Ects : 3
Volume horaire : 40

Description du contenu de l'enseignement :

• 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.

Enseignant responsable : ANGELINA ROCHE

Coefficient : 1

Compétence à acquérir :

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