Il s’agit d’un module d’enseignement science des données d’une cinquante heures au total incluant cours, exercice set travaux pratiques. Il est centré sur la question du traitement de données expérimentales. Il visite les concepts de modèle de données et de vraisemblances, information de Fisher et distance de Kullback, coûts et risques, estimation optimale, échantillonnage stochastique et optimisation. Une part importante est consacrée à la question de la quantification d’incertitudes et on introduit également des notions de comparaison de modèles. Il inclut plusieurs séances pratiques sur des cas concrets: phénomène thermique ou oscillatoire amorti, spectre de raies,…
Le cours est au tableau et à la craie.
Recueil d’exercices
- [PDF] Vraisemblance, Fisher, Fisher et Kulback, posterior, coût et risque, estimation (exemple Gauss, exponentiel,…).
Sujets de travaux pratiques
- [PDF] Travaux introductifs: simulation et observation (Gauss et uniforme, couple et corrélation, mélange de deux gaussiennes).
- [PDF] Un exemple basique: estimation des paramètres d’une densité Gamma…
- [PDF] Un exemple en thermique: estimation d’un coefficient de diffusivité / convection
- [PDF] Cas du mélange de deux gaussiennes scalaire: identification des paramètres
Un diaporama: échantillonnage stochastique et MCMC
- [PDF] Variables continues et discrètes, méthode directes et MCMC, Gibbs et Metropolis-Hastings…
| Auteur(s) | Jean-François Giovannelli |
| Contact | Giova@IMS-Bordeaux.fr |
| Langue | Français |
| Licence | Creative Commons |