Mathématiques pour l'intelligence artificielle
Le socle mathématique du machine learning, des vecteurs à l'optimisation.
Un parcours transversal qui rassemble, dans l'ordre où l'on en a besoin, toutes les mathématiques nécessaires pour comprendre et construire des modèles d'apprentissage : algèbre linéaire, calcul différentiel, probabilités, statistiques, optimisation et théorie de l'information.
Pour Développeurs et autodidactes qui visent le machine learning et veulent des bases mathématiques solides, du niveau lycée au niveau master.
20 cours
Lycée 2 cours
- 01 Calcul vectoriel et géométrie analytiqueAlgèbre linéaire À venir
- 02 Probabilités discrètesProbabilités et statistiques À venir
Prépa 5 cours
- 01 Systèmes linéaires et matricesAlgèbre linéaire À venir
- 02 Espaces vectoriels et applications linéairesAlgèbre linéaire À venir
- 03 Réduction des endomorphismesAlgèbre linéaire À venir
- 04 Intégration de RiemannAnalyse réelle À venir
- 05 Variables aléatoires et lois continuesProbabilités et statistiques À venir
Licence 7 cours
- 01 Espaces euclidiens et SVDAlgèbre linéaire À venir
- 02 Fonctions de plusieurs variablesCalcul différentiel À venir
- 03 Théorèmes limitesProbabilités et statistiques À venir
- 04 Mesure et intégrale de LebesgueMesure et intégration À venir
- 05 Statistique inférentielleStatistiques À venir
- 06 Analyse numériqueMéthodes numériques À venir
- 07 Théorie des graphesThéorie des graphes À venir
Master 6 cours
- 01 Statistique bayésienneStatistiques À venir
- 02 Optimisation convexeOptimisation À venir
- 03 Optimisation stochastiqueOptimisation À venir
- 04 Théorie de l'informationThéorie de l’information À venir
- 05 Espaces de Hilbert et Banach OptionAnalyse fonctionnelle À venir
- 06 Courbes, surfaces et variétés OptionGéométrie différentielle À venir