Inference bayésienne amortie pratique

Description

**🎙️ Intervenants :🎙️ Intervenants :** Thomas Wiecki, PhD, Luca Fiaschi, PhD, et **⏰ Heure :** 15:00 UTC / 8:00 AM PT / 11:00 AM ET / 5:00 PM Berlin Les méthodes MCMC traditionnelles comme NUTS sont la référence pour l'estimation des paramètres, mais elles rencontrent des limites lorsqu'il s'agit de vraisemblances intractables, de modèles de simulation complexes, ou de demandes de production en temps réel où l'échantillonnage ne peut se permettre de prendre des minutes ou des heures. Entre en scène l'inférence bayésienne amortie (ABI) : un changement de paradigme où les architectures d'IA générative (telles que les Flots Normalisants, les Modèles de Diffusion et le Correspondance de Flux) sont entraînées hors ligne pour apprendre des distributions a posteriori complexes. Une fois entraînée, l'inférence devient un passage rapide. Dans ce webinaire pratique, Stefan Radev (Créateur de BayesFlow et Professeur Assistant à RPI) rejoint PyMC Labs pour démontrer comment entraîner des réseaux d'inférence neuronaux et les intégrer directement dans les workflows de PyMC. **Ce que vous apprendrez** * **Les Fondamentaux de l'ABI :** Comment l'IA générative transforme les modèles de simulation en moteurs d'inférence probabiliste instantanés. * Contourner les vraisemblances intractables : Comment entraîner des Estimateurs de Vraisemblance Neuronaux dans BayesFlow et les brancher au backend JAX de PyMC pour l'échantillonnage MCMC. * **Entraîner lourd, déployer rapidement :** Comment transférer le fardeau computationnel hors ligne pour atteindre une inférence bayésienne inférieure à une seconde dans des environnements de production. * **Diagnostics & Confiance :** Comment utiliser la Calibration Basée sur la Simulation (SBC) et des diagnostics de couverture pour s'assurer que votre réseau neuronal ne « hallucine » pas des postérieurs. * **Démonstration de Code en Direct :** Un parcours étape par étape pour construire, entraîner et évaluer un modèle BayesFlow aux côtés de PyMC. **Qui devrait participer** * Les Scientifiques des Données & Ingénieurs ML qui souhaitent déployer des modèles bayésiens dans des pipelines de production en temps réel. * Les Utilisateurs de PyMC & Stan cherchant à modéliser des données basées sur des simulateurs complexes sans fonctions de vraisemblance explicites. * Les Chercheurs & Analystes Quantitatifs intéressés par des applications de pointe de l'IA Générative pour l'inférence basée sur des modèles. 📜 **Plan de la Présentation / Agenda :** * 5 min : Introduction à PyMC Labs et aux intervenants * 40 min : Discussion en panel * 15 min : Questions & Réponses \-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\- **💼 À propos des intervenants :** **Dr. Thomas Wiecki** **(** Fondateur de PyMC Labs) Co-auteur de PyMC, la plateforme de référence pour la science des données statistiques. Pour aider les entreprises à résoudre certains de leurs problèmes de science des données les plus difficiles, il a rassemblé une équipe de modélisateurs bayésiens de classe mondiale et fondé PyMC Labs - le cabinet de conseil en IA bayésienne. Il a obtenu son doctorat à l'Université de Brown en étudiant les neurosciences cognitives. **Connectez-vous avec Thomas :** 👉[ Linkedin ](https://www.linkedin.com/in/twiecki/)🧩 [Github](https://github.com/twiecki) **Dr. Luca Fiaschi (Partenaire de PyMC Labs, Verticale Gen AI)** Luca aide les organisations à libérer la valeur des données et de l'IA. Fort de plus de 15 ans d'expérience, il a dirigé et développé des équipes chez Mistplay, HelloFresh, Alibaba, et Stitch Fix, conduisant des avancées en personnalisation, optimisation marketing, et modélisation causale. Il est titulaire d'un doctorat en informatique de l'Université de Heidelberg. **Connectez-vous avec Luca**👉 [LinkedIn](https://www.linkedin.com/in/lfiaschi/)🧩[ Github](https://github.com/lfiaschi) **Stefan T. Radev, PhD (Professeur Assistant, Créateur de BayesFlow)** Stefan est Professeur Assistant à l'Institut Polytechnique Rensselaer et le chercheur principal chez BayesOps. Il est le créateur de BayesFlow, un cadre open-source pour l'inférence basée sur la simulation, et il est passionné par la traduction d'une pensée probabiliste complexe en outils utilisables pour les scientifiques, développeurs, et toute personne souhaitant prendre de meilleures décisions avec des données. **Connectez-vous avec Stefan** 👉 [LinkedIn](https://www.linkedin.com/in/stefan-radev-21b713187/) \-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\- **📖 Code de Conduite :** Veuillez noter que les participants sont censés respecter le [Code de Conduite de PyMC.](https://github.com/pymc-devs/pymc/blob/main/CODE_OF_CONDUCT.md) **Connecter avec PyMC Labs :** 🌐 Site Web : [https://www.pymc-labs.com/](https://www.pymc-labs.com/) 👥 LinkedIn : [https://www.linkedin.com/company/pymc-labs/](https://www.linkedin.com/company/pymc-labs/) 🐦 Twitter : [https://twitter.com/pymc_labs](https://twitter.com/pymc_labs) 🎥 YouTube : [https://www.youtube.com/c/PyMCLabs](https://www.youtube.com/c/PyMCLabs) 🤝 Meetup : [https://www.meetup.com/pymc-labs-online-meetup/](https://www.meetup.com/pymc-labs-online-meetup/) 🎮 Discord : [https://discord.gg/MARSCNemw3](https://discord.gg/MARSCNemw3)