Amélioration des méthodes MCMC et adaptation au contexte du Big Data
FR |
EN
Auteur / Autrice : | Charly Andral |
Direction : | Christian P. Robert, Randal Douc |
Type : | Projet de thèse |
Discipline(s) : | Sciences |
Date : | Inscription en doctorat le 01/10/2020 |
Etablissement(s) : | Université Paris sciences et lettres |
Ecole(s) doctorale(s) : | SDOSE Sciences de la Décision, des Organisations, de la Société et de l'Echange |
Partenaire(s) de recherche : | Laboratoire : Centre de recherche en mathématiques de la décision (Paris) |
établissement opérateur d'inscription : Université Paris Dauphine-PSL (1968-....) |
Mots clés
FR |
EN
Mots clés libres
Résumé
FR |
EN
Les méthodes MCMC peuvent connaitre des difficultés d'exploration de l'espace, particulièrement dans des espaces à grande dimension comme cela peut être le cas dans un contexte de données massives. Le but de cette thèse est de chercher des améliorations du MCMC à cette problématique.