Apprentissage Statistique

Ce cours fait suite au cours de “Machine Learning” en Licence 3. Il présente, dans un cadre probabiliste, les concepts théoriques de certaines des méthodes vues en L3, en particulier de l’apprentissage supervisé: le modèle linéaire généralisé, les arbres (CART et Random Forest) et le boosting. Une attention particulière est portée à la compréhension du compromis biais-variance et du phénomène de sur-apprentissage, justifiant ainsi l'usage de techniques d'échantillonnage pour la validation et des techniques de régularisation.

• Notions risque prédictif
• Sélection de modèle (validation croisée, méthode de régularisation)
• Modèle linéaire généralisé
• Bagging, boosting

Modalités : Mixte : CC + CT
SESSION 1 :
Contrôle Continu
• Type : Écrit, QCM, Oral, Dossier
• Durée : 2h00
• Précisions : Une durée indicative de 2h00, susceptible d’être ajustée en fonction des contraintes pédagogiques, matérielles ou logistiques, dans le respect des M3C applicables

Contrôle Terminal
• Type : Écrit
• Durée : 2h00
• Précisions : Une durée indicative de 2h00, susceptible d’être ajustée en fonction des contraintes pédagogiques, matérielles ou logistiques, dans le respect des M3C applicables

Régime Dérogatoire
• Type : Écrit
• Durée : 2h00
• Précisions : Une durée indicative de 2h00, susceptible d’être ajustée en fonction des contraintes pédagogiques, matérielles ou logistiques, dans le respect des M3C applicables

SESSION 2 :
• Type : Écrit
• Durée : 2h00
• Précisions : Une durée indicative de 2h00, susceptible d’être ajustée en fonction des contraintes pédagogiques, matérielles ou logistiques, dans le respect des M3C applicables

Utilisation de l'intelligence artificielle :
L’utilisation de l’Intelligence Artificielle est interdite lors des évaluations.

• Acquérir les bases théoriques des méthodes de l’apprentissage statistique supervisée.