Réseaux bayésiens

Patrick Naïm, Pierre-Henri Wuillemin, Philippe Leray, Olivier Pourret, Anna Becker - Collection Algorithmes

316 pages, parution le 01/06/2004 (2^eme édition)

Ajouter à une liste

Indisponible

Résumé

Modèles de connaissances pour l'aide à la décision, le diagnostic ou le contrôle de systèmes complexes

Technique mathématique combinant statistiques et intelligence artificielle, les réseaux bayésiens permettent d'analyser de grandes quantités de données pour en extraire des connaissances utiles à la prise de décision, contrôler ou prévoir le comportement d'un système, diagnostiquer les causes d'un phénomène, etc. Les réseaux bayésiens sont utilisés dans de nombreux domaines : santé (diagnostic, localisation de gènes), industrie (contrôle d'automates ou de robots), informatique et réseaux (agents intelligents), marketing (data mining, gestion de la relation client), banque et finances (scoring, analyse financière), management (aide à la décision, knowledge management, gestion du risque), etc.

Fondements théoriques, méthodologie de mise en oeuvre, exemples d'application et panorama des outils

Après une première partie de présentation "intuitive" des réseaux bayésiens accompagnée d'exercices, la deuxième partie du livre en expose les fondements théoriques, avec une étude détaillée des algorithmes les plus importants. Résolument pratique, la troisième partie de l'ouvrage propose une méthodologie de mise en oeuvre, un panorama des domaines d'application, trois études de cas détaillées, ainsi qu'une présentation des principaux logiciels de modélisation de réseaux bayésiens (Bayes Net Toolbox, BayesiaLab, Hugin et Netica).

A qui s'adresse l'ouvrage ?

Aux ingénieurs, informaticiens, industriels, biologistes, économistes confrontés à des problèmes d'analyse de données, d'aide a la décision, de gestion des connaissances, de diagnostic ou de contrôle de systèmes.
Aux étudiants en mathématiques appliquées, algorithmique, économie, recherche opérationnelle, gestion de production, automatique.

L'avis du libraire Eyrolles

En combinant statistiques et IA, les réseaux bayésiens permettent d'analyser des quantités de données utiles à la prise de décision, au contrôle ou à la prévision. Constitué d'une présentation "intuitive" et d'un exposé des fondements théoriques, l'ouvrage est complété par une partie résolument pratique (méthodologie de mise en oeuvre, un panorama des domaines d'application, trois études de cas détaillées).

Extraits du livre

Extraits

L'auteur - Patrick Naïm

Patrick Naïm est ingénieur de l'École centrale de Paris et fondateur d'Elseware, société spécialisée dans la modélisation quantitative et le data mining appliqués aux domaines de la finance, des télécommunications et du commerce électronique. Il est l'auteur de plusieurs livres sur les technologies du data mining et leurs applications.

Sommaire

Introduction aux réseaux bayésiens
- Approche intuitive
- Introduction aux algorithmes : inférence, apprentissage...
- Exercices corrigés
Cadre théorique et présentation détaillée des algorithmes
- Modèles
- Propagations
- Apprentissage
Méthodologie de mise en oeuvre et études, de cas
- Mise en oeuvre des réseaux bayésiens
- Panorama des applications
- Etude de cas n°1 : gestion des risques (EDF)
- Etude de cas n°2 : modélisation d'un réseau électrique (EDF)
- Etude de cas n°3 : application de scoring pour la vente de crédit en ligne
Annexes
- Théorie des graphes
- Rappels de probabilités
- Outils logiciels : Bayes Net Toolbox, BayesiaLab, Hugin et Netica

Voir tout

Replier

Caractéristiques techniques

	PAPIER
Éditeur(s)	Eyrolles
Auteur(s)	Patrick Naïm, Pierre-Henri Wuillemin, Philippe Leray, Olivier Pourret, Anna Becker
Collection	Algorithmes
Parution	01/06/2004
Édition	2^eme édition
Nb. de pages	316
Format	17 x 23
Couverture	Broché
Poids	565g
Intérieur	Noir et Blanc
EAN13	9782212111378
ISBN13	978-2-212-11137-8