ENSAE Paris - École d’ingénieurs pour l’économie, la data science, la finance et l’actuariat

Apprentissage Statistique appliqué

Enseignant

HEBIRI Mohamed

Département : Statistics

Objectif

A l'issue de ce cours, les étudiants doivent être capable de :

- appliquer les méthodes vues en cours sur des problèmes concrets ;

- utiliser les commandes Python permettant de faire appel aux procédures vues en cours ;

- fournir une analyse statistique des méthodes introduites en cours ;

- considérer, dans un cadre d'étude similaire à ceux vus en cours, une nouvelle méthode d'apprentissage ;

- reproduire (de manière guidée) les schémas de preuves vus en cours.

Plan

Chapitre 1 : Introduction à l'apprentissage statistique

Chapitre 2 : Minimisation du risque empirique

Chapitre 3 : Methode à base de partitions (kNN, arbres de décision,...)

Chapitre 4 : SVM

Chapitre 5 : Convexification du risque empirique

Chapitre 6 : Réseaux de neurones