Introduction à l’inférence statistique bayésienne Présentiel

Les méthodes d'inférence bayésiennes sont couramment utilisées dans la mesure physique en complément, voire en substitution, des méthodes déterministes classiques. Le but de cette formation est de permettre un premier accès à ces méthodes sans avoir recours à une formulation mathématique complexe. Le programme d'apprentissage, sur 3 jours, alterne des phases théoriques avec des sessions pratiques organisées autour du langage Python (librairie PyMC).

1er jour : Introduction et concepts de base : probabilités et statistiques, inférence bayésienne. Théorie (3h) et Pratique (3h30).

2ème jour : Modélisation statistique : choix des probabilités a priori, modélisation hiérarchique des données. Théorie (3h) et Pratique (3h30).

3ème jour : Echantillonnage et méthodes de Monte-Carlo par chaînes de Markov. Ouverture sur les modèles génératifs, Inférence variationnelle et autoencodeurs variationnel. Théorie (3h) et Pratique (3h30).

• Maîtriser des concepts statistiques avancés
• Programmer avec des logiciels d'analyse probabiliste (Python, PyMC)
• Appliquer des méthodes d'inférence bayésienne
• Construire des modèles statistiques adaptés
• Utiliser des méthodes Monte-Carlo par chaînes de Markov (MCMC)

Formation en présentiel avec possibilité de suivre à distance pour des participants.

Alternance de cours (9 h) et de travaux dirigés (10,5 h) encadrés par deux intervenants.

Il sera demandé aux participants de venir avec leur propre ordinateur portable ainsi que d'installer des logiciels libres spécifiques (des instructions d'installation seront fournies avant le début de la formation).

Mise à disposition des supports de cours PDF et supports notebook pour les TP via une page web dédiée (communiquée au moment de la convocation).