Statistique bayésienne non-paramétrique

Responsable : Ismaël Castillo

Objectif : Expliquer l’approche bayésienne non-paramétrique. Le paramètre d’intérêt est de dimension infinie et on étudie la loi a posteriori bayésienne correspondante sous l’angle de la convergence.

Prérequis : Notions fondamentales de probabilités et statistique

Thèmes abordés :

• Loi a priori, loi a posteriori. Cadre général d’obtention de vitesses de convergence
• Processus gaussiens, adaptation à la régularité
• Deep Bayes : réseaux de neurones, processus gaussiens profonds et adaptation à des structures cachées
• Approximations variationnelles de lois a posteriori

Ressources : Moodle