Algorithmes (dynamiques, auto-stabilisants et «online ») pour les graphes dynamiques
Quelques exemples d’applications
Algorithmes d’apprentissage de la structure des graphes causaux
Définition et propriétés d’un graphe causal et d’un réseau bayésien
Algorithmes d’apprentissage basés sur des contraintes
Algorithmes d’apprentissage basés sur une fonction de score décomposable
Application à l’aide à la décision (e.g. gestion des risques d’une entreprise, diagnostic, etc.).
Compétences acquises Méthodologiques :
- Savoir modéliser un comportement, une architecture, une structure à l’aide des graphes.
- maîtrise des méthodes de raffinement de modèles et de modélisation de contraintes pour mieux résoudre un problème.
Techniques :
Maîtrise des outils de graphes (structures et paramètres) et des aspects algorithmiques avancés (distribués, dynamiques, auto-stabilisants, «online »…) pour la modélisation et la résolution de problèmes.