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 : Arnout Van Messem
Project complement : Arnout Van Messem
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, à distance, hybride)
General course
présentiel
Project complement
présentiel
Adaptations organisationnelles liées au contexte sanitaire
General course
à distance
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
Vous trouverez ci-dessous les modalités d'évaluation envisagées pour les examens en présentiel et à distance ainsi que celle souhaitée en cas de session hybride. En fonction de l'évolution sanitaire, la modalité choisie vous sera communiquée au plus tard un mois avant le début de la session d'examen.
General course
Toutes sessions confondues :
- En présentiel
évaluation orale
- En distanciel
travail à rendre
- Si évaluation en "hybride"
préférence en distanciel
Explications complémentaires:
Voir version anglaise
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
Professeur: Arnout Van Messem
Assistant: Carole Baum
Project complement
Professeur: Arnout Van Messem
Assistant: Carole Baum