Responsables : Antoine Godichon-Baggioni et Badr-Eddine Chérief-Abdellatif
Objectif : Présenter et analyser de méthodes stochastiques pour l’optimisation numérique ; donner un aperçu de la théorie PAC-Bayésienne, en partant de la théorie de l’apprentissage statistique (bornes de généralisation et inégalités oracles) et en couvrant les développements algorithmiques par inférence variationnelle, jusqu’aux analyses PAC-Bayésiennes récentes des propriétés de généralisation des réseaux de neurones profonds
Prérequis : Notions fondamentales de probabilités et statistique, notions d’optimisation convexe, logiciel R ou Python
Thèmes abordés :
Ressources : Moodle