"

Enseignement 2018/2019




Apprentissage Statistique (HMM308):

Université de Montpellier

Syllabus du cours et Poly d'introduction à Python (travail en cours).

Cours:
1) Intro Machine Learning: IntroML_slides.pdf
2) Régression logistique/LDA: RegressionLogistique_slides.pdf
    Validation Croisée: CrossValidation_slides.pdf
3) SVD: SVD_slides.pdf; SVD.ipynb
    Ridge: Ridge_slides.pdf; Ridge_fr.ipynb
    Lasso: Lasso_slides.pdf; Lasso_fr.ipynb;functions_Lasso.py; prox_collection.py
3) Méthodes non-linéaires, GAM et splines: Splines_GAM_slides.pdf; GAM.ipynb
4) Arbres : arbres_slides.pdf
    Bagging et forêts aléatoires : ForetsAleatoires_slides.pdf
5) SVM : svm_slides.pdf
6) Clustering : clustering_slides.pdf

TPs:
TP1: knn_tp.pdf, knn_tp_corr.pdf, tp_knn_source.py, tp_knn_script.py, tp_knn_script_corr.py
TP2: perceptron_tp.pdf, , tp_perceptron_source.py, tp_perceptron_script.py, TP_perceptron.ipynb
TP3: arbres_tp.pdf
TP4: svm_tp.pdf, svm_tp_sources.zip
TP5: clustering_tp.pdf, kmeans.py, gap.py, china.jpg

Projet final: project_2018-2019.pdf


Logiciels scientifiques (HLMA310):

Université de Montpellier

Syllabus du cours.
Poly d'introduction à Python (en cours de rédaction)

Cours:
Séance de cours 1: IntroPython_slides.pdf, prise_en_main_notebook.ipynb
Séance de cours 2: numpy_slides.pdf, numpy.ipynb
Séance de cours 3: matplotlib_slides.pdf, matplotlib.ipynb
Séance de cours 4: pandas_slides.pdf, pandas.ipynb, belgianmunicipalities.ipynb

TPs:
Séance de TP1: TP1-Introduction.pdf, TP1-Introduction.ipynb
Séance de TP2: TP2-boucles_functions.pdf, TP2-boucles_functions.ipynb
Séance de TP3: TP3-numpy_matplolib.pdf, TP3-numpy_matplolib.ipynb
Séance de TP4: TP4-descente_gradient.pdf, TP4-descente_gradient.ipynb
Séance de TP5 (TP noté) : TP5-JeuDeLaVie.pdf, TP-Note-draft.ipynb
Séance de TP6 : TP6-pandas.pdf
Séance de TP7 : TP7-pandas_pollution_occitanie.ipynb



















N'hésitez pas à me contacter, si vous trouvez une erreur ou un bug...