Séance de cours

Réseaux bayésiens : principes fondamentaux et applications

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

DH-500: Computational Social Media

The course integrates concepts from media studies, machine learning, multimedia, and network science to characterize social practices and analyze content in platforms like Twitter/X, Instagram, YouTube, and TikTok. Students will learn computational methods ...

Description

Cette séance de cours présente les réseaux bayésiens (BN) en tant que modèles graphiques dirigés pour représenter des distributions conjointes. Il couvre les équations de base pour les BN, la notation des plaques, les types de variables et les problèmes clés tels que les paramètres du modèle dapprentissage. La séance de cours explore également des modèles de sujets probabilistes, en se concentrant sur l'allocation de dirichlet latente (LDA) pour l'apprentissage non supervisé dans les collections de textes.

Enseignant·e

Daniel Gatica-Perez

Enseignement et PhD Doctorant·es actuel·les Ravinithesh Reddy Annapureddy, Stefano Sorrentino, Matilde Barbini, Isabelle Mohr, Aurel Ruben Mäder, Victor Bros, Pierre Anton Beckmann, Kimia Alavi, Nil Yagmur Ilba A dirigé les thèses EPFL de Dinesh Babu Jayagopi, Radu Andrei Negoescu, Katayoun Farrahi, Dairazalia Sanchez Cortes, Edgar Roman Rangel, Joan Isaac Biel Tres, Laurent Son Nguyen, Darshan Santani, Gülcan Can, Skanda Muralidhar, Thanh Trung Phan, Jessica Pidoux, Sandrine Tornay, Andreas Thomas Marfur

Source officielle

Concepts associés (32)

Analyse sémantique latente probabiliste

L’analyse sémantique latente probabiliste (de l'anglais, Probabilistic latent semantic analysis : PLSA), aussi appelée indexation sémantique latente probabiliste (PLSI), est une méthode de traitement automatique des langues inspirée de l'analyse sémantique latente. Elle améliore cette dernière en incluant un modèle statistique particulier. La PLSA possède des applications dans le filtrage et la recherche d'information, le traitement des langues naturelles, l'apprentissage automatique et les domaines associés.

Dirichlet-multinomial distribution

In probability theory and statistics, the Dirichlet-multinomial distribution is a family of discrete multivariate probability distributions on a finite support of non-negative integers. It is also called the Dirichlet compound multinomial distribution (DCM) or multivariate Pólya distribution (after George Pólya). It is a compound probability distribution, where a probability vector p is drawn from a Dirichlet distribution with parameter vector , and an observation drawn from a multinomial distribution with probability vector p and number of trials n.

Loi normale multidimensionnelle

En théorie des probabilités, on appelle loi normale multidimensionnelle, ou normale multivariée ou loi multinormale ou loi de Gauss à plusieurs variables, la loi de probabilité qui est la généralisation multidimensionnelle de la loi normale. gauche|vignette|Différentes densités de lois normales en un dimension. gauche|vignette|Densité d'une loi gaussienne en 2D. Une loi normale classique est une loi dite « en cloche » en une dimension.

Ratio distribution

A ratio distribution (also known as a quotient distribution) is a probability distribution constructed as the distribution of the ratio of random variables having two other known distributions. Given two (usually independent) random variables X and Y, the distribution of the random variable Z that is formed as the ratio Z = X/Y is a ratio distribution. An example is the Cauchy distribution (also called the normal ratio distribution), which comes about as the ratio of two normally distributed variables with zero mean.

Modèle de mélange

In statistics, a mixture model is a probabilistic model for representing the presence of subpopulations within an overall population, without requiring that an observed data set should identify the sub-population to which an individual observation belongs. Formally a mixture model corresponds to the mixture distribution that represents the probability distribution of observations in the overall population.

Afficher plus

Séances de cours associées (64)

Modèles thématiques

Introduit des modèles thématiques, couvrant le clustering, le GMM, le LDA, la distribution de Dirichlet et l'inférence variationnelle.

Modèles du sujet: Comprendre les structures latentes

Explore les modèles thématiques, les modèles de mélange gaussien, la répartition des dirichlets latents et l'inférence variationnelle dans la compréhension des structures latentes à l'intérieur des données.

Modèles du sujet: Allocation de dirichlet latent

Couvre des modèles thématiques, en se concentrant sur l'allocation de Dirichlet latente, le regroupement, les MGM, la distribution de Dirichlet, l'apprentissage LDA et les applications en humanités numériques.

Modèles de sujets probabilistes : Latent Dirichlet Allocation

Explore Latent Dirichlet Allocation, un modèle de sujet probabiliste pour le regroupement et l'analyse de documents à l'aide de distributions sur des mots et des sujets.

Modèles du sujet: Allocation de dirichlet latent

Présente l'attribution des dirichlets latents pour la modélisation des sujets dans les documents, en discutant de son processus, de ses demandes et de ses limites.

Afficher plus

Concepts associés (32)

Analyse sémantique latente probabiliste

Dirichlet-multinomial distribution

Loi normale multidimensionnelle

Ratio distribution

Modèle de mélange

Afficher plus