Statistical learning

ECTS : 4

Description du contenu de l'enseignement :

Volume horaire détaillé : 
CM : 19h30
TD : 19h30

• Introduction à l’apprentissage statistique : Apprentissage supervisé/non-supervisé, Régression et Classification, Procédure générale d’apprentissage, Évaluation du modèle, Sur et Sous-apprentissage. 
• Méthode des K plus proches voisins et notion de “curse of dimensionality”.
• Régression linéaire en grande dimension, sélection des variables et régularisation du modèle (Ridge et Lasso).
• Méthodes classiques pour la classification supervisée.
• Algorithme du gradient (descente classique, stochastique et mini-batch) (optionnel).
• (Non-supervisé) K-means clustering.

Compétence à acquérir :

Connaître les bases de l’apprentissage statistique et les méthodes les plus courantes, en particulier dans un contexte de grande dimension.

Mode de contrôle des connaissances :

Examen partiel, Projet (en Python), Examen Final