La classification (supervisée et non supervisée - i.e. clustering) fondée sur des modèles statistiques permet de découvrir la structure de données complexes et d'attribuer des observations à des groupes latents. Ces méthodes sont largement utilisées en statistiques et en apprentissage automatique, avec des applications allant des sciences sociales à la génomique.

Cette master class présentera les principales idées et modèles qui sous-tendent le regroupement et la classification, en mettant l'accent sur l'inférence par maximisation de la vraisemblance avec l'algorithme EM et l'interprétation probabiliste des classes.

Le cours sera principalement basé sur un cours magistral, entrecoupé de démonstrations de code en R.

L'organisation de cette master class a été permise par le financement PHC Ulysses INTEGRATE.

Brendan est professeur de statistiques à University College Dublin, en Irlande, et travaille sur la modélisation statistique dans un large éventail de domaines, notamment l'agroalimentaire, les sciences biomédicales et les sciences sociales. Il a récemment occupé le poste de directeur de l'École de mathématiques et de statistiques de l'University College Dublin. Il a été chercheur invité au Centre de statistique et de sciences sociales de l'université de Washington et à l'Institut d'études avancées de Lyon. Il a été rédacteur en chef adjoint des Annals of Applied Statistics et est actuellement membre du comité de révision statistique et méthodologique des Proceedings of the National Academy of Sciences. Il a récemment été élu membre de l'American Statistical Association et a été nommé responsable honoraire des revues par la Royal Statistical Society.

Le cours se tiendra le 19 mars 2026 de 9h30 à 13h dans la salle C1.1.01 à AgroParisTech, 22 Place de l'agronomie, 91120 Palaiseau.

Prérequis : statistiques, modèles linéaires. Une connaissance du langage R serait un plus.

L'inscription est gratuite mais obligatoire.

En raison du nombre limité de places, l'inscription est soumise à une validation des organisateurs.