Bassem Monla
Expert en intelligence artificielle, Directeur du développement des affaires chez IBM
Webconférence, 19 avril, Colloque 2018
Les Modèles Réseaux Bayésiens (ou en anglais Bayesian Networks) représentent un formalisme très riche pour le raisonnement avec incertitude et aussi à l’aide à la décision dans un contexte plein d’incertitudes.
En plus, ils combinent dans un même modèle l’expertise formulée par un expert du domaine et le savoir qui peut être extrait des données à travers l’apprentissage machine (Machine Learning). Dans ces types de modèles la connaissance humaine vient compléter et enrichir la connaissance extraite des données.
L’analyse des risques dans la gestion des projets peut profiter d’une manière substantielle de ces modèles car cette gestion des risques nécessite de faire des raisonnements dans un contexte incertain et de prendre des décisions dans ce même contexte incertain.
Les Modèles Réseaux Bayésiens font parties intégrales des modèles utilisés en Intelligence Artificielle et sont les plus adaptés au contexte des gestions des projets. Ces Modèles sont également des modèles White Box car l’interprétation des décisions est possible par les humains.
La présentation abordera les points suivants :
- Raisonnement avec incertitude: présentation des possibilités des modèles probabilistes graphiques bayésiens et leur importance pour pouvoir faire un raisonnement dans un contexte d’incertitude.
- Modèle quantitative des risques sur un projet : présentation des modèles statistiques des risques de délai, des risques de cout et des risques de qualité.
- Aide à la décision pour optimiser les risques : Montrer l’application de ces modèles de raisonnement avec incertitude pour la prise de décisions qui ont pour objectif d’optimiser les risques quantifie.
Veuillez lire attentivement nos Politiques et conditions.
