Search this site
Skip to main content
Skip to navigation
Home
Home
Enseignements
Introduction a R pour les statistiques descriptives
Polytechnique Lyon
IA
L1 MIASHS
L1 MIASHS Probabilités
L1 MIASHS Probabilités 2020-21
L2 MIASHS
L2 MIASHS Statistiques descriptives
L2 MIASHS Statistiques descriptives
L2 Statistiques Descriptives 2 (regression et classification)
TDTP2
TDTP3
TDTP4
TDTP5
TD3
Discussion TD3
Discussion Big Blue Button TD2
L2 MIASHS Statistiques Descriptives 2 - V2
Logiciel R pour les Statistiques
L2 MIAHS Analyse de Donnees
L3 MIASHS
L3 MIASHS Modele Lineaire
Modèle logistique
L3 MIASHS-IDS Statistiques Inferentielles
Density for Ozone analysis New York
Statistique Inferentielle 2 année 2019-20
Statistique Inférentielle 2 année 2020-21
Deep Learning
Applied Machine Learning
Master MIASHS
Master 1 MIASHS
NLP for Social Sciences
Supervised Statistical Machine Learning
Quantifier en Sciences Sociales
Cours préparatoire : Optimisation
Atelier Data Science 1
Introduction to unsupervised statistical Machine Learning 1: reduction
Unsupervised Machine Learning 1
Master 2 MIASHS
Robust methods for Machine Learning
XAI
Enquêtes
Fairness et données deséquilibrées
Optimisation
Projet tutoré Domain Adaptation
Master 2 SEG EES
Introduction to Machine Learning
Master Géographie Environnement
Introduction to statistical machine learning for Geography
Applied Machine Learning
Statistiques et R pour la Sociologie
Prise en main R posit
Outils et logiciels d'analyse
Untitled page
Publications
Talks
Recent Advances in Statistical and Numerical Machine Learning
Perso
Home
Modèle Linéaire (et extensions): TP sur le Modèle logistique
Google Sites
Report abuse
Google Sites
Report abuse