Réseaux Bayésiens

Qualiopi

En centre

Non éligible CPF

Presentiel

distanciel

Sélectionnez une session :

Lyon :

Paris :

Toulouse :

Visio :

Choisissez une date pour pouvoir réserver !

Objectifs

Programme

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), ...

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

Public visé

Toute personne devant aborder le domaine de la conception et de l'utilisation de systèmes experts avec pour objectif de modéliser et quantifier les relations plus ou moins complexes entre variables grâce à une analyse multidimensionnelle exploratoire et aux connaissances a priori d'expert.

Prérequis

Pour suivre ce stage dans de bonnes conditions, il est recommandé d'avoir suivi en amont la formation Analyse des données : méthodes exploratoires (ACP, AFC, classification) ou d'avoir atteint par la pratique un niveau équivalent

Méthodes pédagogiques

Pédagogie active mêlant exposés, exercices et applications pratiques dans le logiciel R.

Modalités d'évaluation

Un formulaire d'auto-évaluation proposé en amont de la formation nous permettra d'évaluer votre niveau et de recueillir vos attentes. Ce même formulaire soumis en aval de la formation fournira une appréciation de votre progression.
Des exercices pratiques seront proposés à la fin de chaque séquence pédagogique pour l'évaluation des acquis.
En fin de formation, vous serez amené(e) à renseigner un questionnaire d'évaluation à chaud.
Une attestation de formation vous sera adressée à l'issue de la session.
Trois mois après votre formation, vous recevrez par email un formulaire d'évaluation à froid sur l'utilisation des acquis de la formation.

Choisissez une date pour pouvoir réserver !