Mathematics of Machine Learning M2 MAPI3 (University of Toulouse, 2026-2027)

Lecturers: Clément Lalanne, Valentin Lafargue
⚠ TP du vendredi 6 novembre en distanciel En raison des blocages, le TP de ce vendredi 6 novembre a lieu en distanciel : vous êtes censés le faire en autonomie, à la maison. De 17h à 17h45, le chargé de TD sera disponible sur visio.numerique.gouv.fr/vbh-cvqo-nre pour répondre aux questions que vous auriez après avoir essayé par vous-mêmes. Pour que ce créneau soit efficace, il est attendu que vous ayez déjà commencé le TP de votre côté.
⚠ Séance annulée le mercredi 4 novembre Suite à un avis de fermeture administrative, la séance du mercredi 4 novembre est également annulée. Il vous est simplement demandé de faire à la maison l'activité sur les réseaux de neurones, avec le playground interactif. Si vous en avez envie, vous pouvez aussi regarder les slides sur l'IA générative : seule la première partie est en ligne pour l'instant, la suite viendra plus tard. Pour rappel, l'IA générative n'est pas au programme de l'examen.
⚠ Séance annulée le lundi 2 novembre Le bâtiment U4, où devait avoir lieu la séance de ce lundi 2 novembre, est bloqué : la séance est annulée et son contenu est reporté à la prochaine séance, le mercredi 4 novembre. Pour celle-ci, ce serait bien d'avoir lu les slides sur les réseaux de neurones : nous ferons en classe l'activité sur le playground interactif. Le QCM 2 prévu le 4 novembre est annulé et, jusqu'à nouvel ordre, seul le QCM sur les méthodes expérimentales (QCM 1) est maintenu.
⚠ Séance annulée le lundi 12 octobre Malheureusement, la séance du lundi 12 octobre est annulée en raison du mouvement de mobilisation étudiante en France. En particulier, le TP avec QCM noté (QCM 1) prévu ce jour-là est reporté à une date ultérieure, qui vous sera communiquée. Nous verrons comment rattraper cette séance.

Overview

This class aims to introduce the main theoretical foundations of modern machine learning, with a focus on supervised learning. Basic knowledge of linear algebra and probability theory (including measure theory) is required. For the last lectures, basic knowledge of functional analysis is recommended.

Evaluation

For all students, the final grade will consist of 80% from a 2-hour final exam and 20% from in-class work. For part-time working students (étudiants en alternance), the in-class grade will be based on three MCQs (QCMs en Français). For other students, the in-class grade will be split equally: 50% from MCQs and 50% from the projects.

QCM 1 : 12 octobre 2026 reporté à une date ultérieure, TPs et méthodes expérimentales (TP1 au programme).
QCM 2 : 4 novembre 2026, cours jusqu'aux réseaux de neurones annulé.
Jusqu'à nouvel ordre, seul le QCM 1 (méthodes expérimentales) est maintenu.

Survival Kit for the Exam

For the exam, you should be familiar with the following concepts and techniques:

Lectures

TDs / TPs

References and External Resources

Machine Learning and Learning Theory

Generative AI

Optimization for Machine Learning

Measure and Probability Theory

Analysis