Markov Chain Monte Carlo: Échantillonnage de distributions à haute dimension

Cette séance de cours introduit le concept de Markov Chain Monte Carlo (MCMC) comme un puissant algorithme pour l'échantillonnage des distributions de probabilités à haute dimension. Il couvre l'algorithme Metropolis-Hastings, les équations d'équilibre détaillées et les stratégies pratiques de mise en œuvre. La séance de cours examine les défis de l'échantillonnage à partir de distributions haute dimension, les avantages des méthodes MCMC, et leurs applications dans la résolution de problèmes d'optimisation comme le problème Knapsack et la cryptographie. Par exemple, le modèle Ising et les codes de décodage utilisant le MCMC. L'instructeur souligne l'importance de comprendre la puissance et les pièges des algorithmes MCMC.