URI http://ori.unit-c.fr/uid/unit-ori-wf-1-1905 Introduction à l'apprentissage statistique fre Ce cours est une introduction à la théorie de l'apprentissage et à ses principaux résultats, destinée à des doctorants et chercheurs en statistiques. Il a été donné dans le cadre du premier Workshop du Réseau Africain de Statistique Mathématique et ses Applications (<a href="http://www.rasma-net.org/workshop08/rasma08.htm">RASMA</a>), à Franceville (Gabon) en janvier 2008. Le cours commence par présenter l'apprentissage automatique, puis sa formalisation statistique, en insistant sur les différents enjeux : consistance des algorithmes, vitesses de convergence, etc. Une grande partie du cours se focalise sur la minimisation du risque empirique et sur la théorie de Vapnik Chervonenkis, sans pour autant se limiter au cas de la discrimination entre deux classes. La dernière partie du cours est dédiée à la minimisation d'un coût différent du risque empirique, en particulier quand ce coût inclut un terme de régularisation. fuscia algorithme LOMv1.0 atomic LOMv1.0 3 LOMv1.0 author BEGIN:VCARD N:Rossi;Fabrice FN:Fabrice Rossi EMAIL;TYPE=INTERNET: ORG: END:VCARD 2008-12-01 LOMv1.0 publisher BEGIN:VCARD N:Rossi;Fabrice FN:Fabrice Rossi EMAIL;TYPE=INTERNET: ORG: END:VCARD 2008-12-01 URI http://ori.unit-c.fr/uid/unit-ori-wf-1-1906 LOMv1.0 creator BEGIN:VCARD N:Gilles-Gallet;Isabelle FN:Isabelle Gilles-Gallet EMAIL;TYPE=INTERNET: ORG:UNIT END:VCARD 2009-03-16 LOMv1.0 validator BEGIN:VCARD N:Gilles-Gallet;Isabelle FN:Isabelle Gilles-Gallet EMAIL;TYPE=INTERNET: ORG:UNIT END:VCARD 2009-03-16 LOMv1.0 LOMFRv1.0 SupLOMFRv1.0 application/pdf http://apiacoa.org/teaching/learning/index.fr.html Nécessite Adobe Acrobat Reader ou tout autre logiciel permettant la lecture de documents au format PDF LOMv1.0 lecture LOMv1.0 learner LOMFRv1.0 doctorat 18 et + LOMv1.0 difficult Le cours est destiné à des statisticiens et demande donc une formation minimale dans ce domaine, idéalement de niveau Master 1. Il est cependant abordable pour des étudiants de Licence avec une bonne formation en probabilités car il utilise assez peu de résultats classiques de statistiques. LOMv1.0 no LOMv1.0 yes Document libre, dans le cadre de la licence Creative Commons (http://creativecommons.org/licenses/by-sa/2.0/fr/), citation de l'auteur obligatoire et autorisation de désassembler (Paternité-Partage des Conditions Initiales à l'Identique) LOMv1.0 discipline Classification UNIT 1310 Intelligence artificielle : apprentissage, représentation CDD 22e éd. 006.3 519