Unsupervised Learning & Time Series

Étape 2 Dynamiques Stochastiques Probabilité 2.5 Processus Stochastiques & Séries Temporelles

Un cours générique sur les Processus Stochastiques & Séries Temporelles. Contenu à venir.

Théorie de l'apprentissage auto-supervisé

Théorie de l'apprentissage auto-supervisé contrastif et prédictif : objectifs, augmentations et qualité de représentation.

Modèles à variables latentes : Identifiabilité & Théorie EM

Identifiabilité des modèles à variables latentes, convergence de l'algorithme EM et extensions modernes.

Prévision Probabiliste

Au-delà des prévisions ponctuelles : prévisions distributionnelles, quantiles et prédiction conforme pour les séries temporelles.

Modèles d'Espace d'État & Variantes de Kalman

Modèles d'espace d'état linéaires et non linéaires avec filtrage de Kalman et extensions modernes de SSM profond.

Modèles de Markov Cachés & Théorie de l'Espace d'État

Théorie des HMM : algorithme avant-arrière, Baum-Welch et méthodes d'apprentissage spectral.

Filtres de Kalman & de Particules

Filtrage bayésien : des filtres de Kalman aux Monte Carlo séquentiels pour des systèmes non linéaires/non gaussiens.

Processus Spatiotemporels & Champs Aléatoires Gaussiens

Champs aléatoires gaussiens, krigeage et modélisation de la covariance spatiotemporelle pour les données environnementales et scientifiques.

Modélisation Spatiotemporelle (Séries Temporelles Graphiques)

Approches basées sur des graphes pour la prévision spatiotemporelle utilisant des GNN et des réseaux de graphes temporels.

Prévisions de Demande Hiérarchiques & Intermittentes

Réconciliation des prévisions pour les séries temporelles hiérarchiques et méthodes pour la demande intermittente/rare.

Détection de la demande et prévision causale

Estimation de la demande en temps réel combinant des méthodes causales avec des signaux haute fréquence pour la prévision.

Détection d'anomalies et méthodes de changement de point

Méthodes statistiques pour détecter des anomalies et des points de changement dans les données de séries temporelles.