Séance de cours

Extensions à l'échangeabilité: analyse statistique des données du réseau

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

MATH-448: Statistical analysis of network data

A first course in statistical network analysis and applications. ...

Description

Cette séance de cours explore les extensions à l'échangeabilité dans l'analyse statistique des données du réseau. Il couvre les limites des modèles traditionnels d'échangeabilité, introduit le graphon Aldous-Hoover et discute de l'échangeabilité des bords. La séance de cours se penche sur la construction de réseaux à partir de processus ponctuels, le concept de graphex, et la géométrie des réseaux à l'aide de complexes simpliciaux. Il se termine par un résumé des modèles de réseau non paramétriques, des techniques de regroupement, des modèles spatiaux latents et de diverses méthodes d'analyse de réseau.

Enseignant·e

Sofia Charlotta Olhede

Sofia Olhede is a professor of Statistics at EPFL in Switzerland. She joined UCL prior to this in 2007, before which she was a senior lecturer of statistics (associate professor) at Imperial College London (2006-2007), a lecturer of statistics (assistant professor) (2002-2006), where she also completed her PhD in 2003 and MSci in 2000. She has held three research fellowships while at UCL: UK Engineering and Physical Sciences Springboard fellowship as well as a five-year Leadership fellowship, and now holds a European Research Council Consolidator fellowship. Sofia has contributed to the study of stochastic processes; time series, random fields and networks. Sofia was part of the multi-institutional team that set up the UK national data science institute, the Alan Turing Institute. She organised and served as chair of the science committee that developed the initial 500 000 pounds scientific programme of the institute; peer-reviewing over 100 workshop proposals and hosting over 30. She also chaired the first recruitment wave of the institute hiring 13 data scientists as a multi-university recruitment drive. Sofia was a member of the Royal Society and British Academy Data Governance Working Group, and the Royal Society working group on machine learning. Most recently she was one of 3 commissioners on a law society commission on the usage of algorithms in the justice system.

Source officielle

Concepts associés (32)

Complexe simplicial

thumb|Exemple d'un complexe simplicial.En mathématiques, un complexe simplicial est un objet géométrique déterminé par une donnée combinatoire et permettant de décrire certains espaces topologiques en généralisant la notion de triangulation d'une surface. Un tel objet se présente comme un graphe avec des sommets reliés par des arêtes, sur lesquelles peuvent se rattacher des faces triangulaires, elles-mêmes bordant éventuellement des faces de dimension supérieure, etc.

Abstract simplicial complex

In combinatorics, an abstract simplicial complex (ASC), often called an abstract complex or just a complex, is a family of sets that is closed under taking subsets, i.e., every subset of a set in the family is also in the family. It is a purely combinatorial description of the geometric notion of a simplicial complex. For example, in a 2-dimensional simplicial complex, the sets in the family are the triangles (sets of size 3), their edges (sets of size 2), and their vertices (sets of size 1).

Ensemble simplicial

En mathématiques, un ensemble simplicial X est un objet de nature combinatoire intervenant en topologie. Il est la donnée : d'une famille (X) d'ensembles, indexée par les entiers naturels, les éléments de X étant pensés comme des simplexes de dimension n et pour toute application croissanted'une application le tout tel que Autrement dit : X est un foncteur contravariant, de la catégorie simpliciale Δ dans la catégorie Set des ensembles, ou encore un foncteur covariant de la catégorie opposée Δ dans Set.

Partitionnement de données

vignette|upright=1.2|Exemple de clustering hiérarchique. Le partitionnement de données (ou data clustering en anglais) est une méthode en analyse des données. Elle vise à diviser un ensemble de données en différents « paquets » homogènes, en ce sens que les données de chaque sous-ensemble partagent des caractéristiques communes, qui correspondent le plus souvent à des critères de proximité (similarité informatique) que l'on définit en introduisant des mesures et classes de distance entre objets.

K-moyennes

Le partitionnement en k-moyennes (ou k-means en anglais) est une méthode de partitionnement de données et un problème d'optimisation combinatoire. Étant donnés des points et un entier k, le problème est de diviser les points en k groupes, souvent appelés clusters, de façon à minimiser une certaine fonction. On considère la distance d'un point à la moyenne des points de son cluster ; la fonction à minimiser est la somme des carrés de ces distances.

Afficher plus

Séances de cours associées (64)

Interactions d'ordre supérieur dans les réseaux cérébraux

Explore les interactions d'ordre supérieur dans les réseaux cérébraux en utilisant des complexes simpliciaux et la théorie de l'information, en analysant les données de l'IRMf, des séries chronologiques financières et des maladies infectieuses.

Théorème Homologie

Couvre la preuve du théorème A, en discutant de l'homologie, des quotients et des isomorphismes.

Homologie simplifiée: Structure et complexes

Couvre la structure des espaces topologiques avec des complexes A et des complexes de chaînes.

Estimation du modèle de bloc stochastique

Explore l'estimation stochastique du modèle de bloc, le regroupement spectral, la modularité du réseau, la matrice laplacienne et le regroupement des moyennes k.

Homologie singulière : premières propriétés

Couvre les premières propriétés de l'homologie singulière et la préservation des composants de décomposition et de chemin connectés dans les espaces topologiques.

Afficher plus

Concepts associés (32)

Complexe simplicial

Abstract simplicial complex

Ensemble simplicial

Partitionnement de données

K-moyennes

Afficher plus