Modèles paramétriques : mathématiques des données

Cette séance de cours couvre les fondamentaux des modèles paramétriques en analyse de données, en se concentrant sur la régression linéaire gaussienne, la régression logistique et la régression de Poisson. Il se penche sur le processus d'estimation, les problèmes d'optimisation et les estimateurs de régression via des modèles probabilistes. Des exemples tels que l'imagerie par résonance magnétique (IRM) et la détection du cancer du sein sont utilisés pour illustrer ces concepts. La séance de cours explore également les modèles statistiques pour les systèmes d'imagerie à photons limités et l'apprentissage des modèles graphiques. Vers la fin, il discute de la formulation formelle et de l'optimisation de Google PageRank, fournissant un aperçu du rôle du calcul et des stratégies de minimisation des risques.