BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//datacraft - ECPv6.15.20//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:datacraft
X-ORIGINAL-URL:https://datacraft.paris
X-WR-CALDESC:Events for datacraft
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20220327T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20221030T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20230326T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20231029T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20240331T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20241027T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20230905T140000
DTEND;TZID=Europe/Paris:20230905T180000
DTSTAMP:20260425T120149
CREATED:20230608T130124Z
LAST-MODIFIED:20230904T092835Z
UID:8712-1693922400-1693936800@datacraft.paris
SUMMARY:ATELIER - Réseaux bayésiens pour la prédiction avec pyAgrum
DESCRIPTION:Inscription\n                \n            \n            \n			\n				\n				\n				\n				\n				Niveau en Machine Learning* : Connaissances de base \nNiveau en python* : Connaissances de base  \nPrérequis techniquesApporter son ordinateur portable \nIntervenantsCet atelier sera présenté par :  \n\nClara Charon\, doctorante LIP6 / Teranga Software\nMahdi Hadj Ali\, doctorant LIP6 / SAP\nPierre-Henri Wuillemin\, maître de conférence au LIP6 (Sorbonne Université)\n\nPrésentation de l’atelierCet atelier a pour but de vous montrer comment utiliser les réseaux bayésiens dans un contexte de prédiction de données. \nLes réseaux bayésiens sont des modèles graphiques probabilistes puissants qui sont le plus souvent utilisés pour représenter et analyser des relations probabilistes complexes entre différentes variables. Au-delà de cette utilisation\, qui se limite souvent à identifier les corrélations\, ils sont aussi un excellent outil\, dans certains cas\, pour la prédiction. C’est ce que nous verrons dans cet atelier à partir d’un cas d’usage concret. \nVous aurez aussi l’occasion de prendre en main pyAgrum\, qui est une bibliothèque Python populaire pour la manipulation et l’analyse de réseaux bayésiens. pyAgrum offre une interface adaptée aux utilisateurs et des fonctionnalités avancées pour la création\, l’apprentissage et l’inférence de réseaux bayésiens. \nDescription du jeu de donnéesà venir \nDéroulement de l’atelier– Introduction aux réseaux bayésiens– Mise en pratique sur pyAgrum– Application sur un cas d’usage concret : \n\nMachine Learning (classification)\nAnalyse des métriques\, courbe ROC …\nComparaison des résultats avec d’autres modèles de scikit learn\nMarkov Blanket niveau 1 et 2 (sélection de variables\, visualisation des variables proxy)\nInterprétabilité (Shap values)\nCalculs d’information mutuelle\nIntroduction à d’autres modèles graphiques (diagramme d’influence\, CTBN)\n\n 
URL:https://datacraft.paris/event/atelier-reseaux-bayesiens-pour-la-prediction-dans-des-bases-de-donnees-avec-pyagrum/
LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France
ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris
END:VEVENT
END:VCALENDAR