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