Niveau d'étude
BAC +5 / master
ECTS
6 crédits
Composante
Faculté des sciences
- 0Ma sélection
Votre sélection est vide.
Enregistrez les diplômes, parcours ou enseignements de votre choix.
Votre sélection est vide.
Enregistrez les diplômes, parcours ou enseignements de votre choix.
BAC +5 / master
6 crédits
Faculté des sciences
BAC +5 / master
6 crédits
Faculté des sciences
Bases mathématiques de l’apprentissage statistique. Bases de la grande dimension (« fléau » de la dimension…). Régression en grande dimension (motivation par l’exemple, théorie du Lasso, seuillage, sparsité, inégalités classiques, régressions ba- sées sur les composantes principales, PLS). Méthodes de pénalisation (généralisation du Lasso (Elastic-Net, Group-Lasso), sélection de variables, Ridge, etc.). Classification et apprentissage en grande dimension (SVM, Logistic-Lasso, forêts aléatoires, k plus proches voisins, ACP à noyaux, Boosting, Gradient Boosting). Introduction aux réseaux de neurones et au deep learning. Bases de l’optimisation stochastique. Large mise en pratique avec R ou Python.