- Unité d'enseignement : Modélisation stochastique et apprentissage statistique
Nombre de crédits de l'UE : 6
Code APOGEE : MAT2550M
Type d'enseignement
Nb heures *
Cours Magistraux (CM)
36 h
Travaux Pratiques (TP)
0 h
Durée de projet en autonomie (PRJ)
0 h
Effectif Cours magistraux (CM)
210 étudiants
Effectif Travaux dirigés (TD)
35 étudiants
Effectif Travaux pratiques (TP)
18 étudiants
* Ces horaires sont donnés à titre indicatif.
Compétences attestées (transversales, spécifiques) :
Non rédigé
Programme de l'UE / Thématiques abordées :
Ce cours abordera succesivement les thèmes suivants
- Régression en grande dimension: Exemples concrets et modélisation, Rappels et développement autour du modèle linéaire (modélisation, hypothèses, moindre carrés et vraisemblance, Test de Fisher/Student, ...) - Introduction à la sélection de modèles (construction des critères Cp/AIC/BIC, inégalités à la Birgé & Massart, comportement en grande dimension) - Méthode Ridge (heuristique, lien avec Tikhonov, propriété du risque, quelques mots sur le choix de lambda par estimation du risque - Introduction au LASSO (construction et heuristiques, lien avec le compressed sensing, propriétés théoriques / inégalités oracles, conditions de compatibilité)
- Classification Supervisée: Exemples concrets et modélisation, tour d'horizon de quelques algos (kNN, SVM, réseaux de neurones, régression logistique, ...), aspects théoriques (inégalités de concentrations, théorie de Vapnik, noyaux,...)
- Classification non-supervisée (~8h dont a minima un TP de 2h): ACP, Clustering (kmeans, méthodes hiérarchiques,...), Modèles de mélange gaussien, Spectral clustering.
Parcours / Spécialité / Filière / Option utilisant cette UE :
SELECT MEN_ID, `MEN_DIP_ABREVIATION`, `MEN_TITLE`, `PAR_TITLE`, `PAR_ID` FROM parcours INNER JOIN ue_parcours ON PAR_ID_FK=PAR_ID INNER JOIN mention ON MEN_ID = PAR_MENTION_FK WHERE PAR_ACTIVATE = 0 AND UE_ID_FK='25312' ORDER BY `MEN_DIP_ABREVIATION`, `MEN_TITLE`, `PAR_TITLE`
