Cours 4MA074 M1 SU#
Objectifs de l’UE: Présenter des méthodes numériques de probabilités et de statistiques. D’une part, on donnera des justifications théoriques pour les différents algorithmes, d’autre part, la mise en œuvre pratique sur machine (en python) des différentes méthodes est au cœur de ce cours.
Prérequis: Des bonnes connaissances des probabilités ainsi que des bases de programmation en Python.
Le cours est organisé en 2 parties:
Partie 1: Probabilités numériques
Simulation d’objets aléatoires
Méthode de Monte Carlo
Optimisation stochastique
Partie 2: Simulation pour le machine learning
Estimation des modèles à variables latentes (modèle de mélange, algorithme EM, échantillonneur de Gibbs).
Méthodes variationnelles pour les modèles à données manquantes.
Introduction à la simulation pour les séries temporelles partiellement observées (filtre de Kalman, méthodes de Monte Carlo séquentielles).
Enseignants responsables du cours:
Vincent Lemaire (Partie 1)
Sylvian Lecorff (Partie 2)
See also
Le cours sur moodle
Page des TP Probabilités Numériques
Voici le contenu de la première partie du cours: