Collège De France (sciences Et Technologies)

Xavier Leroy Collège de France Science du logiciel Année 2019-2020 Sémantiques mécanisées : quand la machine raisonne sur ses langages

Walter Fontana Collège de France Informatique et sciences numériques (2019-2020) Année 2019-2020 3 — Modélisation du traitement de l'information biologique III - Outils de raisonnement sur les systèmes d'interaction moléculaire : La quête de renseignements utiles Analyse statique et causalité

Walter Fontana Collège de France Informatique et sciences numériques (2019-2020) Année 2019-2020 2 — L'héritage de l'information biologique : Limites de transmission

Walter Fontana Collège de France Informatique et sciences numériques (2019-2020) Année 2019-2020 2 — L'héritage de l'information biologique : Limites de transmission

Walter Fontana Collège de France Informatique et sciences numériques (2019-2020) Année 2019-2020 2 — L'héritage de l'information biologique : Limites de transmission

Walter Fontana Collège de France Informatique et sciences numériques (2019-2020) Année 2019-2020 1 — La représentation de l'information biologique : Aspects statistiques du mappage des séquences aux structures ; le cas de l’ARN

Walter Fontana Collège de France Informatique et sciences numériques (2019-2020) Année 2019-2020 Auteur d’une centaine de publications, le Pr Walter Fontana mène des recherches, principalement aux États-Unis et en Europe, qui montrent que les théories qui sont à la base de l’informatique d’une part et la biologie d’autre part ont beaucoup de choses en commun, et que la confrontation des points de vue et des approches peut améliorer et changer notre compréhension du vivant. Théoricien et informaticien, il travaille principalement sur les problèmes posés par la biologie des systèmes. Il a contribué à développer kappa , qui est à la fois une plateforme et un langage de programmation informatique permettant de simuler le fonctionnement du vivant au niveau moléculaire et cellulaire, et qui se veut un puissant outil de recherche collaborative en réseau pour la biologie. La biologie des systèmes a émergé en réponse au très haut débit de production et au foisonnement des données liées aux aspects moléculaires de la

Molly Przeworski Innovation technologique Liliane Bettencourt (2018-2019) Origines évolutives des variations génétiques Les variations génétiques héréditaires proviennent de changements accidentels du génome qui se produisent au cours de la reproduction d’un individu et qui persistent dans la population, que ce soit par hasard ou parce qu’ils ont été ou sont bénéfiques. Bien que ces processus et leurs interactions soient extrêmement compliqués, ils permettent à eux seuls de décrire l’évolution des espèces : qu’il s’agisse d’humains ou de mouches, la diversité génétique résulte en effet entièrement de l’interaction de la mutation, de la recombinaison, de la démographie et de la sélection naturelle. Nous nous intéresserons donc à chacune de ces composantes, en nous concentrant en premier sur les processus qui engendrent la variation génétique : la mutation et la recombinaison. Fait intéressant, ces mécanismes eux-mêmes évoluent, et nous discuterons des causes et conséquences de cette évolution. Nous examineron

Molly Przeworski Innovation technologique Liliane Bettencourt (2018-2019) Origines évolutives des variations génétiques Les variations génétiques héréditaires proviennent de changements accidentels du génome qui se produisent au cours de la reproduction d’un individu et qui persistent dans la population, que ce soit par hasard ou parce qu’ils ont été ou sont bénéfiques. Bien que ces processus et leurs interactions soient extrêmement compliqués, ils permettent à eux seuls de décrire l’évolution des espèces : qu’il s’agisse d’humains ou de mouches, la diversité génétique résulte en effet entièrement de l’interaction de la mutation, de la recombinaison, de la démographie et de la sélection naturelle. Nous nous intéresserons donc à chacune de ces composantes, en nous concentrant en premier sur les processus qui engendrent la variation génétique : la mutation et la recombinaison. Fait intéressant, ces mécanismes eux-mêmes évoluent, et nous discuterons des causes et conséquences de cette évolution. Nous examineron

