maroc
Differences
This shows you the differences between two versions of the page.
| Both sides previous revision Previous revision Next revision | Previous revision Next revision Both sides next revision | ||
|
maroc [2023/05/16 18:30] rdouc [Période] |
maroc [2024/06/03 14:08] rdouc [Introduction] |
||
|---|---|---|---|
| Line 6: | Line 6: | ||
| - | * **Période** 2 au 27 octobre. | + | * **Période** 30 au 25 octobre 2024. |
| * Le programme: base de statistiques et introduction à l'apprentissage statistique couvrant | * Le programme: base de statistiques et introduction à l'apprentissage statistique couvrant | ||
| - les bases mathématiques des statistiques | - les bases mathématiques des statistiques | ||
| Line 19: | Line 19: | ||
| - Linear Algebra and Optimization for ML - a textbook | - Linear Algebra and Optimization for ML - a textbook | ||
| - Regression de Matzner | - Regression de Matzner | ||
| - | [[https://temtsp-my.sharepoint.com/:f:/g/personal/randal_douc_telecom-sudparis_eu/EtsbQHsQZhVGsmUfViD8DaYBLMdouaj4rbFeHEB84hNinA?e=l1saI0|Liens vers documents pédagogiques.]] | + | [[https://temtsp-my.sharepoint.com/:f:/g/personal/randal_douc_telecom-sudparis_eu/EtsbQHsQZhVGsmUfViD8DaYBB5AsMjbgGvq-rJToiMKdkg?e=hgcZjh|Liens vers documents pédagogiques.]] |
| ===== Période ===== | ===== Période ===== | ||
| - | * **Période 1**: du 2/10 au 6/10. //Intervenant//: Yazid Janati. Statistiques. | + | * **Période 1**: du 2/10 au 06/10 puis que 09/10 au 11/10. //Intervenant//: **Thomas Belhalfaoui**. Statistiques. |
| - | * Gaussian distributions, Gamma, Chi square, Student, Fisher distribution. | + | * Distributions gaussiennes, Gamma, Chi carré, Student, distribution de Fisher. |
| - | * Recap on LLN, CLT. Slutsky's lemma and delta methods. | + | * Rappel sur loi des grands nombres, Théorème limite. Le lemme de Slutsky et les méthodes delta. |
| - | * Independence and Gaussian vectors. The Cochran Theorem. | + | * Indépendance, Vecteurs gaussiens, Théorème de Cochran. |
| - | * Statistical model, likelihood, exponential models, statistic, sufficient statistic, score, Fisher information. | + | * Modèle statistique, vraisemblance, modèles exponentiels, statistique, statistique suffisante, score, information de Fisher. |
| - | * Estimators, biased-unbiased estimators, Rao Blackwell, Cramer-Rao bounds. | + | * Estimateurs, estimateurs biaisés et non biaisés, Rao Blackwell, bornes de Cramer-Rao, efficacité. |
| - | * methods of moments, maximum likelihood, Kullback-Leibler divergence, M-estimators." | + | * Méthodes des moments, maximum de vraisemblance, divergence de Kullback-Leibler, M-estimateurs", efficacité asymptotique |
| - | * Confidence intervals, pivotal functions, Hoeffding's inequality. | + | * Intervalles de confiance, fonctions pivots, inégalité de Hoeffding. |
| - | * Asymptotic confidence intervals. Use of Slutsky's lemma and of Delta's method. | + | * Intervalles de confiance asymptotiques. Utilisation du lemme de Slutsky et de la méthode Delta. |
| - | * definition of statistical tests, type I and II errors. | + | * Définition des tests statistiques, erreurs de type I et II. |
| - | * Different statistical tests in the Gaussian case. | + | * Différents tests statistiques dans le modèle gaussien. |
| + | * **Période 2**: du 12/10 au 13/10 puis du 16/10 au 20/10. //Intervenant//: **Randal Douc**. Régression et classification supervisée. | ||
| + | * Régression: | ||
| + | * Régression linéaire simple, | ||
| + | * Régression linéaire multiple, | ||
| + | * Diagnostic de modèle. | ||
| + | * Inférence dans le modèle linéaire gaussien. | ||
| + | * Sélection de variables. | ||
| + | * Ridge, Lasso, Elastic-Net | ||
| + | * Classification supervisée: | ||
| + | * Classifieur optimal de Bayes. | ||
| + | * Algorithme EM, mélange de gaussiennes. | ||
| + | * Régression logistique bi-classe. | ||
| + | * Boosting, forêts aléatoires. | ||
| - | * **Pause**: du 09/10 au 10/10: 2 jours sur un TP ou Projet ou Devoir de maison. | + | * **Période 3**: du 23/10 au 27/10. //Intervenant//: **Laurent Risser**. Optimisation. |
| - | + | * Bases de l'optimisation (optimisation multivarié) | |
| - | * **Période 2**: du 11/10 au 20/10. //Intervenant//: Randal Douc. Fin Optimisation et Régression. | + | * Minimisation de fonctions convexe (caractérisation variationnelle des points extrêmaux) |
| - | * Régression linéaire simple, | + | * Gradient stochastique (et analyse de convergence pour un coût convexe) |
| - | * Régression linéaire multiple, | + | * Calcul des gradients (différentier par rapport à un vecteur) |
| - | * Inférence dans le modèle linéaire gaussien. | + | * Régression logistique et extension multi-classes. |
| - | * Validation de modèle, choix de variables. | + | * Optimisation non douce (algorithme du sous-gradient) |
| - | * Moindres carrés généralisées | + | * Machines à vecteurs de support (hinge loss) |
| - | * Régression logistique | + | * Classification non supervisée: |
| - | * Stochastic gradient descent. | + | * ACP; SVD |
| - | * Algorithme EM, mélange de gaussiennes. | + | * K-Means. |
| - | + | ||
| - | + | ||
| - | * **Période 3**: du 18/10 au 27/10. //Intervenant//: Laurent Risser. Optimisation. | + | |
| - | * Algorithme du gradient. | + | |
| - | * SVM. | + | |
| - | * Algorithmes de gradients, gradients projetés, proximal descent. | + | |
| - | * ACP, SVD | + | |
| - | * K-Means. | + | |
| Contact local: | Contact local: | ||
| * Pr. Nicolas Cheimanoff, [[[email protected]|email]] | * Pr. Nicolas Cheimanoff, [[[email protected]|email]] | ||
| - | * Directeur de l'EMINES - School of Industrial Management | + | * Directeur de l'EMINES - School of Industrial Management [[https://www.emines-ingenieur.org/|site de l'emines]] |
| * Responsable de la Préparation Education Fellow UM6P | * Responsable de la Préparation Education Fellow UM6P | ||
| * Université Mohammed VI Polytechnique. [[https://www.um6p.ma/|site de l'université]] | * Université Mohammed VI Polytechnique. [[https://www.um6p.ma/|site de l'université]] | ||
maroc.txt · Last modified: 2024/06/08 12:24 by rdouc
Page Tools
