Introduction au machine learning : méthodes et applications

Formation de William Arbour.
Mercredi 20 novembre 2024, de 13h00 à 16h00.
En comodal : Dans la salle C-2059, Pavillon Lionel-Groulx, à l'Université de Montréal et en ligne. 

Inscription requise seulement pour le Zoom

Les places en présentiel sont disponibles sans nécessité de s'inscrire.

---

PDF DE LA PRÉSENTATION

Résumé :

La formation couvrira les concepts fondamentaux de l’apprentissage automatique (machine learning) appliqué. Elle inclura une introduction aux méthodes paramétriques comme les régressions Ridge et Lasso, et aux méthodes non-paramétriques comme les arbres de régression et les forêts aléatoires. Nous aborderons également les méthodes de classification non supervisées, avec des exemples concrets en criminologie pour illustrer leur application. Cette formation s'adresse aux étudiants de tous les cycles. Au terme de la formation, l'étudiant.e sera en mesure de maîtriser les principales techniques de machine learning, de les appliquer à des problèmes réels en criminologie, et de consommer la littérature scientifique de manière éclairée.

Biographie :

William Arbour

Professeur adjoint au Département de sciences économiques
william.arbour@umontreal.ca

Professeur adjoint au Département de sciences économiques de l’Université de Montréal. Dans sa recherche, il s’intéresse aux déterminants de la récidive criminelle (thérapie comportementale, libération conditionnelle, maisons de transition), à l’économie du crime, à la microéconométrie appliquée et aux méthodes tirées de l’intelligence artificielle. Il enseigne l’évaluation de politiques publiques à tous les niveaux, ainsi que la science des données.