Sciences des données

Follow Sciences des données
Share on
Copy link to clipboard

Stéphane Mallat est né le 24 octobre 1962 à Suresnes. Il a été élève à l’École polytechnique de 1981 à 1984 puis à l’École nationale supérieure des télécommunications en 1985. Il a obtenu un Ph.D. en traitement du signal à l’Université de Pennsylvanie de 1986 à 1988 et a soutenu sa thèse d’habilitat…

Stéphane Mallat


    • Mar 9, 2022 LATEST EPISODE
    • infrequent NEW EPISODES
    • 1h 28m AVG DURATION
    • 276 EPISODES


    Search for episodes from Sciences des données with a specific topic:

    Latest episodes from Sciences des données

    08 - Information et complexité - VIDEO

    Play Episode Listen Later Mar 9, 2022 92:44


    Stéphane Mallat Collège de France Science des données Année 2021-2022 Distorsions et parcimonie

    08 - Information et complexité - VIDEO

    Play Episode Listen Later Mar 9, 2022 92:44


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022Distorsions et parcimonie

    08 - Information et complexité

    Play Episode Listen Later Mar 9, 2022 92:44


    Stéphane Mallat Collège de France Science des données Année 2021-2022 Distorsions et parcimonie

    08 - Information et complexité

    Play Episode Listen Later Mar 9, 2022 92:44


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022Distorsions et parcimonie

    07 - Information et complexité - VIDEO

    Play Episode Listen Later Mar 2, 2022 91:53


    Stéphane Mallat Collège de France Science des données Année 2021-2022 Information de Fisher Les distorsions des algorithmes de compression sont dues aux erreurs d'approximation après quantification. Ce cours étudie la décroissance de l'erreur en fonction du nombre de bits du codage et fait le lien avec la parcimonie de la représentation dans une base.

    07 - Information et complexité - VIDEO

    Play Episode Listen Later Mar 2, 2022 91:53


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022 Information de FisherLes distorsions des algorithmes de compression sont dues aux erreurs d'approximation après quantification. Ce cours étudie la décroissance de l'erreur en fonction du nombre de bits du codage et fait le lien avec la parcimonie de la représentation dans une base.

    07 - Information et complexité

    Play Episode Listen Later Mar 2, 2022 91:53


    Stéphane Mallat Collège de France Science des données Année 2021-2022 Information de Fisher Les distorsions des algorithmes de compression sont dues aux erreurs d'approximation après quantification. Ce cours étudie la décroissance de l'erreur en fonction du nombre de bits du codage et fait le lien avec la parcimonie de la représentation dans une base.

    07 - Information et complexité

    Play Episode Listen Later Mar 2, 2022 91:53


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022 Information de FisherLes distorsions des algorithmes de compression sont dues aux erreurs d'approximation après quantification. Ce cours étudie la décroissance de l'erreur en fonction du nombre de bits du codage et fait le lien avec la parcimonie de la représentation dans une base.

    06 - Information et complexité - VIDEO

    Play Episode Listen Later Feb 23, 2022 91:23


    Stéphane Mallat Collège de France Science des données Année 2021-2022 Information de Fisher La théorie de l'information de Shannon étudie la concentration des données dans l'espace, dans des ensembles typiques, sous des hypothèses d'indépendance. L'entropie permet de mesurer le nombre d'éléments dans ces ensembles. Cela définit une borne minimum sur le codage de données.

    06 - Information et complexité - VIDEO

    Play Episode Listen Later Feb 23, 2022 91:23


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022 Information de FisherLa théorie de l'information de Shannon étudie la concentration des données dans l'espace, dans des ensembles typiques, sous des hypothèses d'indépendance. L'entropie permet de mesurer le nombre d'éléments dans ces ensembles. Cela définit une borne minimum sur le codage de données.

    06 - Information et complexité

    Play Episode Listen Later Feb 23, 2022 91:23


    Stéphane Mallat Collège de France Science des données Année 2021-2022 Information de Fisher La théorie de l'information de Shannon étudie la concentration des données dans l'espace, dans des ensembles typiques, sous des hypothèses d'indépendance. L'entropie permet de mesurer le nombre d'éléments dans ces ensembles. Cela définit une borne minimum sur le codage de données.

