Réseaux bayésiens

Objectifs

Objectifs
Maîtriser les réseaux bayésiens, technique mathématique combinant et savoir d'expert, afin d'analyser des données pour en extraire des connaissances utiles à la prise de décision, contrôler ou prévoir le comportement d'un système, diagnostiquer les causes d'un phénomène, .... Les réseaux bayésiens sont utilisés dans de nombreux domaines : santé (diagnostic), industrie, informatique et réseaux (agents intelligents), marketing (data mining, gestion de la relation client), banque et finances (analyse financière), management (aide à la décision, gestion du risque), ...
Compétences visées
- Affiner ces connaissances probabilités avec le calcul de différentes probabilités (conditionnelle, conjointe, marginale, ..)
- Appréhender le théorème de Bayes
- Découvrir les principes de construction de graphe d'un modèle bayésien
- Construire un réseau bayésien multinomial dans le cas de variables discrètes
- Construire un réseau bayésien gaussien dans le cas de variables continues
- Construire un réseau bayésien hybride en présence de variables discrètes et continues

Programme de la formation

- Notions basiques de calculs de probabilité
Probabilités totales
Probabilités conditionnelles
Indépendance en probabilité
Probabilités conjointes
Probabilités marginales
Distributions de probabilité
- Le théorème de Bayes
Principe et utilisations concrètes
La règle de chaînage et le théorème de bayes généralisé
- Notions simples de graphes
Graphes, arcs et noeuds
La structure d'un graphe
Connexions en série, divergentes, convergentes
D-séparation
- Les Réseaux Bayésiens multinomiaux
Introduction avec exemple
Représentation graphique
Représentation probabiliste
Estimation des tables de probabilité
Apprentissage de la structure du graphe
Utilisation d'un Réseau Bayésien discret, inférence bayésienne
- Les Réseaux Bayésiens gaussiens
Introduction avec exemple
Représentation graphique
Représentation probabiliste
Estimation des paramètres
Apprentissage de la structure du graphe
Utilisation d'un Réseau Bayésien gaussien, inférence bayésienne
- Les Réseaux Bayésiens Hybrides
Introduction avec exemple
Mélange de variables discrètes et continues
Discrétisation des variables continues

Validation et sanction

Attestation d'acquis ou de compétences;Attestation de suivi de présence

Type de formation

Non certifiante

Sortie

Sans niveau spécifique