Lors de cet atelier, Pierre Barbillon et Emré Anakok nous ont présenté les réseaux de neurones graphiques puis leur implémentation avec pytorch geometric.
Aide à l’installation Pour l’installation de Python et la création d’environnement pour ceux qui n’ont pas l’habitude de Python
Lors de cet atelier, Lucia Clarotto nous a partagé son retour d’expériences sur l’utilisation de quarto pour créer son site personnel. Les documents disponibles sur le site de Samantha Csik ont été particulièrement utiles.
Lors de cet atelier, Christophe Regouby nous a présenté le package R {torch} ainsi que d’autres packages associés.
Résumé : Il s’agit d’un atelier d’exploration des possibilités de {torch} et de son écosystème mlverse de packages.
Lors de cet atelier, Cédric Midoux et Mahendra Mariadassou nous ont présenté quarto.
Résumé : Quarto est un système de publication scientifique et technique open-source, basé sur Pandoc. Il permet de :
Antoine Bichat et Julie Aubert ont rejoué le tutoriel donné aux rencontres R 2024 pour apprendre à créer un"pipeline" complet pour l’apprentissage automatique avec {tidymodels}.
Résumé : {Tidymodels} regroupe un ensemble de packages facilitant l’utilisation de méthodes d’apprentissage statistique (telles que les forêts aléatoires, modèles linéaires bayésien ou non…) dans un cadre unifié et “tidy”.
Jérémy Lamouroux et Florian Teste nous ont préparé un atelier autour du package R {terra} le nouveau package remplaçant {raster} pour faire de l’analyse spatiale en plus rapide, plus facilement avec plus de possibilités.
Présentation de {pyPLNmodels} Bastien Batardière nous présente le package python {pyPLNmodels}, conçu spécifiquement pour l’analyse de données de comptage. Ce package repose sur les modèles PLN et PLN-PCA (Chiquet, Mariadassou, and Robin 2018, 2021), qui font l’hypothèse d’une couche latente gaussienne.
Hugo Gangloff nous a concocté une séance sur l’utilisation des auto-encodeurs variationnels pour le traitement de données single-cell RNA-Seq en Python avec PyTorch.
Résumé :
Cet atelier Happy R est divisé en trois parties dédiées aux autoencodeurs variationnels (VAE) (Kingma and Welling 2014) pour le traitement de données scRNA-seq.
Prerequisites R packages : torch, ggplot2, coro, tidyverse Content Automated Differentiation Slides. TP.
Mini-bach Gradient Descent Slides. TP.
Variational AutoEncoder Slides. TP.
Data Training data in .rds Test data in .
Dans cette séance, Annaig de Walsche, Mary Savino et Marina Gomtsyan nous ont proposé une découverte de l’utilisation de Git via RStudio pour profiter des nombreux intérêts qu’il offre, notamment la gestion d’un travail collaboratif.