Estimation statistique : modèles et machines d'apprentissage

Cette séance de cours présente le rôle des modèles et des données dans lestimation statistique, en se concentrant sur les formulations de probabilité maximale et les limites de complexité de léchantillon pour lestimation et la prédiction. Il couvre des sujets tels que les modèles d'estimation paramétriques, les estimateurs des moindres carrés, les fonctions de perte, les estimateurs ML, les machines d'apprentissage, les estimateurs M et les problèmes pratiques d'estimation. L'instructeur discute de la performance des estimateurs, de l'estimateur ML pour la tomographie quantique et de la comparaison entre les estimateurs ML et James-Stein. La séance de cours aborde également les défis de l'ajustement excessif, le rôle du calcul dans l'estimation et les performances pratiques des machines d'apprentissage. Il se termine par une discussion sur l'estimation des paramètres par rapport à l'estimation du risque.