Introduction aux modèles graphiques
Master recherche spécialité "Mathématiques
Appliquées",
Parcours M2 Mathématiques,
Vision et Apprentissage (ENS Cachan), 1er semestre, 2012/2013
Propositions
de stage
Laboratoires
academiques
Large
scale online Collaborative Filtering (Ecole des Ponts, Guillaume
Obozinski)
Large-scale convex
optimization for supervised learning (ENS / INRIA, Francis Bach)
Localisation de sources sonores
derrière un obstacle (INRIA Rennes, Remi Gribonval)
Generative
models in RKHS (Alain Celisse, Lille)
Parameter tuning and cross-validation
algorithms (Alain Celisse, Lille)
Similarité statistique de signatures
radar et incertitudes en estimation de performance (ONERA)
R & D
Développement de procédures
offline de tests de nouveaux algorithmes (Criteo, Paris)
Analyse et modélisation des
comportements utilisateurs orientée vers les besoins publicitaires
(Criteo, Paris)
Pré-filtrage
pour la prediction a grande echelle en temps reel (Criteo, Paris)
User profiling
from unstructured data (free form reviews (Technicolor Paris, Christophe
Diot)
Learning Information Cascades in Social
Networks (Technicolor Paris, Nidhi Hegde)
Les cours ont lieu le Mercredi de 9h a 12h a l'ENS CACHAN (salle du
mastere MVA, 103, Batiment Cournot)
Dates des cours (Mercredi de 9h
a 12h en salle C103):
Date |
Enseignant |
Sujets couverts |
Chapitres du polycopie
|
26 septembre |
Guillaume
Obozinski |
Introduction
Maximum de vraisemblance
Modeles a un noeud |
5
|
3 octobre |
Guillaume Obozinski |
Regression lineaire
Regression logistique
Classification generative |
6, 7
|
10 octobre |
Francis Bach |
K-means
EM
Melanges de Gaussiennes
Theorie des graphes |
10, 11
|
17 octobre |
Francis Bach |
Modeles graphiques orientes
Modeles graphiques non orientes |
2
|
24 octobre |
Guillaume Obozinski |
Familles exponentielles
Theorie de l'information
Melanges d'experts |
8, 10, 19
|
31
octobre |
Guillaume Obozinski |
Variables Gaussiennes
Analyse factorielle |
13, 14
|
7 novembre |
Guillaume Obozinski |
Algorithme somme-produit
HMM |
4, 12
|
14 novembre |
Francis Bach |
Inference approchee |
21
|
21 novembre |
Francis Bach |
Methodes Bayesiennes |
|
28 novembre
|
Michael Jordan
|
Methodes Bayesiennes non-parametriques
|
|
Projet
Propositions de projets
Le projet de fin cours permet d'approndir certains aspects du cours.
Voici les delais a
respecter.
Mi-novembre |
choisir un projet à faire seul ou
en binôme |
Avant 28/11 |
envoyer un email annonçant le choix
du projet. |
Avant 05/12 |
envoyer un draft de projet (1 page)
+ 1er résultats. |
Avant 19/12 |
Rendre votre examen (au secrétariat
/ par email). |
Le 19/12 |
Session poster aux Pavillon des
Jardins. |
Avant 08/01 |
Rendu rapport de projets (environ 6
pages) |
Exercices
a rendre (obligatoires)
Pour
le 17 octobre 2012: [pdf],
données: [classificationA.train]
[classificationA.test] [classificationB.train]
[classificationB.test] [classificationC.train]
[classificationC.test]
[Solution]
[Code]
Pour
le 31 octobre 2012: [pdf],
données: [EMGaussienne.data]
[EMGaussienne.test] [Solution]
[Code]
Pour
le 19 decembre 2012: [pdf],
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).