Objectifs pédagogiques

- Comprendre et mettre en oeuvre la simulation de phénomènes aléatoires pour le traitement de problèmes complexes
- Acquérir des notions sur les techniques d'estimation et de régression linéaire et non linéaire et leur utilisation pour le traitement de séries temporelles
- Savoir mettre en forme des données et connaître les modélisations de base des séries temporelles
- Comprendre les enjeux du machine learning et les principales méthodes de classification supervisée et non supervisée et expérimenter leur mise en oeuvre
- Acquérir des connaissances de base sur les réseaux de neurones, leur conception de réseaux de neurones et leur mise en oeuvre via des librairies Python dédiées.