Programmes d'études
Apprentissage non supervisé et séries chrono.

Programmes d'études
Apprentissage non supervisé et séries chrono.
Programmes d'études
Détails et horaire du cours
Légende
Cours de jour
Cours de soir
Cours en ligne
Certificats et microprogrammes de 1er cycle
Baccalauréat (formation d'ingénieur)
Études supérieures
MTH8304
Apprentissage non supervisé et séries chrono.
Nombre de crédits :
3 (3 - 0 - 6)
Les chiffres indiqués entre parenthèses sous le sigle du cours, par exemple (3 - 2 - 4), constituent le triplet horaire.
Le premier chiffre est le nombre d'heures de cours théorique par semaine (les périodes de cours durent 50 minutes).
Le second chiffre est le nombre d'heures de travaux dirigés (exercices) ou laboratoire, par semaine.
(Note : certains cours ont un triplet (3 - 1.5 - 4.5). Dans ce cas, les 1,5 heure par semaine sont des laboratoires qui durent 3 heures mais qui ont lieu toutes les deux semaines. À Polytechnique, on parle alors de laboratoires bi-hebdomadaires).
Le troisième chiffre est un nombre d'heures estimé que l'étudiant doit investir de façon personnelle par semaine pour réussir son cours.
Le premier chiffre est le nombre d'heures de cours théorique par semaine (les périodes de cours durent 50 minutes).
Le second chiffre est le nombre d'heures de travaux dirigés (exercices) ou laboratoire, par semaine.
(Note : certains cours ont un triplet (3 - 1.5 - 4.5). Dans ce cas, les 1,5 heure par semaine sont des laboratoires qui durent 3 heures mais qui ont lieu toutes les deux semaines. À Polytechnique, on parle alors de laboratoires bi-hebdomadaires).
Le troisième chiffre est un nombre d'heures estimé que l'étudiant doit investir de façon personnelle par semaine pour réussir son cours.
Département :
Mathématiques et génie Ind.
Corequis :
Notes :
Responsable(s) :
Julie Carreau
Description
Modélisation statistique : classification des variables, codages des variables catégoriques, classement des modèles et des méthodes statistiques, apprentissage supervisé et non supervisé, logiciels d'analyses statistiques. Analyse de séries chronologiques : lissage exponentiel, moyennes mobiles, modèles ARIMA, ARCH et GARCH. Analyse multidimensionnelle : la loi multinormale et ses propriétés, analyse discriminante, machines à vecteur de support (SVM), analyse canonique, analyse des correspondances simples et multiples. Apprentissage non supervisé : composantes principales, classement hirarchique et partitionnement, k-moyennes, dendogrammes, critères de partitionnement, arbres additifs et méthodes d'ensemble en classification.
Modélisation statistique : classification des variables, codages des variables catégoriques, classement des modèles et des méthodes statistiques, apprentissage supervisé et non supervisé, logiciels d'analyses statistiques. Analyse de séries chronologiques : lissage exponentiel, moyennes mobiles, modèles ARIMA, ARCH et GARCH. Analyse multidimensionnelle : la loi multinormale et ses propriétés, analyse discriminante, machines à vecteur de support (SVM), analyse canonique, analyse des correspondances simples et multiples. Apprentissage non supervisé : composantes principales, classement hirarchique et partitionnement, k-moyennes, dendogrammes, critères de partitionnement, arbres additifs et méthodes d'ensemble en classification.
Plan triennal
2022-2023 | 2023-2024 | 2024-2025 | ||||||
---|---|---|---|---|---|---|---|---|
Automne | Hiver | Été | Automne | Hiver | Été | Automne | Hiver | Été |
- | Cours de jour | - | - | Cours de jour | - | - | Cours de jour | - |