Mathématiques des données : modèles et apprentissage

Cette séance de cours de l'instructeur porte sur le rôle des modèles et des données dans le contexte des mathématiques des données, en mettant l'accent sur la minimisation empirique des risques et l'apprentissage statistique. Il introduit la taxonomie des paradigmes d'apprentissage automatique, y compris l'apprentissage supervisé, non supervisé et renforcé. La séance de cours présente également des exemples de classification, de régression et d'estimation de la densité, illustrant des applications telles que la prédiction du cancer, l'estimation du temps de déplacement, le prix à la maison et la génération d'images. On discute des fonctions de perte et des modèles d'apprentissage statistique, en insistant sur l'importance de minimiser le risque pour la population. Le cours vise à doter les étudiants des connaissances et des outils nécessaires pour tirer des enseignements précieux des données tout en comprenant les compromis impliqués.