Mathématiques, Apprentissage, Sciences et Humanités - 2ème année de Master

UE Introductifs obligatoires en statistiques bayésienne

• Introduction à R

  Introduction à R

  Volume horaire : 3
• Introduction au Bayesian

  Introduction au Bayesian

  Volume horaire : 3
• A review of probability theory foundations

  A review of probability theory foundations

  Ects : 6

  Enseignant responsable :
  DJALIL CHAFAI
  

  Volume horaire : 15

  Description du contenu de l'enseignement :

  - Random variables, expectations, laws, independence

  - Inequalities and limit theorems, uniform integrability

  - Conditioning, Gaussian random vectors

  - Bounded variation and Lebegue-Stieltjes integral

  - Stochastic processes, stopping times, martingales

  - Brownian motion : martingales, trajectories, construction

  - Wiener stochastic integral and Cameron-Martin formula
• Introduction à Python

  Introduction à Python

  Enseignant responsable :
  DAVID GONTIER
  

  Volume horaire : 3

Cours fondamentaux

• Optimisation pour l'apprentissage automatique

  Optimisation pour l'apprentissage automatique

  Ects : 3

  Enseignant responsable :
  Clement ROYER
  

  Volume horaire : 18

  Description du contenu de l'enseignement :

  Optimization is at the heart of most recent advances in machine learning. Indeed, it not only plays a major role in linear regression, SVM and kernel methods, but it is also the key to the recent explosion of deep learning for supervised and unsupervised problems in imaging, vision and natural language processing. This course will review the mathematical foundations, the underlying algorithmic methods and showcase modern applications of a broad range of optimization techniques.

  The course will be composed of classical lectures and numerical sessions in Python. It will begin with the basic components of smooth optimization (optimality conditions, gradient-type methods), then move to methods that are particularly relevant in a machine learning setting such as the celebrated stochastic gradient descent algorithm and its variants. More advanced algorithms related to non-smooth and constrained optimization, that encompass known characteristics of learning problems such as the presence of regularizing terms, will also be described. During lab sessions, the various algorithms studied during the lectures will be implemented and tested on real and synthetic datasets: these sessions will also address several practical features of optimization codes such as automatic differentiation, and built-in optimization routines within popular machine learning libraries such as PyTorch.

  Pré-requis recommandés :

  Fundamentals of linear algebra and real analysis. Experience with Python programming.

  Compétences à acquérir :

  - Identify the characteristics of an optimization problem given its formulation.

  - Know the theoretical and practical properties of the most popular optimization techniques.

  - Find the best optimization algorithm to handle a particular feature of a machine learning problem.

  Mode de contrôle des connaissances :

  Written exam.

  Bibliographie-lectures recommandées

  Bibliography:

  Theory and algorithms:

  Convex Optimization, Boyd and Vandenberghe

  Introduction to matrix numerical analysis and optimization, Philippe Ciarlet

  Proximal algorithms, N. Parikh and S. Boyd

  Introduction to Nonlinear Optimization - Theory, Algorithms and Applications, Amir Beck

  Numerics:

  Pyrthon and Jupyter installation: use only Python 3 with Anaconda distribution.

  The Numerical Tours of Signal Processing, Gabriel Peyré

  Scikitlearn tutorial #1 and Scikitlearn tutorial #2, Fabian Pedregosa, Jake VanderPlas

  Reverse-mode automatic differentiation: a tutorial

  Convolutional Neural Networks for Visual Recognition

  Christopher Olah, Blog

• Optimisation

  Optimisation

  Ects : 6

  Enseignant responsable :
  ANTONIN CHAMBOLLE
  

  Volume horaire : 24

  Description du contenu de l'enseignement :

  This course will review the mathematical foundations for Machine Learning, as well as the underlying algorithmic methods and showcases some modern applications of a broad range of optimization techniques.

  Optimization is at the heart of most recent advances in machine learning. This includes of course most basic methods (linear regression, SVM and kernel methods). It is also the key for the recent explosion of deep learning which are state of the art approaches to solve supervised and unsupervised problems in imaging, vision and natural language processing.

  This course will review the mathematical foundations, the underlying algorithmic methods and showcases some modern applications of a broad range of optimization techniques. The course will be composed of both classical lectures and numerical sessions in Python. The first part covers the basic methods of smooth optimization (gradient descent) and convex optimization (optimality condition, constrained optimization, duality). The second part will features more advanced methods (non-smooth optimization, SDP programming, interior points and proximal methods). The last part will cover large scale methods (stochastic gradient descent), automatic differentiation (using modern python framework) and their application to neural network (shallow and deep nets).

  Compétences à acquérir :

  The objective of this course is to learn how to recognize, manipulate and solve a relatively large class of emerging convex problems in areas such as, for example, learning, finance or signal processing.

