Bertrand MICHEL - Enseignements

APST1 : Apprentissage Statistique 1

Option 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 2

Option 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 Computationnelle

Option Mathématiques appliquées (ECN).

Statistique descriptive

Pratique du modèle linéaire

Régression logistique

Clustering

Régression en grande dimension

Algo EM

Bootstrap.

Logiciel R

STATI : Statistique Inférentielle

Option Mathématiques appliquées (ECN).

Statistique inférentielle

Modèles linéaires

Comparaison d'estimateurs

MNP : Méthodes Numériques Probabilistes

Option Mathématiques appliquées (ECN), Master IS et MACS de l'Université de Nantes.

APP_STASC Statistiques et sciences des données

Parcours apprentis (ECN).

Bases de statistiques et sciences des données, introduction à R

STOSTA-2

Option 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 R

page link

TDA with Gudhi Python

page link