P. LerayL'apprentissage de modèles graphiques de type réseaux bayésiens s'appuie généralement sur des données "plates".  Les réseaux bayésiens relationnels étendent ces modèles à des bases de données structurées, relationnelles, avec des modèles conceptuels de données de type entité-association.  Dans la mouvance du Big Data, et du NoSQL, sont apparues de nouvelles solutions comme les bases de données orientées graphes, adaptées à l'exploitation de données de type graphe comme les réseaux sociaux, etc ...

Nous montrerons dans cette présentation comment nous adaptons les algorithmes d'apprentissage de réseaux bayésiens relationnels pour apprendre de nouveaux types de modèles probabilistes, s'appuyant sur des données stockées dans des BD de graphes, avec les avantages et les inconvénients associés.

http://www.meetup.com/fr/Nantes-Machine-Learning-Meetup/events/225705900