Modèles paramétriques : Estimation et optimisation

Cette séance de cours couvre les mathématiques derrière les modèles paramétriques, en mettant l'accent sur l'estimation statistique et les techniques d'optimisation. Il explique le concept de modèles d'estimation paramétrique, d'estimateurs de probabilité maximale et d'estimateurs de régression à l'aide de modèles probabilistes. L'instructeur discute d'exemples tels que la régression linéaire gaussienne, la régression logistique et les modèles de régression de Poisson. La séance de cours se penche également sur l'application de modèles paramétriques dans des scénarios réels comme l'imagerie par résonance magnétique (IRM) et la détection du cancer du sein. De plus, il explore les classificateurs basés sur les scores et l'utilisation des fonctions de score pour prédire les résultats. La séance s'achève avec M-estimateurs et leur application dans l'apprentissage des modèles graphiques pour l'inférence statistique.