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.
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.