Molly Przeworski Innovation technologique Liliane Bettencourt (2018-2019) Origines évolutives des variations génétiques Les variations génétiques héréditaires proviennent de changements accidentels du génome qui se produisent au cours de la reproduction d’un individu et qui persistent dans la population, que ce soit par hasard ou parce qu’ils ont été ou sont bénéfiques. Bien que ces processus et leurs interactions soient extrêmement compliqués, ils permettent à eux seuls de décrire l’évolution des espèces : qu’il s’agisse d’humains ou de mouches, la diversité génétique résulte en effet entièrement de l’interaction de la mutation, de la recombinaison, de la démographie et de la sélection naturelle. Nous nous intéresserons donc à chacune de ces composantes, en nous concentrant en premier sur les processus qui engendrent la variation génétique : la mutation et la recombinaison. Fait intéressant, ces mécanismes eux-mêmes évoluent, et nous discuterons des causes et conséquences de cette évolution. Nous examineron

Stéphane Mallat Collège de France Science des données Année 2018-2019 L'apprentissage par réseaux de neurones profonds Les réseaux de neurones profonds ont des applications spectaculaires mais sont encore mal compris d'un point de vue mathématiques. Le cours présentera des applications ainsi que les outils algorithmiques et mathématiques permettant d'aborder l'analyse de ces réseaux. De nombreuses questions ouvertes seront discutées. Chaque cours est suivi de présentations de challenges de données ou de séminaires d'intervenants extérieurs sur une application des réseaux de neurones profonds. Le cours abordera successivement les sujets suivants : Applications des réseaux de neurones en vision, audition, physique, langage naturel... Réduction de la dimensionnalité : symétries, décompositions multi-échelles, et parcimonie Les origines des réseaux de neurones : la cybernétique et le perceptron Universalité d'un réseau à deux couches Approximations de fonctions : malédiction de la dimensionnalité Approximations

Stéphane Mallat Collège de France Science des données Année 2018-2019 L'apprentissage par réseaux de neurones profonds Les réseaux de neurones profonds ont des applications spectaculaires mais sont encore mal compris d'un point de vue mathématiques. Le cours présentera des applications ainsi que les outils algorithmiques et mathématiques permettant d'aborder l'analyse de ces réseaux. De nombreuses questions ouvertes seront discutées. Chaque cours est suivi de présentations de challenges de données ou de séminaires d'intervenants extérieurs sur une application des réseaux de neurones profonds. Le cours abordera successivement les sujets suivants : Applications des réseaux de neurones en vision, audition, physique, langage naturel... Réduction de la dimensionnalité : symétries, décompositions multi-échelles, et parcimonie Les origines des réseaux de neurones : la cybernétique et le perceptron Universalité d'un réseau à deux couches Approximations de fonctions : malédiction de la dimensionnalité Approximations

Rachid Guerraoui Collège de France Informatique et sciences numériques (2018-2019) Année 2018-2019 Algorithmique répartie

Stéphane Mallat Collège de France Science des données Année 2018-2019 L'apprentissage par réseaux de neurones profonds Les réseaux de neurones profonds ont des applications spectaculaires mais sont encore mal compris d'un point de vue mathématiques. Le cours présentera des applications ainsi que les outils algorithmiques et mathématiques permettant d'aborder l'analyse de ces réseaux. De nombreuses questions ouvertes seront discutées. Chaque cours est suivi de présentations de challenges de données ou de séminaires d'intervenants extérieurs sur une application des réseaux de neurones profonds. Le cours abordera successivement les sujets suivants : Applications des réseaux de neurones en vision, audition, physique, langage naturel... Réduction de la dimensionnalité : symétries, décompositions multi-échelles, et parcimonie Les origines des réseaux de neurones : la cybernétique et le perceptron Universalité d'un réseau à deux couches Approximations de fonctions : malédiction de la dimensionnalité Approximations

