Voici quelques liens vers des ressources générales intéressantes pour bien vous préparer pour la rentrée en M2 IAAA:
- Statistiques : http://irma.math.unistra.fr/~geffray/cours/cours-nantes/coursIUT1.pdf
- Linguistique :
- Page Introduction au NLP sur le blog NLP for Hackers
- Poly de Ted Briscoe (Cambridge)
-
Chris Manning & Hinrich Schütze Foundations of statistical NLP – Chapitre 3
- Emily Bender Linguistic fundamentals for NLP I – Morphology & Syntax
- Emily Bender & Alex Lascarides Linguistic fundamentals for NLP II – Semantics & Pragmatics
- Méthode expérimentale : https://www.cairn.info/revue-recherche-en-soins-infirmiers-2006-1-page-66.htm#
- Programmation : Vous devez être à l’aise en programmation python. Les ressources sont très nombreuses
- Algèbre linéaire :
- Calcul matriciel
Quelques liens vers des cours en ligne (gratuits) de Machine Learning, Deep Learning …
- Le cours Machine Learning d’Andrew Ng sur Coursera (assez simple) https://www.coursera.org/learn/machine-learning#syllabus
- Le cours Learning From Data de Yaser Abu-Mostafa (Caltech) assez complet et proche du programme du module DS du M2 IAAA https://www.youtube.com/watch?v=mbyG85GZ0PI&list=PLnIDYuXHkit4LcWjDe0EwlE57WiGlBs08&index=1
- La spécialisation (5 cours) en Deep Learning de Andrew Ng sur Coursera https://www.coursera.org/learn/neural-networks-deep-learning?specialization=deep-learning
Enfin des liens vers quelques livres de référence gratuits en ligne
- Pattern Recognition and Machine Learning de Christopher Bishop (gratuit en ligne): http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf
- Deep Learning Book de Ian Goodfellow, Yoshua Bengio et Aaron Courville (gratuit en line) : https://www.deeplearningbook.org/