• Statistiques en grandes dimensions

  Statistiques en grandes dimensions

  Ects : 4

  Enseignant responsable :
  MARC HOFFMANN
  VINCENT RIVOIRARD
  

  Volume horaire : 18

  Description du contenu de l'enseignement :

  Fléau de la dimension et hypothèse de parcimonie pour la régression gaussienne, les modèles linéaires généralisés et les données de comptage.

  Ondelettes et estimation par seuillage.

  Choix de modèles et sélection de variables.

  Estimation par pénalisation convexe : procédure Ridge, lasso, group-lasso…

  Liens avec l’approche bayésienne.

  Méthodes d’agrégation.

  Tests multiplies : procédures FDR, FWER.

  Estimation matricielle.

  Compétences à acquérir :

  L’objectif de ce cours de statistique est de présenter les outils mathématiques et les méthodologies dans la situation où le nombre de paramètres à inférer est très élevé, typiquement beaucoup plus important que le nombre d’observations.

• Modèles graphiques

  Modèles graphiques

  Ects : 4

  Enseignant responsable :
  FABRICE ROSSI
  

  Volume horaire : 18

  Compétences à acquérir :

  Modélisation probabiliste, apprentissage et inférence sur les modèles graphiques. Les principaux thèmes abordés sont :

  Maximum de vraisemblance.

  Régression linéaire.

  Régression logistique.

  Modèle de mélange, partitionnement.

  Modèles graphiques.

  Familles exponentielles.

  Algorithme produit-somme.

  Hidden Markov models.

  Inférence approximée

  Méthodes bayésiennes.

• Advanced learning

  Advanced learning

  Ects : 4

  Volume horaire : 23

  Description du contenu de l'enseignement :

  Typologie des problèmes d’apprentissage (supervisé vs. non-supervisé).

  Modèle statistique pour la classification binaire : Approches génératives vs. discriminantes.

  Algorithmes classiques : méthodes paramétriques, perceptron, méthodes de partitionnement.

  Critères de performances : erreur de classification, courbe ROC, AUC.

  Convexification du risque : Algorithmes de type boosting et SVM. Mesures de complexité combinatoires, métriques géométriques.

  Sélection de modèle et régularisation.

  Théorèmes de consistance et vitesses de convergence.

  Compétences à acquérir :

  Bases mathématiques pour la modélisation des problèmes d’apprentissage supervisé et l’analyse des algorithmes de classification en grande dimension. Il s’agit de présenter les bases mathématiques pour la modélisation des problèmes d’apprentissage supervisé et l’analyse des algorithmes de classification en grande dimension.

Cours optionnels - 5 cours à choisir parmi :

• Transport optimal

  Transport optimal

  Ects : 4

  Enseignant responsable :
  GABRIEL PEYRE
  

  Volume horaire : 18

  Description du contenu de l'enseignement :

  Optimal transport (OT) is a fundamental mathematical theory at the interface between optimization, partial differential equations and probability. It has recently emerged as an important tool to tackle a surprisingly large range of problems in data sciences, such as shape registration in medical imaging, structured prediction problems in supervised learning and training deep generative networks.

  This course will interleave the description of the mathematical theory with the recent developments of scalable numerical solvers. This will highlight the importance of recent advances in regularized approaches for OT which allow one to tackle high dimensional learning problems.

   

  The course will feature numerical sessions using Python.

  • Motivations, basics of probabilistic modeling and matching problems.
  • Monge problem, 1D case, Gaussian distributions.
  • Kantorovitch formulation, linear programming, metric properties.
  • Shrödinger problem, Sinkhorn algorithm.
  • Duality and c-transforms, Brenier’s theory, W1, generative modeling.
  • Semi-discrete OT, quantization, Sinkhorn dual and divergences
• Computational methods and MCMC

  Computational methods and MCMC

  Ects : 4

  Enseignant responsable :
  CHRISTIAN ROBERT
  

  Volume horaire : 18

  Description du contenu de l'enseignement :

  Motivations

  Monte-Carlo Methods

  Markov Chain Reminders

  The Metropolis-Hastings method

  The Gibbs Sampler

  Perfect sampling

  Sequential Monte-Carlo methods

  Compétences à acquérir :

  This course aims at presenting the basics and recent developments of simulation methods used in statistics and especially in Bayesian statistics. Methods of computation, maximization and high-dimensional integration have indeed become necessary to deal with the complex models envisaged in the user disciplines of statistics, such as econometrics, finance, genetics, ecology or epidemiology (among others!). The main innovation of the last ten years is the introduction of Markovian techniques for the approximation of probability laws (and the corresponding integrals). It thus forms the central part of the course, but we will also deal with particle systems and stochastic optimization methods such as simulated annealing.

