Bertrand MICHEL - EnseignementsAPST1 : Apprentissage Statistique 1Option Mathématiques appliquées (ECN) et M2 Ingénierie Statistique Université Nantes. Minimisation du risque empirique VC dimension Couts convexes en classification Méthodes à noyaux. APST2 : Apprentissage Statistique 2Option Mathématiques appliquées (ECN) et M2 Ingénierie Statistique Université Nantes. Méthodes Classiques en Classification Selection de modèle Choix de paramètres en régression et classification Méthodes à noyaux Deep Learning Arbres CART, Random Forests, Boosting Non Negative Matrix Factorization, MDS, Kernel PCA Introduction à Spark. Python, Pandas, matplotlib, Keras, Xgboost, Spark STATC : Statistique ComputationnelleOption Mathématiques appliquées (ECN). Statistique descriptive Pratique du modèle linéaire Régression logistique Clustering Régression en grande dimension Algo EM Bootstrap. Logiciel R STATI : Statistique InférentielleOption Mathématiques appliquées (ECN). Statistique inférentielle Modèles linéaires Comparaison d'estimateurs MNP : Méthodes Numériques ProbabilistesOption Mathématiques appliquées (ECN), Master IS et MACS de l'Université de Nantes. APP_STASC Statistiques et sciences des donnéesParcours apprentis (ECN). Bases de statistiques et sciences des données, introduction à R STOSTA-2Option Sciences du numérique pour les sciences de la vie et de la Santé (ECN). Bases de statistiques et sciences des données, introduction à R TDA with RTDA |