Apprentissage de Modèles Graphiques Probabilistes - De l'identification de structures de réseaux bayésiens à la reconnaissance de formes - Grand Format

Les modèles graphiques probabilistes sont un formalisme mêlant efficacement la théorie des graphes, permettant des représentations intuitives, et la théorie des probabilités, permettant la prise en compte d'incertitudes et d'imprécisions. La montée en puissance de ces modèles ces dernières décennies a abouti en l'attribution de la médaille Benjamin Franklin à Judea Pearl en informatique et sciences cognitives en 2008.
Ce dernier a introduit les premiers algorithmes généraux de raisonnement dans l'incertain qui promettent des avancées majeures en traitement de l'information. Envisager les ordinateurs comme des machines pouvant découvrir par elle-mêmes des relations causales dissimulées au sein des millions d'observations disponibles dans les bases de données sans cesse alimentées automatiquement à travers le monde est devenue une réalité.
L'utilisation des modèles graphiques impacte profondément l'intelligence artificielle ainsi que les statistiques appliquées. Ces modèles peuvent alors se révélés utiles dans les nombreux domaines applicatifs liés au traitement du signal et à l'apprentissage automatique, notamment sur la problématique d'extraction de connaissances.