maroc
Differences
This shows you the differences between two versions of the page.
| Both sides previous revision Previous revision Next revision | Previous revision | ||
|
maroc [2023/05/17 08:01] eric [Période] |
maroc [2023/10/30 16:06] (current) rdouc |
||
|---|---|---|---|
| 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 11/10. //Intervenant//: Yazid Janati. Statistiques. | + | * **Période 1**: du 2/10 au 06/10 puis que 09/10 au 11/10. //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. |
| - | *Indépendance, Vecteurs gaussiens, Théorème de Cochran. | + | * Indépendance, Vecteurs gaussiens, Théorème de Cochran. |
| - | * Modèle statistique, vraisemblance, modèles exponentiels, statistique, statistique suffisante, score, information de Fisher. | + | * Modèle statistique, vraisemblance, modèles exponentiels, statistique, statistique suffisante, score, information de Fisher. |
| - | * Estimateurs, estimateurs biaisés et non biaisés, Rao Blackwell, bornes de Cramer-Rao, efficacité. | + | * Estimateurs, estimateurs biaisés et non biaisés, Rao Blackwell, bornes de Cramer-Rao, efficacité. |
| - | * Méthodes des moments, maximum de vraisemblance, divergence de Kullback-Leibler, M-estimateurs", efficacité asymptotique | + | * Méthodes des moments, maximum de vraisemblance, divergence de Kullback-Leibler, M-estimateurs", efficacité asymptotique |
| - | * Intervalles de confiance, fonctions pivots, inégalité de Hoeffding. | + | * Intervalles de confiance, fonctions pivots, inégalité de Hoeffding. |
| - | * Intervalles de confiance asymptotiques. Utilisation du lemme de Slutsky et de la méthode de Delta. | + | * Intervalles de confiance asymptotiques. Utilisation du lemme de Slutsky et de la méthode Delta. |
| - | * 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. | ||
| + | * 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. | ||
| - | * **Période 2**: du 12/10 au 20/10. //Intervenant//: Randal Douc. Régression et classification supervisée. | + | * **Période 3**: du 23/10 au 27/10. //Intervenant//: **Laurent Risser**. Optimisation. |
| - | * Algorithme EM, mélange de gaussiennes. | + | * Bases de l'optimisation (optimisation multivarié) |
| - | * Régression linéaire simple, | + | * Minimisation de fonctions convexe (caractérisation variationnelle des points extrêmaux) |
| - | * Régression linéaire multiple, | + | * Gradient stochastique (et analyse de convergence pour un coût convexe) |
| - | * Inférence dans le modèle linéaire gaussien. | + | * Calcul des gradients (différentier par rapport à un vecteur) |
| - | * Moindres carrés généralisées. | + | * Régression logistique et extension multi-classes. |
| - | * Régression logistique | + | * Optimisation non douce (algorithme du sous-gradient) |
| - | * Classification supervisée, risque bayésien. | + | * Machines à vecteurs de support (hinge loss) |
| - | * Classifieurs de Bayes: | + | |
| - | * mélange de gaussiennes. | + | |
| - | * classification logistique. | + | |
| - | * K plus proches voisins | + | |
| - | + | ||
| - | * **Période 3**: du 18/10 au 27/10. //Intervenant//: Laurent Risser. Optimisation. | + | |
| - | * Algorithme du gradient | + | |
| - | * SVM, RKHS. | + | |
| - | * Algorithmes de gradients, gradients projetés, proximal descent. | + | |
| * Classification non supervisée: | * Classification non supervisée: | ||
| * ACP; SVD | * ACP; SVD | ||
| Line 59: | Line 63: | ||
| 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.1684303301.txt.gz · Last modified: 2023/05/17 08:01 by eric
Page Tools
