Statistiques pour Big Data

Ce cours porte sur l'apprentissage supervisé: construire des modèles à partir de des données qui prédisent un résultat à l'aide d'une collection d'input. Le cours aura pour plan :

1) Introduction à l’apprentissage statistique et fondements théoriques

2) Présentation des régressions pénalisées pour Big Data 3) Introduction aux réseaux de neurones

3) Lien entre l’économétrie non paramétrique et l’apprentissage machine

4) Présentation d’algorithme d’apprentissage

Savoir choisir le modèle approprié pour réaliser des prévisions, savoir exploiter les données de façon intelligente, Savoir utiliser les langages statistiques (Python, R) dans le but d’une tache précise

Évaluation écrite + Dossier

Économétrie Avancée, Algèbre linéaire, base de programmation

Choisir le modèle approprié pour réaliser des prévisions, être capable de collecter et d’exploiter les données de façon intelligente, Utilisation des langages statistiques pour faire de l’apprentissage machine

The Elements of Statistical Learning, T. Hastie, R. Tibshirani, J. Friedman (Springer 2009).

Économétrie & Machine Learning. A.Charpentier, E. Flachaire et A. Ly (2018),

Avoir un ordinateur est un plus pour appliquer les exemples pendant le cours, utilisation de Moodle pour présenter les slides et mise à disposition d’un notebook jupyter