Séance de cours
Algorithmes de descente aux gradients bruyants
Séances de cours associées (30)
Analyse des composantes principales : réduction de la dimensionnalité
Explorer l'analyse des composantes principales pour la réduction de dimensionnalité et la sélection de fonctionnalités non supervisées.
Estimation spectrale: Parodogramme et parapente
Explore les représentations spectrales, l'estimation de l'ACVS et l'estimation spectrale dans l'analyse des séries chronologiques.
Réduction de la dimensionnalité : PCA et autoencodeurs
Introduit des réseaux de neurones artificiels, des CNN et une réduction de la dimensionnalité à l'aide de PCA et d'auto-encodeurs.
Séries chronologiques multivariées et représentation spectrale
Explore l'analyse de séries chronologiques multivariées, en mettant l'accent sur la représentation spectrale et les méthodes d'estimation.
Analyse discriminante : Règle de Bayes
Couvre la règle discriminante de Bayes pour l'attribution des individus aux populations en fonction des mesures et des probabilités antérieures.
Régression linéaire fonctionnelle : Estimation et méthodes adaptatives
Par Angelina Roche couvre l'estimation adaptative et clairsemée dans les modèles de régression linéaire fonctionnelle.
Méthodes numériques stochastiques efficaces
Explore des méthodes numériques stochastiques efficaces pour la modélisation et l'apprentissage, couvrant des sujets comme le moteur d'analyse et les inhibiteurs de la kinase.
Méthodes de décomposition et de régression des erreurs
Couvre la décomposition des erreurs, la régression polynomiale et les voisins K les plus proches pour la modélisation flexible et les prédictions non linéaires.
Estimation de la densité du noyau: Sélection de la largeur de bande et Malédiction de dimensionnalité
Couvre l'estimation de la densité du noyau axée sur la sélection de la bande passante, la malédiction de la dimensionnalité, le compromis entre les biais et les modèles paramétriques et non paramétriques.
Simulation numérique des SDE : Monte Carlo et contrôle optimal
Couvre les méthodes Monte Carlo, la réduction de la variance et le contrôle optimal stochastique, explorant les techniques de simulation, l'efficacité et la dynamique d'investissement.