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 [2023/09/28 14:57] rdouc |
maroc [2024/06/03 14:24] rdouc [Période] |
||
---|---|---|---|
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 06/10 puis que 09/10 au 11/10. //Intervenant//: **Thomas Belhalfaoui**. Statistiques. | + | * **Période 1**: du 30/09 au 04/10 puis que 07/10 au 09/10. //Intervenant//: **Thomas Belhalfaoui**. Statistiques. |
* Distributions gaussiennes, Gamma, Chi carré, Student, distribution de Fisher. | * Distributions gaussiennes, Gamma, Chi carré, Student, distribution de Fisher. | ||
* Rappel sur loi des grands nombres, Théorème limite. Le lemme de Slutsky et les méthodes delta. | * Rappel sur loi des grands nombres, Théorème limite. Le lemme de Slutsky et les méthodes delta. | ||
Line 34: | Line 34: | ||
* Définition des tests statistiques, erreurs de type I et II. | * Définition des tests statistiques, erreurs de type I et II. | ||
* Différents tests statistiques dans le modèle gaussien. | * 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. | + | * **Période 2**: du 10/10 au 11/10 puis du 14/10 au 18/10. //Intervenant//: **Randal Douc**. Régression et classification supervisée. |
- | * Algorithme EM, mélange de gaussiennes. | + | * Régression: |
- | * Régression linéaire simple, | + | * Régression linéaire simple, |
- | * Régression linéaire multiple, | + | * Régression linéaire multiple, |
- | * Inférence dans le modèle linéaire gaussien. | + | * Diagnostic de modèle. |
- | * Moindres carrés généralisées. | + | * Inférence dans le modèle linéaire gaussien. |
- | * Régression logistique. | + | * Sélection de variables. |
- | * Classification supervisée, risque bayésien. | + | * Ridge, Lasso, Elastic-Net. |
- | * Classifieurs de Bayes: (Exercices...) | + | * Validation croisée. |
- | * mélange de gaussiennes. | + | * Classification supervisée: |
- | * classification logistique. | + | * Classifieur optimal de Bayes. |
- | * K plus proches voisins | + | * Algorithme EM, mélange de gaussiennes. |
+ | * Régression logistique bi-classe. | ||
+ | * Boosting, forêts aléatoires. | ||
- | * **Période 3**: du 23/10 au 27/10. //Intervenant//: **Laurent Risser**. Optimisation. | + | * **Période 3**: du 21/10 au 25/10. //Intervenant//: **Laurent Risser**. Optimisation. |
* Bases de l'optimisation (optimisation multivarié) | * Bases de l'optimisation (optimisation multivarié) | ||
* Minimisation de fonctions convexe (caractérisation variationnelle des points extrêmaux) | * Minimisation de fonctions convexe (caractérisation variationnelle des points extrêmaux) | ||
+ | * Méthodes proximales. | ||
* Gradient stochastique (et analyse de convergence pour un coût convexe) | * Gradient stochastique (et analyse de convergence pour un coût convexe) | ||
* Calcul des gradients (différentier par rapport à un vecteur) | * Calcul des gradients (différentier par rapport à un vecteur) |