Quand la dépendance ouvre des possibles

vendredi 3 décembre 2021, 11h00 - 12h00

Salle du conseil, espace Turing

C’est une idée générale et vague qu’un peu de structure dans les données renforce les capacités d’apprentissage. J’explorerai cette idée en introduisant de la dépendance dans la modélisation et en m’appuyant plus particulièrement sur le clustering. Le clustering est une méthode de classification non super-visée qui cherche à regrouper les données en sous-populations signifiantes, dites « clusters ». Mais comment définir un cluster ? Je présenterai les modèles à variable latente, et montrerai comment une structure de dépendance markovienne des variables latentes permet de s’affranchir de toute hypothèse restrictive sur les clusters. Je présenterai aussi d’autres exemples de modèles où la dépendance permet de résoudre des questions qui ne peuvent l’être dans le cadre indépendant.