Cours en français non accessible aux étudiants inscrits dans les filières SD ou TSIA.

L’'apprentissage statistique s’'intéresse à l’'inférence de modèles pour la reconnaissance de formes, la prédiction et le diagnostic, dans un cadre probabiliste et statistique.
Dans ce cours, l’'étudiant apprendra
- d’'abord à poser un problème d’'apprentissage supervisé (classification et régression) en le formulant comme un problème d’'optimisation de critères statistiques,
- à développer un algorithme d’apprentissage approprié
- et à évaluer la fonction de classification ou de régression ainsi construite.
Les principaux modèles et algorithmes de l’'apprentissage supervisé tels que le perceptron, SVM/SVR, arbre, méthodes d’'ensemble) seront étudiés ainsi que quelques approches génératives. Une courte introduction à l'’apprentissage non supervisé sera également proposée.