M2 MM – Algorithmes Stochastiques

Déroulement des séances

POLYCOPIE

Introduction à Python

• COURS/TP : notebook (à ouvrir avec Jupiter Notebook) + fichier de données
• Exercices supplémentaires

12/09 – 19/09 Cours et TP Gradient stochastique

• TP : notebook (à ouvrir avec Jupiter Notebook) + fichiers de données

26/09 – Rappels sur le maximum de vraisemblance et mixtures gaussiennes

• TP : notebook mixtures

03/10 – Cours Espérance Maximisation

• TP : SEM_EM

10/10 – Suite et fin EM

• TP: Données réelles

19/10, 24/10 – Simulation de variables aléatoires

• TP: introduction simulation de variables

24/10 Echantillonnage préférentiel

• TP: importance sampling

DM à rendre pour le 7 novembre 2022 (avant minuit)

Partiel le 14/11 à 08h45

21/11, 28/11 - MCMC : lire dans le poly les rappels sur les chaînes de Markov

• TP: intro MCMC
• Modèle d’Ising
• Voyageur de commerce

Liens pour Python

• Python
• NumPy
• ScipyStats
• Matplotlib
• NumPy user guide (pdf)
• Matplotlib user guide (pdf)
• scikit-learn
• SymPy
• Anaconda (distribution contenant les interfaces dedéveloppement Spyder et Jupyter)
• Un cours de l’X
• Un cours du lycée Saint Louis
• Un cours de l’INRIA
• Un cours d’Orsay