EnseignantAurélie Fischer
Horaires hebdomadaires 5.0 h CM
Années M2 Mathématiques et Informatique pour la Science des Données (DM) M2 Mathématiques et Informatique appliquées à la Science des données

Syllabus

Présentation de méthodes d'apprentissage supervisé et non-supervisé : classification par les centres mobiles, modèles de mélange gaussien, analyse discriminante linéaire et quadratique, régression logistique, classifieurs des plus proches voisins et à noyau, arbres de décision, méthodes bagging, boosting et forêts aléatoires, machines à vecteurs de support, régression Ridge ou Lasso, réseaux de neurones. Des exercices pratiques sur machine complèteront le cours.