Merci d'être intervenant⋅e au Nantes ML Meetup. Ce document offre quelques conseils pratiques. (Si des éléments manquent ou pourraient être améliorés, n'hésitez surtout pas à le signaler.)
Le NMLM vise un niveau technique plutôt avancé. Il est raisonnable de supposer que toute personne dans la salle aura au moins la sophistication d'un⋅e bon⋅ne étudiant⋅e qui termine son M2. (Comme toute supposition, elle est fausse mais peut servir nonobstant.) Autrement dit, préparez votre présentation sans vulgarisation, comme pour une conférence, sans peur des maths, mais sachant que, quelque soit le niveau devant vous, il y a également une hétérogénéïté importante. L'apprentissage automatique est un sujet vaste qui s'approche de plusieurs angles. Ceci dit, ça reste une bonne pratique d'exposition scientifique de ré-introduire même extrêmement rapidement les concepts utilisés.
Normalement, on vous demandera une copie de vos diapos après la présentation. La présentation sera typiquement enregistrée. Si l'un ou l'autre de ces points pose problème, n'hésitez pas à le signaler en avance (généralement, si les diapos contiennent des informations que vous ne voulez pas diffuser sur github, il est toutefois possible de les modifier légèrement afin d'enlever la partie qui gêne, ce qui est meilleur qu'une absence totale pour ceux qui n'étaient pas présents.)
Thanks for agreeing to present to the Nantes ML Meetup. This document offers some hopefully practical advice. If something could be better or is missing, please tell us.
The NMLM aims for a high technical level. A reasonable assumption is that everyone in the audience has at least a masters in computer science. (This assumption is false even if it is ultimately a useful fiction.) In other words, don't dumb it down. Think a colloquium talk. At the same time, realise that machine learning is a broad subject approachable from many angles, and your audience will have different expertises than you. That said, it is nonetheless a good practice in scientific presentations very quickly to re-introduce the concepts one uses.
We normally ask you for your slides to post here on github for those who perhaps missed the talk. In addition, we record talks when possible. If either of these poses a problem, please let us know in advance. (If posting your slides seems awkward, reflect that it's usually possible simply to remove a couple details rather than depriving people of the entire deck.)