Séance de cours

Limites fondamentales de l'apprentissage basé sur le graduat

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

MATH-232: Probabilités et statistique (pour IC)

Cours d'introduction à la théorie des probabilités et aux statistiques. ...

Description

Cette séance de cours explore les limites fondamentales de l'apprentissage par gradient sur les réseaux neuronaux. Les sujets abordés comprennent le théorème binomial, les séries exponentielles, les fonctions génératrices de moments, les variables aléatoires chi-carrés et la distribution multinomiale. La séance de cours se penche sur les propriétés des fonctions de distribution cumulative, des fonctions de probabilité conditionnelle et des familles exponentielles. Des exemples et des calculs sont fournis pour illustrer les concepts discutés.

Enseignant·e·s (2)

Emmanuel Abbé

Mission Chair of Mathematical Data Science (SB/IC)The research in the chair of Mathematical Data Science (MDS) focuses on the mathematical principles that underpin the analysis and design of information and data science technologies. As branches of mathematics, this involves probability, statistics, and discrete mathematics, and as specific fields, machine learning and information theory. Please consult http://deepfoundations.ai/ for postdoc applications. Emmanuel Abbe received his Ph.D. degree from the EEC

Raphaël Jean Berthier

Source officielle

Proximité ontologique

Statistique

Inférence statistique: Statistique mathématique, Statistique bayésienne

Concepts associés (32)

Probabilité conditionnelle

vignette|Illustration des probabilités conditionnelles avec un diagramme d'Euler. On a la probabilité a priori et les probabilités conditionnelles , et .|320x320px En théorie des probabilités, une probabilité conditionnelle est la probabilité d'un événement sachant qu'un autre événement a eu lieu. Par exemple, si une carte d'un jeu est tirée au hasard, on estime qu'il y a une chance sur quatre d'obtenir un cœur ; mais si on aperçoit un reflet rouge sur la table, il y a maintenant une chance sur deux d'obtenir un cœur.

Conditional probability distribution

In probability theory and statistics, given two jointly distributed random variables and , the conditional probability distribution of given is the probability distribution of when is known to be a particular value; in some cases the conditional probabilities may be expressed as functions containing the unspecified value of as a parameter. When both and are categorical variables, a conditional probability table is typically used to represent the conditional probability.

Loi normale

En théorie des probabilités et en statistique, les lois normales sont parmi les lois de probabilité les plus utilisées pour modéliser des phénomènes naturels issus de plusieurs événements aléatoires. Elles sont en lien avec de nombreux objets mathématiques dont le mouvement brownien, le bruit blanc gaussien ou d'autres lois de probabilité. Elles sont également appelées lois gaussiennes, lois de Gauss ou lois de Laplace-Gauss des noms de Laplace (1749-1827) et Gauss (1777-1855), deux mathématiciens, astronomes et physiciens qui l'ont étudiée.

Fonction de répartition

En théorie des probabilités, la fonction de répartition, ou fonction de distribution cumulative, d'une variable aléatoire réelle X est la fonction F_X qui, à tout réel x, associe la probabilité d’obtenir une valeur inférieure ou égale : Cette fonction est caractéristique de la loi de probabilité de la variable aléatoire.

Variable aléatoire

vignette|La valeur d’un dé après un lancer est une variable aléatoire comprise entre 1 et 6. En théorie des probabilités, une variable aléatoire est une variable dont la valeur est déterminée après la réalisation d’un phénomène, expérience ou événement, aléatoire. En voici des exemples : la valeur d’un dé entre 1 et 6 ; le côté de la pièce dans un pile ou face ; le nombre de voitures en attente dans la 2e file d’un télépéage autoroutier ; le jour de semaine de naissance de la prochaine personne que vous rencontrez ; le temps d’attente dans la queue du cinéma ; le poids de la part de tomme que le fromager vous coupe quand vous lui en demandez un quart ; etc.

Afficher plus

Séances de cours associées (64)

Variables aléatoires continues

Couvre les variables aléatoires continues, les fonctions de densité de probabilité et les distributions, avec des exemples pratiques.

Générer des fonctions : Propriétés et applications

Explore les fonctions génératrices, Laplace transforme, et leur rôle dans les distributions de probabilités.

Probabilités avancées : Variables aléatoires et valeurs attendues

Explore les probabilités avancées, les variables aléatoires et les valeurs attendues, avec des exemples pratiques et des quiz pour renforcer l'apprentissage.

Convergence des variables aléatoires

Explore différents modes de convergence pour les variables aléatoires.

Variables aléatoires continues : idées de base

Explore les variables aléatoires continues et leurs propriétés, y compris les fonctions de support et de distribution cumulative.

Afficher plus

Concepts associés (32)

Probabilité conditionnelle

Conditional probability distribution

Loi normale

Fonction de répartition

Variable aléatoire

Afficher plus