Gérard Berry Algorithmes, machines et langages Collège de France LEÇON DE CLÔTURE Où va l'informatique ? 26 février 2019

Stéphane Mallat Collège de France Science des données Année 2018-2019 L'apprentissage par réseaux de neurones profonds Les réseaux de neurones profonds ont des applications spectaculaires mais sont encore mal compris d'un point de vue mathématiques. Le cours présentera des applications ainsi que les outils algorithmiques et mathématiques permettant d'aborder l'analyse de ces réseaux. De nombreuses questions ouvertes seront discutées. Chaque cours est suivi de présentations de challenges de données ou de séminaires d'intervenants extérieurs sur une application des réseaux de neurones profonds. Le cours abordera successivement les sujets suivants : Applications des réseaux de neurones en vision, audition, physique, langage naturel... Réduction de la dimensionnalité : symétries, décompositions multi-échelles, et parcimonie Les origines des réseaux de neurones : la cybernétique et le perceptron Universalité d'un réseau à deux couches Approximations de fonctions : malédiction de la dimensionnalité Approximations

Rachid Guerraoui Collège de France Informatique et sciences numériques (2018-2019) Année 2018-2019 Algorithmique répartie

Jean-François Joanny Matière molle et biophysique Collège de France Année 2020-2021 Leçon inaugurale : Matière molle et biophysique Jean-François Joanny, chercheur à l’Institut Curie et ancien directeur de l’ESPCI (École supérieure de physique et de chimie industrielle de la ville de Paris), a consacré la majeure partie de sa carrière à l’étude de la matière molle. Le terme de « matière molle » désigne toutes les formes intermédiaires de la matière, entre les états solide et liquide, qui comprennent aussi bien les cristaux liquides et les polymères que les structures colloïdales. Parce qu’ils sont sensibles à la moindre perturbation, leur physique est singulière. Ce domaine, où la recherche française excelle, doit beaucoup à une école française fondée par Pierre-Gilles De Gennes qui occupa la chaire de Physique de la matière condensée au Collège de France pendant une trentaine d'années (1971-2004). L’étude de la matière molle se fonde sur des lois très générales permettant de décrire un phénomène simultan

Stéphane Mallat Collège de France Science des données Année 2018-2019 L'apprentissage par réseaux de neurones profonds Les réseaux de neurones profonds ont des applications spectaculaires mais sont encore mal compris d'un point de vue mathématiques. Le cours présentera des applications ainsi que les outils algorithmiques et mathématiques permettant d'aborder l'analyse de ces réseaux. De nombreuses questions ouvertes seront discutées. Chaque cours est suivi de présentations de challenges de données ou de séminaires d'intervenants extérieurs sur une application des réseaux de neurones profonds. Le cours abordera successivement les sujets suivants : Applications des réseaux de neurones en vision, audition, physique, langage naturel... Réduction de la dimensionnalité : symétries, décompositions multi-échelles, et parcimonie Les origines des réseaux de neurones : la cybernétique et le perceptron Universalité d'un réseau à deux couches Approximations de fonctions : malédiction de la dimensionnalité Approximations

Stéphane Mallat Collège de France Science des données Année 2018-2019 L'apprentissage par réseaux de neurones profonds Les réseaux de neurones profonds ont des applications spectaculaires mais sont encore mal compris d'un point de vue mathématiques. Le cours présentera des applications ainsi que les outils algorithmiques et mathématiques permettant d'aborder l'analyse de ces réseaux. De nombreuses questions ouvertes seront discutées. Chaque cours est suivi de présentations de challenges de données ou de séminaires d'intervenants extérieurs sur une application des réseaux de neurones profonds. Le cours abordera successivement les sujets suivants : Applications des réseaux de neurones en vision, audition, physique, langage naturel... Réduction de la dimensionnalité : symétries, décompositions multi-échelles, et parcimonie Les origines des réseaux de neurones : la cybernétique et le perceptron Universalité d'un réseau à deux couches Approximations de fonctions : malédiction de la dimensionnalité Approximations