Descriptif
Langue d'enseignement :français
This course presents essential probabilistic methods commonly used in modern data science research. High-dimensional probability studies random objects in Rn – like random vectors and matrices – where the dimension n can be very large. We will see foundational tools for analyzing such objects, including concentration inequalities, covering, chaining, and more.Objectifs pédagogiques
Acquis d'apprentissage
À l'issue de l'UE, l'élève sera capable de:
- Comprendre des phénomènes liés à la grande dimension.
- Maîtriser des outils probabilistes fondamentales pour l'analyse d'algorithmes d'apprentissage.
- Mettre en oeuvre des techniques mathématiques centrales en vue d'un master 2 en statistique et science des données.
Compétences de rattachement (et justification)
- BC10.3 – Analyser une résolution par des approches formelles ou mathématiques; Justification : Voir descriptif du cours.
- BC10.3 – Analyser une résolution par des approches formelles ou mathématiques; Justification : Voir descriptif du cours.
effectifs minimal / maximal:
1/Diplôme(s) concerné(s)
Parcours de rattachement
Format des notes
Numérique sur 20Littérale/grade européenPour les étudiants du diplôme Diplôme d'ingénieur
Vos modalités d'acquisition :
L’évaluation est un examen final écrit.
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2.5 ECTS
- Crédit d'UE électives acquis : 2.5
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme Echange international non diplomant
Vos modalités d'acquisition :
L’évaluation est un examen final écrit.
La note obtenue rentre dans le calcul de votre GPA.
Programme détaillé
Mots clés
Probabilistic methods, Concentration inequalities, High-dimensional statisticsMéthodes pédagogiques
Les concepts clés sont présentés en cours magistral et mis en application en TD.Ressources : Polycopié de cours + Feuilles d'exercises (avec correction) + bibliographie en ligne.
