Reseaux bayesiens

Data Value

Non finançable CPF
Tout public
Présentiel
Public admis
Salarié en poste
Demandeur d'emploi
Entreprise
Étudiant
Prix
2340 €
Durée
Nous contacter
Localité
En présentiel
Découvrez les localités disponibles pour suivre cette formation en présentiel.
En savoir plus sur les localités en présentiel
Cette formation est disponible dans les centres de formation suivants:
  • 75 - Paris 12e
Cette formation peut être dispensée dans votre entreprise dans les localités suivantes :
  • 75 - Paris
  • 77 - Seine-et-Marne
  • 78 - Yvelines
  • 91 - Essonne
  • 92 - Hauts-de-Seine
  • 93 - Seine-Saint-Denis
  • 94 - Val-de-Marne
  • 95 - Val-d'Oise
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
Programme

- 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 nœuds

  • 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
Haut de page