Programmes d'études
Méthodes statistiques d'apprentissage

Programmes d'études
Méthodes statistiques d'apprentissage
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
MTH6312
Méthodes statistiques d'apprentissage
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.
Préalable(s) :
Corequis :
Notes :
Responsable(s) :
Luc Adjengue
Description
Introduction à la statistique à l'aide d'un logiciel de traitement statistique des données. Critères de sélection de variables. Régression pénalisée. Régression non paramétrique. Validation croisée. Apprentissage supervisé, semi-supervisé et non supervisé. Mélange de Gaussiennes et algorithme espérance-maximisation (EM). Apprentissage automatique. Arbres additifs. Méthodes d'ensemble en classification. Apprentissage bayésien.
Introduction à la statistique à l'aide d'un logiciel de traitement statistique des données. Critères de sélection de variables. Régression pénalisée. Régression non paramétrique. Validation croisée. Apprentissage supervisé, semi-supervisé et non supervisé. Mélange de Gaussiennes et algorithme espérance-maximisation (EM). Apprentissage automatique. Arbres additifs. Méthodes d'ensemble en classification. Apprentissage bayésien.
Plan triennal
2024-2025 | 2025-2026 | 2026-2027 | ||||||
---|---|---|---|---|---|---|---|---|
Automne | Hiver | Été | Automne | Hiver | Été | Automne | Hiver | Été |
Cours de jour | - | - | Cours de jour | - | - | Cours de jour | - | - |