    06 - Information et complexité

    Play Episode Listen Later Feb 23, 2022 91:23


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022 Information de FisherLa théorie de l'information de Shannon étudie la concentration des données dans l'espace, dans des ensembles typiques, sous des hypothèses d'indépendance. L'entropie permet de mesurer le nombre d'éléments dans ces ensembles. Cela définit une borne minimum sur le codage de données.

    05 - Information et complexité - VIDEO

    Play Episode Listen Later Feb 16, 2022 81:18


    Stéphane Mallat Collège de France Science des données Année 2021-2022 Information de Fisher La théorie de l'information de Shannon étudie la concentration des données dans l'espace, dans des ensembles typiques, sous des hypothèses d'indépendance. L'entropie permet de mesurer le nombre d'éléments dans ces ensembles. Cela définit une borne minimum sur le codage de données.

    05 - Information et complexité - VIDEO

    Play Episode Listen Later Feb 16, 2022 81:18


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022 Information de FisherLa théorie de l'information de Shannon étudie la concentration des données dans l'espace, dans des ensembles typiques, sous des hypothèses d'indépendance. L'entropie permet de mesurer le nombre d'éléments dans ces ensembles. Cela définit une borne minimum sur le codage de données.

    05 - Information et complexité

    Play Episode Listen Later Feb 16, 2022 81:18


    Stéphane Mallat Collège de France Science des données Année 2021-2022 Information de Fisher La théorie de l'information de Shannon étudie la concentration des données dans l'espace, dans des ensembles typiques, sous des hypothèses d'indépendance. L'entropie permet de mesurer le nombre d'éléments dans ces ensembles. Cela définit une borne minimum sur le codage de données.

    05 - Information et complexité

    Play Episode Listen Later Feb 16, 2022 81:18


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022 Information de FisherLa théorie de l'information de Shannon étudie la concentration des données dans l'espace, dans des ensembles typiques, sous des hypothèses d'indépendance. L'entropie permet de mesurer le nombre d'éléments dans ces ensembles. Cela définit une borne minimum sur le codage de données.

    04 - Information et complexité - VIDEO

    Play Episode Listen Later Feb 9, 2022 73:12


    Stéphane Mallat Collège de France Science des données Année 2021-2022 Information de Fisher La théorie de l'information de Shannon étudie la concentration des données dans l'espace, dans des ensembles typiques, sous des hypothèses d'indépendance. L'entropie permet de mesurer le nombre d'éléments dans ces ensembles. Cela définit une borne minimum sur le codage de données.

    04 - Information et complexité - VIDEO

    Play Episode Listen Later Feb 9, 2022 73:12


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022 Information de FisherLa théorie de l'information de Shannon étudie la concentration des données dans l'espace, dans des ensembles typiques, sous des hypothèses d'indépendance. L'entropie permet de mesurer le nombre d'éléments dans ces ensembles. Cela définit une borne minimum sur le codage de données.

    04 - Information et complexité

    Play Episode Listen Later Feb 9, 2022 73:12


    Stéphane Mallat Collège de France Science des données Année 2021-2022 Information de Fisher La théorie de l'information de Shannon étudie la concentration des données dans l'espace, dans des ensembles typiques, sous des hypothèses d'indépendance. L'entropie permet de mesurer le nombre d'éléments dans ces ensembles. Cela définit une borne minimum sur le codage de données.

    04 - Information et complexité

    Play Episode Listen Later Feb 9, 2022 73:12


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022 Information de FisherLa théorie de l'information de Shannon étudie la concentration des données dans l'espace, dans des ensembles typiques, sous des hypothèses d'indépendance. L'entropie permet de mesurer le nombre d'éléments dans ces ensembles. Cela définit une borne minimum sur le codage de données.

    03 - Information et complexité - VIDEO

    Play Episode Listen Later Feb 2, 2022 83:39


    Stéphane Mallat Collège de France Science des données Année 2021-2022 Représentations parcimonieuses Un modèle probabiliste est typiquement défini par une famille de paramètres. L'inférence de ces paramètres peut se faire par maximum de vraisemblance. On démontre la consistance asymptotique de l'estimation par maximum de vraisemblance.

