Ce cours aborde les concepts fondamentaux de la théorie des probabilités, y compris l'univers, les événements et les axiomes de la probabilité. Il explore les points de vue bayésien et fréquentiste, les probabilités conditonnelles, l'indépendance, et introduit les chaînes de Markov à deux états. 

De plus, le cours aborde le théorème de Bayes, l'algorithem “naïve Bayes”, les distributions de probabilités classiques (discrètes et continues), ainsi que des concepts clés tels que l'espérance et la variance. Le cours offre une base solide en théorie des probabilités avec des applications concrètes.

• Univers et événements
• Axiomes de base de la théorie des probabilités
• Bayésien vs fréquentiste : comparaison des deux approches. Probabilité conditonnelle et indépendance
• Notions de base des chaînes de Markov à deux états
• Théorème de Bayes : mise à jour des probabilités avec de nouvelles informations
• Introduction au classificateur Naïve Bayes
• Distributions classiques : discrètes et continues
• Espérance, variance et écart-type

• Comprendre les concepts clés de la théorie des probabilités, y compris l'univers et les événements
• Appliquer les axiomes de la théorie des probabilités et comparer les approches bayésienne et fréquentiste
• Calculer des probabilités conditionnelles et reconnaître l'indépendance
• Utliser le théorème de Bayes pour la mise à jour des probabilités

• Appliquer le classificateur Naïve Bayes pour les tâches de classification
• Travailler avec les distributions classiques de probabilité.
• Calculer l'espérance et la variance.

Le cours suit un format traditonnel en présentiel avec des présentations sur diapositives, favorisant l'engagement interactif et la participation active.