La conception d'expériences statistiques et l'analyse sont au cœur de la science des données. Dans ce cours, vous concevrez des expériences statistiques et analyserez les résultats en utilisant des méthodes modernes. Vous explorerez également les pièges courants dans l'interprétation des arguments statistiques, en particulier ceux associés au big data. Collectivement, ce cours vous aidera à intérioriser un ensemble de méthodes et de concepts d'apprentissage automatique pratiques et efficaces, et à les appliquer pour résoudre des problèmes du monde réel. Objectifs d'apprentissage : Après avoir suivi ce cours, vous serez capable de : 1. Concevoir des expériences efficaces et analyser les résultats 2. Utiliser des méthodes de rééchantillonnage pour présenter des arguments statistiques clairs et irréfutables sans avoir recours à des notations ésotériques 3. Expliquer et appliquer un ensemble de méthodes de classification de complexité croissante (règles, arbres, forêts aléatoires), et les méthodes d'optimisation associées (descente de gradient et variantes) 4. Expliquer et appliquer un ensemble de concepts et de méthodes d'apprentissage non supervisé 5. Décrire les idiomes communs de l'analyse des graphes à grande échelle, y compris les requêtes structurelles, les traversées et les requêtes récursives, le PageRank et la détection des communautés