Cette séance de cours se penche sur la philosophie de l’apprentissage automatique, où le raisonnement sur l’ensemble de la population est basé sur un nombre limité d’échantillons de données. Il souligne l'importance des hypothèses de fluidité dans l'apprentissage et la nécessité pour l'ensemble de la formation d'être représentatif de la population à apprendre.
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Couvre les inégalités de concentration et les méthodes d'échantillonnage pour estimer les distributions inconnues, en mettant l'accent sur les taux d'infection de la population.
Explore l'échantillonnage dans les statistiques inférentielles, en mettant l'accent sur l'impact de la taille de l'échantillon et du caractère aléatoire sur la précision de l'inférence.
