Cours en anglais

Un grand nombre de problèmes d'apprentissage statistique (calcul d'un estimateur, d'un classifieur, etc.) se ramène à la minimisation d'une fonctionnelle, typiquement un risque empirique. Les méthodes d'optimisation sont donc au centre du volet « pratique » de l'apprentissage statistique.
Dans ce module, l'étudiant découvrira non seulement les fondements théoriques qui s'inscrivent dans le prolongement du cours d'optimisation suivi au P1, mais également différentes techniques permettant de traiter spécifiquement le cas des données massives.

 

Les sujets abordés incluent l'analyse convexe, le calcul de gradients et de sous-gradients, l'opérateur proximal, l'algorithme du gradient, l'algorithme du gradient stochastique et la dualité lagrangienne.