• Voir la page en français

Statistique exploratoire multi modèle

  • Composante

    École Nationale Supérieure d'Électrotechnique d'Électronique d'Informatique d'Hydraulique et des Télécommunications

Objectifs

- Avec l'explosion des problèmes de big data, l'apprentissage statistique est devenu un domaine très en vogue. Dans ce cours, de nombreuses méthodes statistiques linéaires et non linéaires sont abordées et pratiquées. L'enseignement est résolument axé sur la pratique avec des travaux pratiques R ou Python pour chaque méthode (20% théorie, 80% pratique).

- Les étudiants seront capables d'optimiser chaque modèle pour les comparer et finalement choisir la méthode la plus efficace sur les données disponibles.

Lire plus

Description

- Leçon + travaux pratiques pour chaque partie :

Introduction : apprentissage statistique, régression & classification - Modèles linéaires - GAM - Arbres de décision - Méthodes d'agrégation de modèles (Bagging, Random forests, Boosting) - Machines à vecteurs de support - Réseaux neuronaux & Deep Learning.

Lire plus

Pré-requis obligatoires

- R & Python, statistiques inférentielles, modèle linéaire gaussien, régression logistique

Lire plus

Informations complémentaires