Panoramas et synthèses N° 57
Topics in statistical learning theory

Par : Peter Bartlett, Sanjoy Dasgupta
  • Paiement en ligne :
    • Livraison à domicile ou en point Mondial Relay entre le 25 juin et le 28 juin
      Cet article sera commandé chez un fournisseur et vous sera envoyé 3 à 6 jours après la date de votre commande.
    • Retrait Click and Collect en magasin gratuit
  • Réservation en ligne avec paiement en magasin :
    • Indisponible pour réserver et payer en magasin
  • Nombre de pages90
  • FormatGrand Format
  • Poids0.375 kg
  • Dimensions17,5 cm × 24,0 cm × 0,7 cm
  • ISBN978-2-85629-964-7
  • EAN9782856299647
  • Date de parution01/07/2022
  • ÉditeurSociété Mathématique de France
  • Directeur de publicationStéphane Boucheron
  • Directeur de publicationNicolas Vayatis

Résumé

Ce volume est le résultat d'une série de trois cours sur la théorie statistique de l'apprentissage données à l'Institut Henri Poincaré en 2011 sous l'égide de la Société Mathématique de France. Le chapitre de présentation propose un survol de l'histoire de la théorie statistique de l'apprentissage, de ses racines, de ses outils mathématiques et des questions qui la constituent. Le chapitre "Algorithms for minimally supervised learning" par Sanjoy Dasgupta décrit les progrès de l'informatique théorique sur les questions d'apprentissage non supervisé (clustering) et sur l'apprentissage dit actif De façon assez smprenante, ces progrès sont dus en grande partie à la confrontation de la théorie de la concentration de la mesure, de la théorie de la complexité et des pratiques établies en statistique numérique.
Le chapitre "Online prediction" par Peter Bartlett porte sur l'apprentissage en ligne. Il s'agit d'une confrontation entre statistique, théorie des jeux et optimisation.
Ce volume est le résultat d'une série de trois cours sur la théorie statistique de l'apprentissage données à l'Institut Henri Poincaré en 2011 sous l'égide de la Société Mathématique de France. Le chapitre de présentation propose un survol de l'histoire de la théorie statistique de l'apprentissage, de ses racines, de ses outils mathématiques et des questions qui la constituent. Le chapitre "Algorithms for minimally supervised learning" par Sanjoy Dasgupta décrit les progrès de l'informatique théorique sur les questions d'apprentissage non supervisé (clustering) et sur l'apprentissage dit actif De façon assez smprenante, ces progrès sont dus en grande partie à la confrontation de la théorie de la concentration de la mesure, de la théorie de la complexité et des pratiques établies en statistique numérique.
Le chapitre "Online prediction" par Peter Bartlett porte sur l'apprentissage en ligne. Il s'agit d'une confrontation entre statistique, théorie des jeux et optimisation.