Programme module 1

Arbres de décision et méthodes d’agrégation (2 jours)

• Introduction au machine learning
  - Définition du machine learning et concept de bases
  - Machine Learning et économétrie : similarités et différences
  - Machine Learning et modélisation du risque de crédit : apports et limites
  
• Arbres de décision
  - Arbres de classification et arbres de régression
  - Algorithme CART
  - Mesure d’impureté et élagage
  - Les limites des arbres de décision
  - Mise en œuvre sous Python, R et SAS
  
• Méthodes d’agrégation
  - Bagging pour classification et régression
  - Forêts aléatoires (random forests) pour classification et régression
  - Boosting : méthodes AdaBoost et Gradient Boosting
  - Mise en œuvre sous Python, R et SAS