Enseignements

Enseignement logiciel

Python: Une excellente introduction rapide en anglais est ici, ici et ici. Une autre, proposée par Philippe Besse est ici. L"introduction par Franck Iutzeler ici est aussi très efficace, de même que celle de Fabian Pedregosa ici. Les notesbooks de Michael J. Pyrcz de l'University of Texas at Austin ici sont excellents. Les notebook 1 et notebook 2 par Jean-Jil Duchamps et Camelia Goga sont également très bien faits et on l'avantage d'être concis. Un cours du MIT très bien est ici. Une très bonne introduction à JAX est ici.
- Mon introduction préférée pour le moment est ici.
Une introduction à R est ici et une introduction à Rmarkdown est ici.

Enseignement pour non-mathématiciens:

Présentation pour public lycéen et université: Graphes, coloration et Physique statistique
Licence 2 Sciences de la Vie et de la Terre: Statistique
Master Management de la Qualité: cartes de contrôle, tests, régression, clustering, fiablité
Master IDSM Kharkiv Ukraine: Intelligence Artificielle

Enseignement MIASHS Lyon 2

Enseignement Masters Lyon 2

Master 2 SEG EES : Introduction to machine learning
Master Géographie Environnement: Introduction to statistical machine learning (nice link to UCLA lectures here, and a great book is here, btw)

Enseignement pour mathématiciens:

Juste pour le plaisir : Amazing lecture notes on calculus and differential geometry here
Licence 3 Mathématiques: Stats descriptives et Stats inférentielles
Licence 3 Mathématiques et Pluri-disciplinaire: Statistique Elémentaire
Master de Modélisation Statistique
Agrégation: Epreuve de modélisation (probabilité et statistique)
Graduate Summer School EPAT 2010: Optimization Methods for Machine Learning
Master Data Science: Deep Learning
Postgraduate Masterclass Lancaster University 2021: Data Science using Semi-Definite Programming (day 1 and day 2)
Quelques vidéos intéressantes: - Machine Learnia - Formation Vidéo - DocString - Graven