Séminaire Modélisation statistique

organisé par l'équipe Modélisation et contrôle

  • Giorgio Russolillo

    Non-Metric Partial Least Squares Path Modeling

    14 janvier 2016 - 14:00Salle de séminaire 418

  • Jérémie Mary

    Des algorithmes de bandits à la personnalisation de contenus internet

    4 mars 2016 - 14:00Salle de séminaire 418

    Les machine à bras également connues sous le nom de bandits sont un des exemples les plus simple de prise de décision séquentielle nécessitant de régler un compromis exploration/exploitation. Le réglage de ce compromis entre la collecte d’information statistique sur le résultat d’une action et le besoin d’exploitation de cette action a connu un fort regain d’intérêt à cause de la conjonction d’intérêts industriels (liés à la recommandation de contenus ou de produits ayant peu de données associées) et du foisonnement de nouvelles bornes issues des inégalités de concentration de la mesure. L’exposé présentera le problème et les grand résultats dans des contextes simples et élégants : le regret cumulé, le cas adversorial et le cas des bandits contextuels -i.e. quand des descripteurs sur les bras sont disponibles-. Enfin, une version bayésienne de ces algorithmes sera proposée et les cas d’usage et problèmes pratiques seront abordés.

  • Hiba Alawieh

    A deterministic and random model for Multidimensional Fitting

    23 juin 2016 - 14:00Salle de séminaires 309

    Multidimensional data matrices with a large number of variables are widely used in many domain of science. The complexity of these matrices makes the application of some statistical methods too hard. Therefore, multidimensional data analysis refers to the process of summarizing data across multiple dimensions and presenting the results in a reduced dimension. Multidimensional fitting (MDF) is a new multidimensional data analysis method for fitting distances. It requires two observed matrices, the target matrix and the reference matrix. The idea is to modify the target matrix to make it close to the reference matrix. In this work, we want to present two new models of this method: a deterministic model and a random model.