Descriptif
L’objectif du cours est de présenter quelques outils fondamentaux en probabilités et statistiques, afin d’établir des garanties en apprentissage supervisé. Nous parlerons de probabilités numériques, d’inégalités de concentration, de confidentialité différentielle, et de minimisation de risque empirique.
24 heures en présentiel (16 blocs ou créneaux)
Diplôme(s) concerné(s)
- Auditeurs libres des cycles ingénieurs IP Paris
- Echange international non diplomant
- Programme de mobilité des établissements français partenaires
- M2 DATAAI - Data and Artificial Intelligence
- M1 DATAAI - Data and Artificial Intelligence
- Diplôme d'ingénieur
- M1 IGD - Interaction, Graphic and Design
Parcours de rattachement
Format des notes
Numérique sur 20Littérale/grade européenPour les étudiants du diplôme Echange international non diplomant
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme Auditeurs libres des cycles ingénieurs IP Paris
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2 ECTS
Pour les étudiants du diplôme M1 DATAAI - Data and Artificial Intelligence
Pour les étudiants du diplôme M1 IGD - Interaction, Graphic and Design
Pour les étudiants du diplôme Diplôme d'ingénieur
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2 ECTS
- Crédit d'Option 3A acquis : 2
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme M2 DATAAI - Data and Artificial Intelligence
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2.5 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme Programme de mobilité des établissements français partenaires
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Mots clés
Réseaux bayésiens, fonction croyance, chaine de Markov, méthodes particulairesSupport pédagogique multimédia