    03 - Information et complexité - VIDEO

    Play Episode Listen Later Feb 2, 2022 83:39


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022Représentations parcimonieusesUn modèle probabiliste est typiquement défini par une famille de paramètres. L'inférence de ces paramètres peut se faire par maximum de vraisemblance. On démontre la consistance asymptotique de l'estimation par maximum de vraisemblance.

    03 - Information et complexité

    Play Episode Listen Later Feb 2, 2022 83:39


    Stéphane Mallat Collège de France Science des données Année 2021-2022 Représentations parcimonieuses Un modèle probabiliste est typiquement défini par une famille de paramètres. L'inférence de ces paramètres peut se faire par maximum de vraisemblance. On démontre la consistance asymptotique de l'estimation par maximum de vraisemblance.

    03 - Information et complexité

    Play Episode Listen Later Feb 2, 2022 83:39


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022Représentations parcimonieusesUn modèle probabiliste est typiquement défini par une famille de paramètres. L'inférence de ces paramètres peut se faire par maximum de vraisemblance. On démontre la consistance asymptotique de l'estimation par maximum de vraisemblance.

    02 - Information et complexité - VIDEO

    Play Episode Listen Later Jan 26, 2022 81:17


    Stéphane Mallat Collège de France Science des données Année 2021-2022 Représentations parcimonieuses Un modèle probabiliste est typiquement défini par une famille de paramètres. L'inférence de ces paramètres peut se faire par maximum de vraisemblance. On démontre la consistance asymptotique de l'estimation par maximum de vraisemblance.

    02 - Information et complexité - VIDEO

    Play Episode Listen Later Jan 26, 2022 81:17


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022Représentations parcimonieusesUn modèle probabiliste est typiquement défini par une famille de paramètres. L'inférence de ces paramètres peut se faire par maximum de vraisemblance. On démontre la consistance asymptotique de l'estimation par maximum de vraisemblance.

    02 - Information et complexité

    Play Episode Listen Later Jan 26, 2022 81:17


    Stéphane Mallat Collège de France Science des données Année 2021-2022 Représentations parcimonieuses Un modèle probabiliste est typiquement défini par une famille de paramètres. L'inférence de ces paramètres peut se faire par maximum de vraisemblance. On démontre la consistance asymptotique de l'estimation par maximum de vraisemblance.

    02 - Information et complexité

    Play Episode Listen Later Jan 26, 2022 81:17


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022Représentations parcimonieusesUn modèle probabiliste est typiquement défini par une famille de paramètres. L'inférence de ces paramètres peut se faire par maximum de vraisemblance. On démontre la consistance asymptotique de l'estimation par maximum de vraisemblance.

    01 - Information et complexité - VIDEO

    Play Episode Listen Later Jan 19, 2022 64:25


    Stéphane Mallat Collège de France Science des données Année 2021-2022 Représentations parcimonieuses Le premier cours introduit les problématiques d'apprentissage de données complexes en grande dimension, et pose le problème en termes probabilistes. Le cours soulève les questions fondamentales de modélisation en grande dimension, et leur formalisation mathématique à travers des mesures d'information. On aborde la notion de complexité en lien avec la structure des distributions de probabilité en grande dimension.

    01 - Information et complexité - VIDEO

    Play Episode Listen Later Jan 19, 2022 64:25


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022Représentations parcimonieusesLe premier cours introduit les problématiques d'apprentissage de données complexes en grande dimension, et pose le problème en termes probabilistes. Le cours soulève les questions fondamentales de modélisation en grande dimension, et leur formalisation mathématique à travers des mesures d'information. On aborde la notion de complexité en lien avec la structure des distributions de probabilité en grande dimension.

    01 - Information et complexité

    Play Episode Listen Later Jan 19, 2022 64:25


    Stéphane Mallat Collège de France Science des données Année 2021-2022 Représentations parcimonieuses Le premier cours introduit les problématiques d'apprentissage de données complexes en grande dimension, et pose le problème en termes probabilistes. Le cours soulève les questions fondamentales de modélisation en grande dimension, et leur formalisation mathématique à travers des mesures d'information. On aborde la notion de complexité en lien avec la structure des distributions de probabilité en grande dimension.

