Déroulement des séances
17/09 – Introduction à Python
- COURS/TP : notebook (à ouvrir avec Jupiter Notebook) + fichier de données
- Exercices supplémentaires (notebook) + Correction (notebook)
24/09 – Rappels sur l’EMV et mixtures gaussiennes
01/10 – Algorithmes K-means, SEM, EM
08/10 – TP K-means, SEM, EM
15/10 – convergence EM + dimension supérieure
22/10 – Simulation et Monte-Carlo
29/10 – vacances
05/11 – Partiel
12/11 – MCMC
19/11 – TP MCMC + modèle d’Ising
03/12 – Recuit simulé + importance sampling
- TP + TP corrigé
10/12 – TP suite
17/12 – Révisions
Validation du cours
La validation du cours se fera par un partiel et un examen.
Liens pour Python
- Python : https://docs.python.org/2/tutorial/
- NumPy : http://docs.scipy.org/doc/numpy/reference/
- ScipyStats : http://docs.scipy.org/doc/scipy/reference/tutorial/stats.html
- Matplotlib : http://matplotlib.org/users/pyplot_tutorial.html
- NumPy user guide (pdf) : https://docs.scipy.org/doc/numpy-1.8.0/numpy-user-1.8.0.pdf
- Matplotlib user guide (pdf) : http://matplotlib.org/Matplotlib.pdf
- scikit-learn : http://scikit-learn.org/stable/
- SymPy : http://www.sympy.org/fr/index.html
- Anaconda (distribution contenant les interfaces dedéveloppement Spyder et Jupyter) : https://www.continuum.io/downloads
- Un cours de l’X : http://www.cmap.polytechnique.fr/~gaiffas/intro_python.html
- Un cours du lycée Saint Louis : http://mathprepa.fr/python-project-euler-mpsi/
- Un cours de l’INRIA : http://www.labri.fr/perso/nrougier/teaching/index.html
- Un cours d’Orsay : http://www.iut-orsay.u-psud.fr/fr/specialites/mesures_physiques/mphy_pedagogie.html