Descriptif
Objectives
Statistics is the essence behind data science. It is clearly essential to have a deep understanding of the theory and the methods. This is a prerequisite before following a machine learning course.
Syllabus
- Elements of decision theory: risk, loss, decision rules
- Optimal decisions, unbiasedness, equivariance, sufficient statistics
- Pointwise estimator: Z-estimator, M-estimator
- Asymptotical results: law of large numbers, central limit theorem, consistency, asymptotic normality
- Maximum likelihood, Fisher information, Kullback Leibler, asymptotic optimality
- Tests: definitions, the Neyman-Pearson lemma, Uniformly Most Powerful test, p-value
Langue du cours : Anglais
Diplôme(s) concerné(s)
Parcours de rattachement
Format des notes
Numérique sur 20Littérale/grade réduitPour les étudiants du diplôme Data Science for Business
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 4 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme Echanges PEI
Le rattrapage est autorisé (Note de rattrapage conservée)Pour les étudiants du diplôme Titre d’Ingénieur diplômé de l’École polytechnique
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS