UE488 - Approches quantitatives et modélisation mathématique en SHS

• Autre lieu Paris
  École nationale des Chartes, 65 rue Richelieu 75002 Paris
  1er semestre / hebdomadaire, jeudi 11:00-13:00
  du 7 octobre 2021 au 6 janvier 2022

Dernière modification : 12 mai 2021 21:26

Type d'UE

Séminaires DE/MC

Disciplines

Méthodes et techniques des sciences sociales

Page web

http://www.phys.ens.fr/~nadal/Cours/HN/ 

Langues

français

Mots-clés

Humanités numériques Informatique et sciences sociales Mathématiques et sciences sociales Méthodes et techniques des sciences sociales Méthodes quantitatives

Aires culturelles

-

Cette UE n'est rattachée à aucune formation de master.

Contacts additionnels

-

Informations pratiques

Contact : Jean-Pierre Nadal par courriel

Dand le cadre du master humanités numériques, le cours compte pour 4 ECTS

Voir site web pour toute autre information.

Direction de travaux des étudiants

Uniquement sur rdv

Réception des candidats

Uniquement sur rdv

Pré-requis

Ce cours est organisé pour les étudiants de M2 du master Humanités numériques de PSL. Il est également ouvert à tous, étudiants en master, doctorants, post-doctorants, jeunes et moins jeunes chercheurs, de tous domaines des SHS.

Nous faisons confiance aux interactions entre participants et enseignants pour permettre l'adaptation du niveau du cours à celui des étudiants (priorité donnée aux étudiants validant le cours dans le cadre du master Humanités numériques).

Il est préférable que les étudiants possèdent :

• des connaissances de base en statistiques (cf UE "Méthodes quantitatives et modélisation mathématique" du M1 du master Humanités numériques)
• une pratique minimale de la programmation, sous R ou Python, qui pourra être développée en cours de semestre (cf UE "Algorithmie et programmation pour les humanités")
• Des notions de base en analyse, algèbre linéaire et probabilités aideront, mais toutes les notions utiles seront introduites/expliquées lorsque nécessaire.

Cours du master Humanités Numériques (ENC, PSL) http://www.chartes.psl.eu/fr/cursus/master-humanitesnumeriques ouvert aux étudiants de l'EHESS.

Pluri- et trans-disciplinaire, ce cours porte sur une palette de méthodes quantitatives pour l'analyse de données et la modélisation mathématique : analyse multi-variée ; méthodes économétriques ; modélisation multi-agent ; modèles dynamiques (dynamiques de population…), théorie des jeux...

Les notions et techniques sont systématiquement illustrées sur des cas concrets d’intérêt en SHS. Le cours demande une forte implication des étudiants : mise en œuvre des méthodes sur des données réelles, lecture critique d'articles.

Le programme détaillé est affiché sur la page internet du cours, http://www.phys.ens.fr/~nadal/Cours/HN/

Publications

Jean-Pierre Nadal

• Avec Laurent Bonnasse-Gahot, « Categorical Perception: A Groundwork for Deep Learning », Neural Computation, 2022, 34 (2), p. 437-475.
• Avec Kevin Berlemont, « Confidence-controlled Hebbian learning efficiently extracts category membership from stimuli encoded in view of a categorization task », Neural Computation, 2022, 34 (1), p. 45-77.
• ICUBAM consortium*, corresponding author Julie Josse “ICU Bed Availability Monitoring and analysis in the Grand Est region of France during the COVID-19 epidemic “, * Laurent Bonnasse-Gahot, Maxime Dénès, Gabriel Dulac-Arnold, Sertan Girgin, François Husson, Valentin Iovene, Julie Josse, Antoine Kimmoun, François Landes, Jean-Pierre Nadal, Romain Primet, Frederico Quintao, Pierre Guillaume Raverdy, Vincent Rouvreau, Olivier Teboul, and Roman Yurchak (ordre alphabetique); Statistique et société, vol. 10, n° 1, 2022.
• Avec L. Bonnasse-Gahot, « Modéliser les émeutes de 2005 : une vague de violence contagieuse », contribution à un ouvrage collectif de la Mission pour les initiatives transverses et interdisciplinaires du CNRS, CNRS Éditions, sous presse.

