Modèles probabilistes pour l'apprentissage - 4MMMPA

Objectif(s)

L'objectif de cet enseignement est de fournir aux élèves ingénieurs les savoirs et les compétences de base dans le domaine de la modélisation probabiliste pour les applications en apprentissage statistique. L'enseignement sera centré autour de la notion de dépendance statistique et des algorithmes permettant l'analyse de données structurées, en particulier dans un cadre bayésien. Les cours et les travaux dirigés seront dispensés en français.

Contenu(s)

La première partie de l'enseignement sera consacrée aux notions de dépendance statistique, covariance, vecteurs gaussiens et modèles de régression (6 semaines). La deuxième partie sera consacrée à l'analyse bayésienne des données et aux algorithmes d'estimation statistique associés, tels que les méthodes de Monte-Carlo par chaînes de Markov (6 semaines). Des applications en classification par modèle de mélange seront étudiées.

Cours de 1A en probabilités appliquées et principes et méthodes statistiques ou équivalent.