Amélioration des méthodes MCMC et adaptation au contexte du Big Data

Improvement of MCMC methods and adaptation to the Big Data.

• 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)
• Partenaire(s) de recherche : établissement opérateur d'inscription : Université Paris Dauphine-PSL (1968-....)

Mots clés

Mots clés libres

Monte Carlo

Mcmc

Big Data

Statistiques computationnelles

Monte Carlo

Mcmc

Big Data

Computational Statistics

Résumé

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.

MCMC methods can have some difficulties exploring space, espacially in high dimensional settings that can occur in a context of Big Data. The goal of this PhD thesis is to find enhancements to MCMC about this exploring issue.