Notion de probabilité et variable aléatoire : espérance, variance, écart-type
Lois discrètes : lois binomiale, de Poisson, et lois continues : uniforme, normale, du \(\chi^2\)
Test du \(\chi^2\), estimation et intervalle de confiance et de pari, tests de conformité, d'homogénéité d'échantillons, tableau de contingence.
Les séances de travaux dirigés sont réalisés avec le langage R et le tableur.
- Enseignant.e: Jean-Claude Pena
L’objectif de ce cours est de présenter les avancées récentes en linguistique computationnelle rendues possibles par l’essor des grands modèles de langage (LLM). Après une introduction aux bases d’algèbre linéaire et de probabilités nécessaires à la compréhension du fonctionnement de ces modèles, nous étudierons le principe de l’architecture Transformer, brique de base des LLM. Nous verrons ensuite différentes applications de ces modèles sur des cas pratiques, implémentés en Python.
- Enseignant.e: Sophie Robert
- Enseignant.e: Maria-Victoria Eyharabide
Les bases de données sont "discrètement omniprésent[e]s" (Habert, 2009) dans nos vies.
Nous avons affaire à elles lorsque nous réservons un vol, une nuit d'hôtel ou lorsque nous
empruntons un livre à la bibliothèque. Elles permettent de structurer des informations
hétérogènes et de les relier entre elles, afin d'en tirer le meilleur parti.
Ce cours a pour objectif de familiariser les étudiants avec les bases de données, non
seulement d'un point de vue pratique (création, interrogation et gestion), mais également d'un
point de vue théorique (modélisation), en commençant par l'histoire, les principes de base et
la terminologie du domaine.
- Enseignant.e: Frederic Brossard
Cours de statistiques descriptives, L3 Sciences du Langage Option Informatique. Cours partagé entre théorie mathématique et pratique du logiciel R.
- Enseignant.e: Frederic Brossard