 TSM semestre 8, UFR SoCLE), cours créé à partir de mon travail post-doctoral sur l’explicabilité de la traduction automatique. J’ai été responsable de la création de matériel pédagogique et du développement de démonstrations en ligne pour que les étudiants comprennent les différentes méthodes d’explicabilité pertinentes pour la traduction automatique neuronal.
Supports:
- Slides : MAKENMTVIS
- Demos:
- Guidelines for demos: Drive
Medical Text Mining
Le cours en ligne (sur UNESS.fr) de Medical Text Mining fait partie du parcours du Master Artificial Intelligence for One Health (AI4OH) de l’Institut Multidisciplinaire d’Intelligence Artificielle (MIAI). Dans ce cours de master suivi en distanciel, je fais partie de l’équipe ayant conçu le cours et enseigné trois TP (3heqTP) en appliquant la recherche d’information au domaine médical. J’ai créé les support en format de notebook python exécutable d’une durée 3h pour chaque TP, j’ai du répondre aux questions des étudiants dans un forum et organiser une séance en visio de question réponse avec les étudiants pour chaque TP. J’étais également responsable du CM (3heqTD) sur la Recherche d’Information Sémantique appliquée aux données médicales, ce CM est dispensé sous la forme de capsule video.
Supports:
- TP1 : Introduction Colab
- TP2 : Information Retrieval Colab
- TP3 : Semantic Information Retrieval Colab
- Semantic Information Retrieval Drive
Automates
J’ai enseigné le cours sur les automates à états finis et les langages réguliers. À partir des notions mathématiques et logiques appliquées aux automates, en passant par la définition des automates déterministes, non déterministes et avec des transitions epsilon, incluant les opérations associées ; le cours se termine par l’introduction aux expressions régulières et non régulières en étudiant le théorème de Kleene et le lemme d’itération. J’ai dispensé un total de 54 heures équivalent TD réparties en 36 séances de TD, comprenant 2 groupes de L3 en Informatique et Mathématiques de la Licence Science et Technologies (DLST), pour un total de 59 étudiants. Pour ce cours, j’ai également assuré l’évaluation continue des étudiants.
Réseaux et télécommunications
j’ai réalisé des cours TP sur les réseaux et les télécommunications au niveau M2de l’IUT1, où nous avons commencé par la conception et la mise en œuvre de réseaux locaux, en appliquant diffèrents protocoles de communication (UDP, TCP/IP) ; jusqu’à la gestion des pare-feux, des serveurs DNS, entre autres.
Bases de données
J’ai enseigné depuis la phase de conception jusqu’à la mise en œuvre, la consultation et l’administration du système de base de données PostgreSQL. Le cours comprend également un projet final que j’ai conçu pour qu’il soit plus proche possible d’une situation réelle dans le travail d’un administrateur de bases de données. J’ai enseignée cette cours part trois ans, en sa version anglais et français, comprenant le TP, TD et CM. J’ai mis a jour le support de CM et le projet final de TP.
Supports:
- Projet
Projet - Prog6
J’ai encadré un groupe de cinq étudiants de L3 IM2AG pour l’adaptation d’un jeu de société sous forme de jeu numérique programmé en Java en utilisant le modèle-vue-contrôleur et une interface graphique. L’encadrement se déroulait chaque semaine avec une dédication de 2 heures.