logo
v2.11.0 (5790)

Programme d'approfondissement - MAP569 : Apprentissage Statistique: régression et classification

Domaine > Mathématiques appliquées.

Descriptif

L'objectif de ce cours est de fournir une introduction théorique rigoureuse au domaine de l'Apprentissage Statistique. Il portera sur plusieurs sujets dans des cadres supervisés et non supervisés. Les methodes non asymptotiques pour l'extraction d'informations dans des paramètres aléatoires seront analysées à l'aide d'outils issus de probabilité, statistiques et optimisation.

Ce cours est fortement orienté sur la théorie mais quelques cours pratiques sur R ou Pyrton seront lors des PC

 

Langue du cours : Français, slides en Anglais 

Pour les étudiants du diplôme Titre d’Ingénieur diplômé de l’École polytechnique

Il est nécessaire d'avoir suiv au moins un cours parmi MAP432, MAP433

Format des notes

Numérique sur 20

Littérale/grade réduit

Pour les étudiants du diplôme M1 Innovation, Entreprise, et Société - Voie Innovation technologique

Le rattrapage est autorisé (Note de rattrapage conservée)
    L'UE est acquise si note finale transposée >= C
    • Crédits ECTS acquis : 5 ECTS

    Pour les étudiants du diplôme M1 Mathématiques et Applications - Voie Jacques Hadamard - École Polytechnique

    Pour les étudiants du diplôme M1 Cyber - Cybersecurity

    Le rattrapage est autorisé (Note de rattrapage conservée)

      Pour les étudiants du diplôme M1 Innovation, Entreprise et Société

      Le rattrapage est autorisé (Note de rattrapage conservée)
        L'UE est acquise si note finale transposée >= C
        • Crédits ECTS acquis : 5 ECTS

        Pour les étudiants du diplôme M2 HPDA - High Performance Data Analytics

        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)
            L'UE est acquise si note finale transposée >= C
            • Crédits ECTS acquis : 5 ECTS

            La note obtenue rentre dans le calcul de votre GPA.

            Pour les étudiants du diplôme M1 Data AI - Data and Artificial Intelligence

            Le rattrapage est autorisé (Note de rattrapage conservée)

              Pour les étudiants du diplôme MScT-Artificial Intelligence and Advanced Visual Computing

              Le rattrapage est autorisé (Note de rattrapage conservée)
                L'UE est acquise si note finale transposée >= C
                • Crédits ECTS acquis : 4 ECTS

                La note obtenue rentre dans le calcul de votre GPA.

                Pour les étudiants du diplôme MScT-Internet of Things : Innovation and Management Program (IoT)

                Le rattrapage est autorisé (Note de rattrapage conservée)
                  L'UE est acquise si note finale transposée >= C
                  • Crédits ECTS acquis : 4 ECTS

                  La note obtenue rentre dans le calcul de votre GPA.

                  Pour les étudiants du diplôme Programmes d'échange internationaux

                  Le rattrapage est autorisé (Note de rattrapage conservée)
                    L'UE est acquise si note finale transposée >= C
                    • Crédits ECTS acquis : 5 ECTS

                    Pour les étudiants du diplôme M2 Énergie

                    Le rattrapage est autorisé (Note de rattrapage conservée)
                      L'UE est acquise si note finale transposée >= C
                      • Crédits ECTS acquis : 4 ECTS
                      Veuillez patienter