Atelier statistique SFdS portant sur les modèles graphiques probabilistes et l’apprentissage de réseaux

19, 20, 21 juin 2024.

Réseau bayésien, réseau social, réseau écologique, les réseaux sont partout, même si le terme sert à traduire les dépendances entre variables aléatoires décrivant un système, ou les relations entre objets définissant ce système. Dans toutes ces situations, des algorithmes d'apprentissage de modèles graphiques probabilistes permettent de construire de tels modèles à partir de données.

Pour rappel, l'atelier évoquera ces sujets sous trois angles complémentaires. La première journée proposera une introduction aux modèles graphiques probabilistes. La deuxième journée se concentrera sur un type particulier de modèles, les réseaux bayésiens, et sur les algorithmes d'apprentissage de ces modèles. La troisième journée portera sur l'utilisation de modèles probabilistes pour l'apprentissage de réseaux d'interaction qu'ils soient sociaux, génétiques ou écologiques. Plus spécifiquement, elle portera sur la détection non supervisée de structures dans ces réseaux. Pour ce faire, le modèle à blocs stochastiques sera utilisé et nous verrons comment il peut être étendu à des réseaux multicouches.

Chaque partie du cours sera illustrée par des travaux pratiques en R ou en Python .

Le programme détaillé de l'atelier est disponible en cliquant ici.

L’atelier sera animé par Pierre-Alexandre Mattei (Inria, Université Côte d’Azur), Philippe Leray (Nantes Université) et Pierre Barbillon (AgroParisTech).

Pour vous inscrire à cet Atelier, merci de compléter le formulaire en ligne qui est disponible en cliquant ici. A la suite de votre inscription, vous recevrez une confirmation par voie électronique ainsi qu’une facture pour le règlement et une convention de formation à signer.

La date limite d’inscription à cet Atelier est désormais repoussée au 12 juin 2024. Il reste des places, n'hésitez pas à vous inscrire !