    01 - Information et complexité

    Play Episode Listen Later Jan 19, 2022 64:25


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022Représentations parcimonieusesLe premier cours introduit les problématiques d'apprentissage de données complexes en grande dimension, et pose le problème en termes probabilistes. Le cours soulève les questions fondamentales de modélisation en grande dimension, et leur formalisation mathématique à travers des mesures d'information. On aborde la notion de complexité en lien avec la structure des distributions de probabilité en grande dimension.

    08 - Représentations parcimonieuses - VIDEO

    Play Episode Listen Later Mar 10, 2021 104:10


    Stéphane Mallat Collège de France Science des données Année 2020-2021 Représentations parcimonieuses

    08 - Représentations parcimonieuses - VIDEO

    Play Episode Listen Later Mar 10, 2021 104:10


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2020-2021Représentations parcimonieuses

    08 - Représentations parcimonieuses

    Play Episode Listen Later Mar 10, 2021 104:10


    Stéphane Mallat Collège de France Science des données Année 2020-2021 Représentations parcimonieuses

    08 - Représentations parcimonieuses

    Play Episode Listen Later Mar 10, 2021 104:10


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2020-2021Représentations parcimonieuses

    07 - Représentations parcimonieuses - VIDEO

    Play Episode Listen Later Mar 3, 2021 86:11


    Stéphane Mallat Collège de France Science des données Année 2020-2021 Représentations parcimonieuses

    07 - Représentations parcimonieuses - VIDEO

    Play Episode Listen Later Mar 3, 2021 86:11


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2020-2021Représentations parcimonieuses

    07 - Représentations parcimonieuses

    Play Episode Listen Later Mar 3, 2021 86:11


    Stéphane Mallat Collège de France Science des données Année 2020-2021 Représentations parcimonieuses

    07 - Représentations parcimonieuses

    Play Episode Listen Later Mar 3, 2021 86:11


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2020-2021Représentations parcimonieuses

    06 - Représentations parcimonieuses - VIDEO

    Play Episode Listen Later Feb 17, 2021 91:07


    Stéphane Mallat Collège de France Science des données Année 2020-2021 Représentations parcimonieuses

    06 - Représentations parcimonieuses - VIDEO

    Play Episode Listen Later Feb 17, 2021 91:07


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2020-2021Représentations parcimonieuses

    06 - Représentations parcimonieuses

    Play Episode Listen Later Feb 17, 2021 91:07


    Stéphane Mallat Collège de France Science des données Année 2020-2021 Représentations parcimonieuses

    06 - Représentations parcimonieuses

    Play Episode Listen Later Feb 17, 2021 91:07


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2020-2021Représentations parcimonieuses

    05 - Représentations parcimonieuses - VIDEO

    Play Episode Listen Later Feb 10, 2021 88:30


    Stéphane Mallat Collège de France Science des données Année 2020-2021 Représentations parcimonieuses

    05 - Représentations parcimonieuses - VIDEO

    Play Episode Listen Later Feb 10, 2021 88:30


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2020-2021Représentations parcimonieuses

    05 - Représentations parcimonieuses

    Play Episode Listen Later Feb 10, 2021 88:30


    Stéphane Mallat Collège de France Science des données Année 2020-2021 Représentations parcimonieuses

    05 - Représentations parcimonieuses

    Play Episode Listen Later Feb 10, 2021 88:30


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2020-2021Représentations parcimonieuses

    04 - Représentations parcimonieuses - VIDEO

    Play Episode Listen Later Feb 3, 2021 83:32


    Stéphane Mallat Collège de France Science des données Année 2020-2021 Représentations parcimonieuses

    04 - Représentations parcimonieuses - VIDEO

    Play Episode Listen Later Feb 3, 2021 83:32


    Stéphane MallatCollège de FranceScience des donnéesAnnée 2020-2021Représentations parcimonieuses

    04 - Représentations parcimonieuses

    Play Episode Listen Later Feb 3, 2021 83:32


    Stéphane Mallat Collège de France Science des données Année 2020-2021 Représentations parcimonieuses

    Claim Sciences des données

    In order to claim this podcast we'll send an email to with a verification link. Simply click the link and you will be able to edit tags, request a refresh, and other features to take control of your podcast page!

    Claim Cancel