Titre :	Réseaux bayésiens
Type de document :	texte imprime
Auteurs :	Patrick Naïm
Editeur :	Paris : Eyrolles
Année de publication :	2006
Importance :	423 p.
Présentation :	ill.
Format :	24 cm
ISBN/ISSN/EAN :	978-2-212-11972-5
Note générale :	Bibliogr.Index
Langues :	Français
Mots-clés :	Réseaux neuronaux
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 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).
Note de contenu :	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 œuvre et études de cas Mise en ouvre des réseaux bayésiens Panorama des applications Étude de cas n°1 : gestion des risques (EDF) Étude de cas n°2 : risques bancaires et mise en œuvre des accords de Baie Étude de cas n°3 : modélisation du réseau électrique de la région PACA (EDF) Étude de cas n°4 : application de scoring pour la vente de crédit en ligne Étude de cas n°5 : gestion de ressources naturelles Étude de cas n°6 : diagnostic médical. Annexes. Théorie des graphes Rappels de probabilités Outils logiciels : Bayes Net Toolbox, BayesiaLab, Hugin, Netica et Elvira
Permalink :	./index.php?lvl=notice_display&id=12040

Réseaux bayésiens [texte imprime] / Patrick Naïm . - Paris : Eyrolles, 2006 . - 423 p. : ill. ; 24 cm.
ISBN : 978-2-212-11972-5
Bibliogr.Index
Langues : Français

Mots-clés :	Réseaux neuronaux
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 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).
Note de contenu :	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 œuvre et études de cas Mise en ouvre des réseaux bayésiens Panorama des applications Étude de cas n°1 : gestion des risques (EDF) Étude de cas n°2 : risques bancaires et mise en œuvre des accords de Baie Étude de cas n°3 : modélisation du réseau électrique de la région PACA (EDF) Étude de cas n°4 : application de scoring pour la vente de crédit en ligne Étude de cas n°5 : gestion de ressources naturelles Étude de cas n°6 : diagnostic médical. Annexes. Théorie des graphes Rappels de probabilités Outils logiciels : Bayes Net Toolbox, BayesiaLab, Hugin, Netica et Elvira
Permalink :	./index.php?lvl=notice_display&id=12040