Science des données et optimisation stochastique

Emplacement

TUNIS
,
Tunisie

Dates

à

Présentation

La science des données et l'optimisation stochastique sont deux disciplines tout à fait complémentaires qui sont en plein essor aussi bien dans le monde universitaire que dans le secteur privé ou public. Les thèmes abordés dans cette école sont les suivants :

  - Méthode à noyaux et applications en sciences des données.

  - Statistique mathématique pour la science des données.

  - Modélisation aléatoire et simulations numériques.

  - Processus contrôlés markoviens et métaheuristiques.

Cette école est axée à la fois aux fondements mathématiques/statistiques et aux applications. Les cours sont suivis de travaux pratiques et mini-projets en lien avec des problèmes concrets, permettant ainsi de mettre en pratique les connaissances théoriques acquises. Des outils informatiques appropriés seront mis en œuvre afin de mener à bien ces applications.

Cela servira entre autres à une initiation au logiciel Pyhton et au logiciel R.

Langue officielle de l’école : française

Coordinateurs administratifs et scientifiques

Hédi Nabli (Université de Sfax,
Tunisie
, )
Nikolaos Limnios (Université de Technologie de Compiègne,
France
, )

Comité scientifique

Sophie Dabo (Université de Lille, France)
Jean-Francois Dupuy (Université de Rennes 1, France)
Abderrazek Karoui (Université de Carthage, Tunisie)
Sameh Kessentini (Université de Sfax, Tunisie)
Nikolaos Limnios (Université de Technologie de Compiègne, France)
Afif Masmoudi (Université de Sfax, Tunisie)
Valérie Monbet (Université de Rennes 1, France) and Hédi Nabli (Université de Sfax, Tunisie)

Programme scientifique

Cours 1: "Méthodes à noyaux pour les sciences des données", Sophie Dabo (Université de Lille, France) and Abderrazek Karoui (Université de Carthage, Tunisie)

Cours 2: "Méthode du recuit simulé", Hédi Nabli (Université de Sfax, Tunisie)

Cours 3: "Méthodes statistiques pour la classification des données", Afif Masmoudi (Université de Sfax, Tunisie)

Cours 4: "Processus contrôlés markoviens", Nikolaos Limnios (Université de Technologie de Compiègne, France)

Cours 5: "Quelques méthodes de classification supervisée pour la data science", Jean-Francois Dupuy (Université de Rennes 1, France)

Cours 6: "Bagging, boosting, combinaison de modèles", Valérie Monbet (Université de Rennes 1, France)

Cours 7: "Optimisation par essaims particulaires", Sameh Kessentini (Université de Sfax, Tunisie)

Site internet de l'école

Comment participer

Pour s'inscrire et candidater à un financement CIMPA, suivre les instructions données ici.

Date limite d'inscription et de candidature : 9 janvier 2022