Cette UE n'est rattachée à aucune formation de master.

Contacts additionnels

-

Informations pratiques

Contact : Jean-Pierre Nadal par courriel

Dand le cadre du master humanités numériques, le cours compte pour 4 ECTS

Voir site web pour toute autre information.

Direction de travaux des étudiants

Uniquement sur rdv

Réception des candidats

Uniquement sur rdv

Pré-requis

Ce cours est organisé pour les étudiants de M2 du master Humanités numériques de PSL. Il est également ouvert à tous, étudiants en master, doctorants, post-doctorants, jeunes et moins jeunes chercheurs, de tous domaines des SHS.

Nous faisons confiance aux interactions entre participants et enseignants pour permettre l'adaptation du niveau du cours à celui des étudiants (priorité donnée aux étudiants validant le cours dans le cadre du master Humanités numériques).

Il est préférable que les étudiants possèdent :

• des connaissances de base en statistiques (cf UE "Méthodes quantitatives et modélisation mathématique" du M1 du master Humanités numériques)
• une pratique minimale de la programmation, sous R ou Python, qui pourra être développée en cours de semestre (cf UE "Algorithmie et programmation pour les humanités")
• Des notions de base en analyse, algèbre linéaire et probabilités aideront, mais toutes les notions utiles seront introduites/expliquées lorsque nécessaire.

• Autre lieu Paris
  École nationale des Chartes, 65 rue Richelieu 75002 Paris
  1er semestre / hebdomadaire, jeudi 11:00-13:00
  du 7 octobre 2021 au 6 janvier 2022

Cours du master Humanités Numériques (ENC, PSL) http://www.chartes.psl.eu/fr/cursus/master-humanitesnumeriques ouvert aux étudiants de l'EHESS.

Pluri- et trans-disciplinaire, ce cours porte sur une palette de méthodes quantitatives pour l'analyse de données et la modélisation mathématique : analyse multi-variée ; méthodes économétriques ; modélisation multi-agent ; modèles dynamiques (dynamiques de population…), théorie des jeux...

Les notions et techniques sont systématiquement illustrées sur des cas concrets d’intérêt en SHS. Le cours demande une forte implication des étudiants : mise en œuvre des méthodes sur des données réelles, lecture critique d'articles.

Le programme détaillé est affiché sur la page internet du cours, http://www.phys.ens.fr/~nadal/Cours/HN/

Publications

Jean-Pierre Nadal

• Avec Laurent Bonnasse-Gahot, « Categorical Perception: A Groundwork for Deep Learning », Neural Computation, 2022, 34 (2), p. 437-475.
• Avec Kevin Berlemont, « Confidence-controlled Hebbian learning efficiently extracts category membership from stimuli encoded in view of a categorization task », Neural Computation, 2022, 34 (1), p. 45-77.
• ICUBAM consortium*, corresponding author Julie Josse “ICU Bed Availability Monitoring and analysis in the Grand Est region of France during the COVID-19 epidemic “, * Laurent Bonnasse-Gahot, Maxime Dénès, Gabriel Dulac-Arnold, Sertan Girgin, François Husson, Valentin Iovene, Julie Josse, Antoine Kimmoun, François Landes, Jean-Pierre Nadal, Romain Primet, Frederico Quintao, Pierre Guillaume Raverdy, Vincent Rouvreau, Olivier Teboul, and Roman Yurchak (ordre alphabetique); Statistique et société, vol. 10, n° 1, 2022.
• Avec L. Bonnasse-Gahot, « Modéliser les émeutes de 2005 : une vague de violence contagieuse », contribution à un ouvrage collectif de la Mission pour les initiatives transverses et interdisciplinaires du CNRS, CNRS Éditions, sous presse.