Introduction aux modèles graphiques

Francis Bach - Guillaume Obozinski
INRIA - Ecole Normale Supérieure

Master recherche spécialité "Mathématiques Appliquées",
Parcours M2 Mathématiques, Vision et Apprentissage (ENS Cachan), 1er semestre, 2010/2011
 


Les cours ont lieu le Mercredi de 9h a 12h a l'ENS CACHAN (salle du mastere MVA)


Dates des cours (Mercredi de 9h a 12h en salle I3):

Date Enseignant Sujets couverts Notes Scribes
29 septembre Guillaume Obozinski Introduction
Maximum de vraisemblance
Modeles a un noeud		 cours1.pdf
cours1.zip		 Guillaume Tartavel
Charles Miglietti
6 octobre Francis Bach Regression lineaire
Regression logistique
Classification generative		 cours2.pdf
cours2.zip		 Nicolas Cheifetz
Issam El Alaoui
13 octobre Francis Bach K-means
EM
Melanges de Gaussiennes
Theorie des graphes		 cours3.pdf
cours3.zip		 Alexandre Boulc'h
Bertrand Decoster
20 octobre Guillaume Obozinski Modeles graphiques orientes
Modeles graphiques non orientes		 cours4.pdf
cours4.tar		 Rafael Marini Silva
Thomas Schatz
27 octobre Francis Bach Familles exponentielles
Theorie de l'information
Melanges d'experts		 cours5.pdf
cours5.zip		 Vincent Adam
Samy Blusseau
3 novembre Guillaume Obozinski Variables Gaussiennes
Analyse factorielle
17 novembre Francis Bach Algorithme somme-produit
HMM
24 novembre Guillaume Obozinski Inference approchee
1 decembre Guillaume Obozinski Methodes Bayesiennes cours9.pdf Nicolas Cordier
Vivien Fecamp
15 decembre Evaluation



Exercices a rendre (obligatoires)

Pour le 27 octobre 2010: [pdf], données: [classificationA.train] [classificationA.test] [classificationB.train] [classificationB.test] [classificationC.train] [classificationC.test] [Solution] [Code]

 Pour le 17 novembre 2010: [pdf], données: [EMGaussienne.data] [EMGaussienne.test] [Solution] [Code]

Pour le 15 decembre 2010: [pdf]


Projets de fin de cours
Description

Ce cours porte sur la modélisation statistique de données complexes multivariées. Il est centré sur le formalisme des modèles graphiques probabilistes (aussi appelés réseaux Bayésiens), qui se trouvent à la frontière entre la théorie des graphes et les probabilités. Ce formalisme regroupe un grand nombre de modèles existants (modèle de Markov cachés, filtres de Kalman) et dséfinit la sémantique et les algorithmes d’inférence et d’apprentissage nécessaires pour étendre naturellement ces modèles à des situations plus complexes. Des applications des modèles graphiques à des problèmes de vision, traitement du signal, intelligence artificielle et bioinformatique seront présentées.
 

Références - Polycopié

Le cours sera basé sur le livre en préparation de Michael Jordan (UC Berkeley) sur les modèles graphiques, et sur des articles scientifiques appliquant ces techniques. Le polycopie tiré du livre sera disponible pour les élèves suivant ce cours (aupres du secretariat du Mastere).