Apprentissage statistique

Ects : 4

Enseignant responsable :

  • ANGELINA ROCHE

Volume horaire : 39

Description du contenu de l'enseignement :

Volume horaire détaillé :

CM : 19h30

TD : 19h30

  • Introduction à l’apprentissage statistique : Apprentissage supervisé/non-supervisé, Régression et Classification, Procédure générale d’apprentissage, Évaluation du modèle, Sur et Sous-apprentissage.
  • Méthode des K plus proches voisins et notion de “curse of dimensionality”.
  • Régression linéaire en grande dimension, sélection des variables et régularisation du modèle (Ridge et Lasso).
  • Méthodes classiques pour la classification supervisée.
  • Algorithme du gradient (descente classique, stochastique et mini-batch) (optionnel).
  • (Non-supervisé) K-means clustering.

Pré-requis obligatoires :

Probabilités ( y compris "Espérance conditionnelle" ) et statistiques ( Niveau L3 )

Compétence à acquérir :

Connaître les bases de l’apprentissage statistique et les méthodes les plus courantes, en particulier dans un contexte de grande dimension.

Mode de contrôle des connaissances :

Examen partiel, Projet (en Python), Examen Final