• Applied bayesian statistics

  Applied bayesian statistics

  Ects : 4

  Enseignant responsable :
  ROBIN RYDER
  

  Volume horaire : 18

  Description du contenu de l'enseignement :

  We shall put in practice classical models for statistical inference in a Bayesian setting, and implement computational methods. Using real data, we shall study various models such as linear regression, capture-recapture, and a hierarchical model. We shall discuss issues of model building and validation, the impact of the choice of prior, and model choice via Bayes Factors. The implementation shall use several algorithms: Markov Chain Monte Carlo, importance sampling, Approximate Bayesian Computation. The course is based on the free software R.

  Practical information: Large portions of the course are devoting to students coding. Students should bring their own laptop, which must have R installed before the first session; I strongly suggest installing RStudio (free) as well.

  Pré-requis obligatoire :

  Pre-requisite: Knowledge of the programming language R is essential, as well as an introduction to Bayesian inference.

  Compétences à acquérir :

  Modelling and inference in a Bayesian setting

• Bayesian non parametric and Bayesian Machine Learning

  Bayesian non parametric and Bayesian Machine Learning

  Ects : 4

  Enseignant responsable :
  JULYAN ARBEL
  

  Volume horaire : 18
• Mixing times of Markov chains

  Mixing times of Markov chains

  Ects : 6

  Enseignant responsable :
  JUSTIN SALEZ
  

  Volume horaire : 24

  Description du contenu de l'enseignement :

  Combien de fois faut-il battre un paquet de 52 cartes pour que la permutation aléatoire obtenue soit à peu près uniformément distribuée ? Ce cours est une introduction sans pré-requis à la théorie moderne des temps de mélange des chaînes de Markov. Un interêt particulier sera porté au célèbre phénomène de "cutoff", qui est une transition de phase remarquable dans la convergence de certaines chaînes vers leur distribution stationnaire. Parmi les outils abordés figureront les techniques de couplage, l'analyse spectrale, le profil isopérimétrique, ou les inégalités fonctionnelles de type Poincaré. En guise d'illustration, ces méthodes seront appliquées à divers exemples classiques issus de contextes variés: mélange de cartes, marches aléatoires sur les groupes, systèmes de particules en intéraction, algorithmes de Metropolis-Hastings, etc. Une place importante sera accordée aux marches sur graphes et réseaux, qui sont aujourd'hui au coeur des algorithmes d'exploration d'Internet et sont massivement utilisées pour la collecte de données et la hiérarchisation des pages par les moteurs de recherche.

   

  Compétences à acquérir :

  Pour en savoir plus : www.ceremade.dauphine.fr/~salez/mix.html

  Bibliographie-lectures recommandées

  Notes de cours, examen 2019 et correction (J. Salez)

  Markov Chains and Mixing Times (D. Levin, Y. Peres & E. Wilmer)

  Mathematical Aspects of Mixing Times in Markov Chains (R. Montenegro & P. Tetali)

  Mixing Times of Markov Chains: Techniques and Examples (N. Berestycki)

  Reversible Markov Chains and Random Walks on Graphs (D. Aldous & J. Fill)

• Object recognition and computer vision

  Object recognition and computer vision

  Ects : 4
• Journalisme et données

  Journalisme et données

  Ects : 4

  Enseignant responsable :
  ROBIN RYDER
  

  Volume horaire : 18

  Description du contenu de l'enseignement :

  L’objectif de ce cours est de mettre en place une interaction entre des étudiants mathématiciens et journalistes, en collaboration avec l’Institut Pratique du Journalisme. Après des interventions de deux professionnels, les étudiants formeront des groupes de 2 à 4 personnes (en mélangeant M2 MASH et M2 IPJ) pour analyser en autonomie des jeux de données de grande taille. Ils auront à débroussailler les données, trouver une problématique, proposer et valider des modèles pertinents, effectuer des analyses mathématiques, choisir un angle, élaborer des visualisations de données, et rédiger un rapport accessible au grand public sous forme d’article de presse.
• Natural language processing

  Natural language processing
• Renforcement learning

  Renforcement learning
• Evaluations des politiques publiques

  Evaluations des politiques publiques
• Méthode à noyau pour l'apprentissage

  Méthode à noyau pour l'apprentissage

  Ects : 4

  Volume horaire : 18

  Description du contenu de l'enseignement :

  Reproducing kernel Hilbert spaces et le “kernel trick”

  Théorème de représentation

  Kernel PCA

  Kernel ridge regression

  Support vector machines

  Noyaux sur les semigroupes

  Noyaux pour le texte, les graphes, etc.

  Compétences à acquérir :

  Présenter les bases théoriques et des applications des méthodes à noyaux en apprentissage.

Mémoire de recherche