Réseaux bayésiens
et plus de 950 000 autres livres sont disponibles pour le Kindle d'Amazon.
En savoir plus
| ||||||||||||||||||||
|
Il y a une édition plus récente de cet article:
|
Descriptions du produit
Présentation de l'éditeur
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 œuvre, 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 œuvre, 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).
À 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.
décision, knowledge management, gestion du risque), etc. Fondements théoriques, méthodologie de mise en œuvre, 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 œuvre, 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).
À 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.
Biographie de l'auteur
Patrick Nain est ingénieur de l'École Centrale Paris et PDG de la société Elseware, spécialisée dans la modélisation de la connaissance. Il enseigne les réseaux bayésiens et le data mining à l'université d'Évry, au CNAM et à l'ENST.
Pierre-Henri Wuillemin est maître de conférences à l'Université Paris 6 et membre
du LIP6 (équipe SYSDEF). Ses principaux domaines d'étude sont les réseaux bayésiens,
leurs extensions et leurs applications en intelligence artificielle et en aide à la décision.
Philippe Leray est maître de conférences et directeur du département Architecture des
Systèmes d'Information de l'INSA de Rouen. Ses travaux de recherche au sein du
laboratoire PSI portent sur l'apprentissage des réseaux bayésiens.
Olivier Pourret est diplômé de l'École Centrale Paris et docteur en mathématiques
appliquées. Il est ingénieur-chercheur à EDF dans le domaine de la maîtrise des risques industriels.
Anna Becker, titulaire d'un PhD en intelligence artificielle, a participé à plusieurs projets d'application des réseaux
bayésiens, dont le projet Human Genome. Elle est aujourd'hui directeur de la société Strategy Runner à Chicago.
Pierre-Henri Wuillemin est maître de conférences à l'Université Paris 6 et membre
du LIP6 (équipe SYSDEF). Ses principaux domaines d'étude sont les réseaux bayésiens,
leurs extensions et leurs applications en intelligence artificielle et en aide à la décision.
Philippe Leray est maître de conférences et directeur du département Architecture des
Systèmes d'Information de l'INSA de Rouen. Ses travaux de recherche au sein du
laboratoire PSI portent sur l'apprentissage des réseaux bayésiens.
Olivier Pourret est diplômé de l'École Centrale Paris et docteur en mathématiques
appliquées. Il est ingénieur-chercheur à EDF dans le domaine de la maîtrise des risques industriels.
Anna Becker, titulaire d'un PhD en intelligence artificielle, a participé à plusieurs projets d'application des réseaux
bayésiens, dont le projet Human Genome. Elle est aujourd'hui directeur de la société Strategy Runner à Chicago.
Détails sur le produit
Souhaitez-vous compléter ou améliorer les informations sur ce produit ? Ou faire modifier les images?
|
En savoir plus sur les auteurs
Découvrez des livres, informez-vous sur les écrivains, lisez des blogs d'auteurs et bien plus encore.
Dans ce livre
(En savoir plus)
Première phrase
Les reseaux bayesiens reposent sur un formalisme base sur les theories des probabilites et des graphes. Lire la première page Parcourir les pages échantillon
Couverture | Copyright | Table des matières | Extrait | Index | Quatrième de couverture
Les reseaux bayesiens reposent sur un formalisme base sur les theories des probabilites et des graphes. Lire la première page Parcourir les pages échantillon
Couverture | Copyright | Table des matières | Extrait | Index | Quatrième de couverture
Mots-clés inspirés de produits similaires(De quoi s'agit-il ?)Soyez le premier à ajouter un mot-clé pertinent (fortement associé à ce produit)
|
Quels sont les autres articles que les clients achètent après avoir regardé cet article?
Commentaires en ligne
|
Partagez votre opinion avec les autres clients:
|
||||||||||||||||||||||
|
Commentaires client les plus utiles
2.0 étoiles sur 5
Dommage,
Ce commentaire fait référence à cette édition : Réseaux bayésiens (Broché)
Je n'ai jamais vu un ouvrage avec autant de fautes. Et le site de l'éditeur ne recense qu'une infime partie de ces erreurs (sans doute devrait-il procéder à une relecture et à une mise à jour de la section errata).La lecture est fastidieuse car il faut à chaque ligne vérifier les informations qui sont données. C'est bien dommage car le sujet est intéressant. Aidez d'autres clients à trouver les commentaires les plus utiles
2 internautes sur 5 ont trouvé ce commentaire utile :
5.0 étoiles sur 5
Une puissante théorie d'IA,
Par
Ce commentaire fait référence à cette édition : Réseaux bayésiens (Broché)
L'une des théories les plus puissante de l'intelligence et de l'apprentissage artificiel.
Comme tous les livres de cette collection, il est d'une excellente facture et rédigé comme d'habitude par des personnes de référence. Attention toutefois car ce livre s'addresse à un public averti et initié au monde de l'intelligence artificielle pour qui ce livre sera d'une précieuse utilité. Aidez d'autres clients à trouver les commentaires les plus utiles
Partagez votre opinion avec les autres clients: Créer votre propre commentaire
|
|
Listmania!
|
|
Rechercher des articles similaires par rubrique
Rechercher des articles similaires par thème
Commentaires
Souhaitez-vous compléter ou améliorer les informations sur ce produit ? Ou faire modifier les images?
