Mise à niveau

  • 4 cours de mise à niveau en statistique, optimisation et programmation en R et Python
  • cours intensifs pendant 2 semaines début septembre
  • cours obligatoires
Intitulé de cours Enseignant·e
Optimisation C. Boyer
Programmation en Python M. Sangnier
Programmation en R A. Lefebvre
Statistique mathématique A. Godichon-Baggioni

Optimisation

Responsable C. Boyer

Objectif introduire les outils de base de l’optimisation

Prérequis notions fondamentales de probabilités et statistique

Thèmes abordés

  1. Rappels de calcul différentiel et d’algèbre matricielle
  2. Minimisation de fonctions convexes via la dualité Lagrangienne
  3. Introduction à l’analyse convexe : sous-gradient, dualité de Fenchel-Legendre
  4. Descente de gradient, de sous-gradient, et gradient stochastique

Programmation en Python

Responsable M. Sangnier

Objectif programmer en Python et utiliser des méthodes statistiques en Python

Prérequis quelques notions de programmation

Programmation en R

Responsable A. Lefebvre

Objectif programmer en R et utiliser des méthodes statistiques sous R

Prérequis quelques notions de programmation

Statistique mathématique

Responsable A. Godichon-Baggioni

Objectif réviser les notions de statistique mathématique

Prérequis notions fondamentales de probabilités, statistique, analyse et algèbre linéaire

Thèmes abordés

  1. Rappels de probabilités
  2. Méthodologie statistique : estimation, intervalles de confiance et tests
  3. Modèle linéaire, vecteurs gaussiens, modèle linaire gaussien
M2 Statistique
M2 Statistique
Master Mathématiques et Applications

Formation en statistique mathématique, machine learning et data science