Durée
General course : 24h Th, 12h Pr, 10h Proj.
Project complement : 30h Proj.
Nombre de crédits
| Master en science des données, à finalité | 5 crédits | |||
| Master : ingénieur civil en science des données, à finalité | 5 crédits |
Enseignant
General course :
Project complement :
Langue(s) de l'unité d'enseignement
Langue anglaise
Organisation et évaluation
Enseignement au deuxième quadrimestre
Horaire
Unités d'enseignement prérequises et corequises
Les unités prérequises ou corequises sont présentées au sein de chaque programme
Contenus de l'unité d'enseignement
General course
1 Introduction
2 Models and challenges
3 Generating random variables
4 Generating random processes
5 Monte Carlo Integration and Optimization
6 Markov Chain Monte Carlo
7 Statistical analysis of simulation data
8 Variance reduction
Project complement
1 Introduction
2 Models and challenges
3 Generating random variables
4 Generating random processes
5 Monte Carlo Integration and Optimization
6 Markov Chain Monte Carlo
7 Statistical analysis of simulation data
8 Variance reduction
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement
General course
Bonne compréhension des problématiques liées à la simulation et à l'échantillonnage.
Project complement
Bonne compréhension des problématiques liées à la simulation et à l'échantillonnage.
Savoirs et compétences prérequis
General course
Pour suivre ce cours il est indispensable d'avoir de bonnes bases en
- théorie des probabilités (mesures de probabilité, lois usuelles univariées, lois multivariées, TCL, loi des grands nombres, ...)
- statistique paramétrique (vraisemblance d'un modèle, information de Fisher, tests statistiques courants, intervalle et zone de confiance, ...)
Une référence pour les bases : Casella, George, and Roger L. Berger. Statistical inference. Vol. 2. Pacific Grove, CA: Duxbury, 2002.
Project complement
Pour suivre ce cours il est indispensable d'avoir de bonnes bases en
- théorie des probabilités (mesures de probabilité, lois usuelles univariées, lois multivariées, TCL, loi des grands nombres, ...)
- statistique paramétrique (vraisemblance d'un modèle, information de Fisher, tests statistiques courants, intervalle et zone de confiance, ...)
Une référence pour les bases : Casella, George, and Roger L. Berger. Statistical inference. Vol. 2. Pacific Grove, CA: Duxbury, 2002.
Activités d'apprentissage prévues et méthodes d'enseignement
General course
Cours ex-cathedra, séances de TP sur ordinateur et sur papier. Un projet est également prévu (modalités encore à fixer).
Project complement
Cours ex-cathedra, séances de TP sur ordinateur et sur papier. Un projet est également prévu (modalités encore à fixer).
Mode d'enseignement (présentiel ; enseignement à distance)
General course
présentiel
Project complement
présentiel
Lectures recommandées ou obligatoires et notes de cours
General course
Toutes les informations (notes de cours, énoncés de projet, énoncés d'exercices) seront mises à disposition via la plateforme eCampus.
Références
Kroese, Dirk P., Thomas Taimre, and Zdravko I. Botev. Handbook of monte carlo methods. Vol. 706. John Wiley & Sons, 2013.
Robert, Christian, and George Casella. Monte Carlo statistical methods. Springer Science & Business Media, 2013.
Robert, Christian P., George Casella, and George Casella. Introducing monte carlo methods with r. Vol. 18. New York: Springer, 2010.
Project complement
Toutes les informations (notes de cours, énoncés de projet, énoncés d'exercices) seront mises à disposition via la plateforme eCampus.
Références
Kroese, Dirk P., Thomas Taimre, and Zdravko I. Botev. Handbook of monte carlo methods. Vol. 706. John Wiley & Sons, 2013.
Robert, Christian, and George Casella. Monte Carlo statistical methods. Springer Science & Business Media, 2013.
Robert, Christian P., George Casella, and George Casella. Introducing monte carlo methods with r. Vol. 18. New York: Springer, 2010.
Modalités d'évaluation et critères
General course
Les modalités précises sont encore à fixer en fonction du projet. Toutes informations seront données au début du cours.
Project complement
Les modalités précises sont encore à fixer en fonction du projet. Toutes informations seront données au début du cours.
Stage(s)
Remarques organisationnelles
Contacts
General course
Yvik Swan
Office : B37 0/68
Phone : +32 4 366 94 76
Email : yswan at ulg.ac.be
Project complement
Yvik Swan
Office : B37 0/68
Phone : +32 4 366 94 76
Email : yswan at ulg.ac.be
Adaptation des engagements pédagogiques suite à la pandémie de COVID-19 pour la session de mai-juin
Méthodes d'apprentissage mises en œuvre : enseignement à distance
General course
eCampus
Project complement
eCampus
Matière de l'évaluation
General course
Monte Carlo methods, Models and challenges, Generating random variables.
Project complement
Monte Carlo methods, Models and challenges, Generating random variables.
Méthodes d'évaluation
General course
Project
Project complement
Project
Contact
General course
Amir Aboubacar
a.aboubacar@uliege.be
Project complement
Amir Aboubacar
a.aboubacar@uliege.be
Adaptation des engagements pédagogiques suite à la pandémie de COVID-19 pour la session août-sept
Matière de l'évaluation
General course
Monte Carlo methods, Models and challenges, Generating random variables.
Méthodes d'évaluation (et plateforme utilisée)
General course
Project
Contact(s)
General course
Amir Aboubacar
a.aboubacar@uliege.be