• Période 2 au 27 octobre.
• Le programme: base de statistiques et introduction à l'apprentissage statistique couvrant
  1. les bases mathématiques des statistiques
  2. les problèmes de régression linéaire et non-linéaire
  3. outils mathématiques fondamentaux pour la data et l'IA (algèbre numérique computationnelle, optimisation convexe, optimisation stochastique)
  4. la maitrise des outils essentiels (en python) - visualisation des données, statisique exploratoire

Les livres de référence

1. Polycopié MAP 433
2. Linear Algebra and Optimization for ML - a textbook
3. Regression de Matzner

Liens vers documents pédagogiques.

• Période 1: du 2/10 au 11/10. Intervenant: Yazid Janati. Statistiques.
  • Gaussian distributions, Gamma, Chi square, Student, Fisher distribution.
  • Recap on LLN, CLT. Slutsky's lemma and delta methods.
  • Independence and Gaussian vectors. The Cochran Theorem.
  • Statistical model, likelihood, exponential models, statistic, sufficient statistic, score, Fisher information.
  • Estimators, biased-unbiased estimators, Rao Blackwell, Cramer-Rao bounds.
  • methods of moments, maximum likelihood, Kullback-Leibler divergence, M-estimators.“
  • Confidence intervals, pivotal functions, Hoeffding's inequality.
  • Asymptotic confidence intervals. Use of Slutsky's lemma and of Delta's method.
  • definition of statistical tests, type I and II errors.
  • Different statistical tests in the Gaussian case.

• Période 2: du 12/10 au 20/10. Intervenant: Randal Douc. Régression et classification supervisée.
  • Régression linéaire simple,
  • Régression linéaire multiple,
  • Inférence dans le modèle linéaire gaussien.
  • Moindres carrés généralisées
  • Classification supervisée, risque bayésien.
  • Parametric et semi paramétric classifieurs de Bayes:
    • mélange de gaussiennes.
    • Régression logistique

• Période 3: du 18/10 au 27/10. Intervenant: Laurent Risser. Suite et fin Optimisation.
  • SVM.
  • Algorithmes de gradients, gradients projetés, proximal descent.
  • Classification non supervisée:
    • ACP; SVD
    • K-Means.

Contact local:

• Pr. Nicolas Cheimanoff, email
  • Directeur de l'EMINES - School of Industrial Management
  • Responsable de la Préparation Education Fellow UM6P
  • Université Mohammed VI Polytechnique. site de l'université