Aller au menu Aller au contenu
Une voie, plusieurs choix
Informatique et Mathématiques appliquées
Une voie, plusieurs choix

> Formation > Cursus ingénieur

Model selection for large-scale learning - WMM9AM24

A+Augmenter la taille du texteA-Réduire la taille du texteImprimer le documentEnvoyer cette page par mail cet article Facebook Twitter Linked In
  • Volumes horaires

    • CM : 15.0
    • TD : -
    • TP : 3.0
    • Projet : -
    • Stage : -
    • DS : -
    Crédits ECTS : 3.0
  • Responsables : Emilie DEVIJVER

Objectifs

Le but est de comprendre pour la sélection de modèle est un champ important de l'apprentissage statistique et de l'apprentissage machine. On travaillera sur des critères pénalisés, où la pénalité peut être déterministe ou dépendre des données.

Contenu

Il est important de bien calibrer les paramètres quand on estime un modèle en statistique. Dans ce cours, on se focalisera sur la sélection d'estimateurs.
En particulier, on va considerer la calibration des paramètres (comme le Lasso ou le Ridge) et la sélection de modele (quand chaque estimateur minimise un risque empirique sur un modele spécifique, comme les modèles de mélange).

Prérequis

Connaissances basiques en probabilités et statistiques

Contrôles des connaissances

CC : lecture d'un article
Exam 1 : sur table
Exam 2 : sur table ou oral

N1 = 50% CC + 50% Exam1
N2 = 100% Exam2

L'examen existe uniquement en anglais FR

Calendrier

Le cours est programmé dans ces filières :

  • Cursus ingénieur - Master 2 Math. et Applications - Semestre 9 (ce cours est donné uniquement en anglais EN)
  • Cursus ingénieur - Master 2 Informatique - Semestre 9 (ce cours est donné uniquement en anglais EN)
cf. l'emploi du temps 2020/2021

Informations complémentaires

Code de l'enseignement : WMM9AM24
Langue(s) d'enseignement : FR

Vous pouvez retrouver ce cours dans la liste de tous les cours.

A+Augmenter la taille du texteA-Réduire la taille du texteImprimer le documentEnvoyer cette page par mail cet article Facebook Twitter Linked In

mise à jour le 11 juillet 2018

Université Grenoble Alpes