.png)
.png)
.png)
.png)
L'information n'est pas la
connaissance. Plus la technologie facilite le stockage et
l'échange d'informations, plus se pose la question de
l'analyse et de la synthèse de ces informations. Deux types
d'approches connaissent donc un intérêt croissant: la
statistique qui autorise le passage de l'observation à la
loi, et l'intelligence artificielle, qui permet aux
ordinateurs de traiter la connaissance plutôt que
l'information.
Les réseaux bayésiens sont le résultat du mariage de ces
deux approches et sont aujourd'hui l'un des formalismes les
plus prometteurs pour l'acquisition, la représentation et
l'utilisation de connaissances par des ordinateurs.
Ils sont appliqués aujourd'hui dans les domaines de la
santé (diagnostic, localisation de gènes), de l'industrie
(contrôle de véhicules autonomes), de la défense (fusion de
données), dans le marketing (data-mining), dans
l'informatique et les réseaux (agents intelligents), et
dans la gestion de la connaissance. Pour toutes ces
applications, les réseaux bayésiens ont la capacité de
découvrir des relations, de les formaliser, de les
exploiter, et de les faire évoluer, dans des environnements
de décision où l'incertitude est la règle.
Ce livre est une étude complète des réseaux bayésiens,
intégrant une initiation, une étude théorique complète, une
présentation de l'état de l'art des applications, ainsi
qu'un CD-ROM contenant une gamme complète de logiciels. Il
s'adresse donc :
- A tous les utilisateurs dans les domaines d'applications ci-dessus: ingénieurs, responsables des systèmes d'informations, responsables marketing, responsables de la gestion de la connaissance, qui y trouveront une introduction simple aux concepts utilisés, des exemples d'applications, et des logiciels.
- Aux étudiants en mathématiques appliquées, statistiques, sciences de la décision, informatique, qui y trouveront des développements théoriques complets.
Des logiciels pour l'inférence et l'apprentissage dans les réseaux bayésiens, avec des exemples
- Bayesian Knowledge Discoverer
- Classpad
- DMAP
- Hugin Lite
Ann Becker est chercheur à l'institut Technion en Israël et travaille à l'optimisation des algorithmes d'inférence et d'apprentissage des réseaux bayésiens.
Patrick Naïm est ingénieur de l'École Centrale de Paris, et fondateur de la société Elseware, spécialisée dans l'application des technologies de la connaissance, notamment pour le data-mining et la modélisation quantitative.
.png)
