Estimation bayésienne : apprentissage sans supervision et MCMC

Cette séance de cours couvre l'estimation bayésienne pour l'apprentissage non supervisé, en mettant l'accent sur les chaînes Monte Carlo Markov et leur relation avec la physique statistique. L'instructeur explique le concept à travers un exemple de jeu de Spin Glass Card, illustrant l'objectif de diviser une pièce en deux groupes sur la base des données observées. Les sujets comprennent l'estimation maximale de la probabilité, le théorème de Bayes, l'inférence statistique, la mesure de Boltzmann et la fonction de partition. La séance de cours se penche également sur l'interaction et la transition de phase dans le contexte de la physique statistique.