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 de formation

Type de formation

Non certifiante

Sortie

Sans niveau spécifique