Ce cours est réparti entre un volet estimation statistique et un volet probabilité consacré aux chaines de Markov. Dans la partie estimation statistique, l'objectif est de fournir aux étudiants les méthodes de base pour estimer les paramètres d'un modèle, ainsi que leurs cas d'utilisation et leurs limites. Les méthodes d'estimation sont présentés dans le cas de l'approche bayésienne (MAP, LMMSE), et dans le cas de l'approche classique (LSE, ML, BLUE). Ensuite, les chaines de Markov, outil incontournable pour modéliser des phénomènes chronologiques ou séquentiels, sont introduites dans le cas d'un espace fini, avec leurs différentes propriétés et les théorèmes fondamentaux associés. Le cours s'achève par la présentation des modèles de Markov cachés, et les tâches fondamentales associées (calcul de vraisemblance, estimation des états cachés par Viterbi, apprentissage des paramètres).
Les outils enseignés dans les cours magistraux seront mis en oeuvre sur plusieurs jeux de données réelles de nature différentes (audio, images, textes, etc.)
- Enseignant: Sophie ALFEROFF
- Enseignant: Frédérika AUGÉ-ROCHEREAU
- Enseignant: Hélène LAHANIER
- Enseignant: Mélanie LIMACHE GOMEZ
- Enseignant: Luc MEYER
- Enseignant: Alejandro REYMOND
- Enseignant responsable de l'UE: Alexandre CHAPOUTOT