M2 MM – Algorithmes Stochastiques

Déroulement des séances
16/09 – Introduction à Python
23/09 – Gradient stochastique
30/09 – Fin du TP gradient stochastique – Rappels sur l’EMV et mixtures gaussiennes
07/10 – Mixtures gaussiennes et EM
14/10 – EM et convergence
21/10  – EM sur données réelles (TP à rendre pour après les vacances)
08/11  – Simulation de variables aléatoires
18/11 et 22/11 – Rappels sur les chaînes de Markov et MCMC

 

BIBLIO

C. Bishop, Pattern Recognition and Machine Learning, Springer, 2006.

Validation du cours

La validation du cours se fera par le rendu de certains TP et un examen écrit final.

Liens pour Python