Search this site
Embedded Files
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
Atelier Data Science Geographie
Master 2 MIASHS
Robust methods for Machine Learning
XAI
Enquêtes
Fairness et données deséquilibrées
Optimisation
Projet tutoré Domain Adaptation
Fourier Wavelets
Online Learning
Master 2 SEG EES
Introduction to Machine Learning
Master Géographie Environnement
Introduction to statistical machine learning for Geography
Applied Machine Learning
Outils et logiciels d'analyse
Statistiques et R pour la Sociologie
Prise en main R posit
Publications
Talks
Recent Advances in Statistical and Numerical Machine Learning
Perso
Home
Atelier Data Science Geographie
Les slides de François Mialhe sont
ici
Des ressources pour les géostatistiques sont
ici
et
ici
Google Sites
Report abuse
Google Sites
Report abuse
