Volumes horaires
- CM 15.0
- Projet -
- TD -
- Stage -
- TP 3.0
- DS -
Crédits ECTS
Crédits ECTS 3.0
Objectif(s)
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.
Emilie DEVIJVER
Contenu(s)
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).
Connaissances basiques en probabilités et statistiques
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
Le cours est programmé dans ces filières :
- Cursus ingénieur - Master 2 Math. et Applications - Semestre 9 (ce cours est donné uniquement en anglais )
- Cursus ingénieur - Master 2 Informatique - Semestre 9 (ce cours est donné uniquement en anglais )
Code de l'enseignement : WMM9AM24
Langue(s) d'enseignement :
Vous pouvez retrouver ce cours dans la liste de tous les cours.