High Dimensional Statistics and Deep Learning
Description
Objectifs
At the end of this module, the student will have understood and be able to explain (main concepts):
-How to use deep learning methods for classification in high dimension
-Classification of media or images
-Estimation of the prediction error
-Dimension reduction by projection onto orthonormal bases
-Anomaly detection
-Application of deep learning methods on real data set
At the end of this module, the student should be able to:
-Fit a deep neural network for media or image classification and regression
-Apply anomaly detection algorithms
-Implement deep learning methods in high dimension on real data sets with Python libraries.
Pré-requis
Statistical modelling
Software for statistics
Évaluation
L’évaluation des acquis d’apprentissage est réalisée en continu tout le long du semestre. En fonction des enseignements, elle peut prendre différentes formes : examen écrit, oral, compte-rendu, rapport écrit, évaluation par les pairs…
En bref
Crédits ECTS : 3.0
Nombre d’heures : 60.0

INSA Toulouse
135 avenue de Rangueil
31077 Toulouse cedex 4
Tél : 05 61 55 95 13
Fax : 05 61 55 95 00

Dans un souci d'alléger le texte et sans aucune discrimination de genre, l'emploi du genre masculin est utilisé à titre épicène.