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 ce cours, 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)
UE de rattachement
- APM_4MAS1_TP : Filière Modélisation aléatoire et Calcul scientifique (créneau A) - Semestre 1
Format des notes
Numérique sur 20Pour les étudiants du diplôme Diplôme d'ingénieur
Vos modalités d'acquisition :
L’évaluation est un examen final écrit.
Le rattrapage est autorisé (Note de rattrapage conservée)- le rattrapage est obligatoire si :
- Note initiale < 10
Le coefficient de l'UE est : 1
L'UE est évaluée par les étudiants.
Pour les étudiants du diplôme Echange international non diplomant
Vos modalités d'acquisition :
L’évaluation est un examen final écrit
Le rattrapage est autorisé (Note de rattrapage conservée)- le rattrapage est obligatoire si :
- Note initiale < 10
Le coefficient de l'UE est : 1
L'UE est évaluée par les étudiants.
Programme détaillé
