Dates: voir le calendrier
Ce module dresse un panorama de l’apprentissage statistique aujourd’hui. Il aborde successivement les grandes problématiques du domaine et en présente les avancées majeures des dix dernières années avec un focus sur les modèles supervisés.
- Cadre général de l’apprentissage supervisé
- Classifieur bayésien naïf
- Sur-apprentissage et validation croisée
- Arbres : CART, forêts aléatoire et boosting
- Minimisation du risque empirique
- Régression logistique et machines à vecteurs supports
- Perceptron, réseaux de neurones
- Approches régularisées
- Traitement de données incertaines et incomplètes
Intervenant⋅e⋅s :