title:
Probabilistic programming languages
Langages de programmation probabilistes
manager:
Christine Tasson
ects:
3
period:
2
hours:
24
weeks:
8
hours-per-week:
3
language:
English on request
lang:
track:
B
themes:
Semantic/Languages
order:
2.40
successor:
ppl
link:
view
  • [2.40]
  • Probabilistic programming languages
    Langages de programmation probabilistes
  • Language:
  • Period:
  • 2.
  • Duration:
  • 24h (3h/week).
  • ECTS:
  • 3.
  • Manager:
  • Christine Tasson.

Langages de Programmation Probabilistes (24h, 3 ECTS)

Cours 2024 - 2025

Description

La programmation probabiliste est un paradigme de programmation qui a connu un essor important ces dernières années. Les langages de programmation probabilistes permettent de décrire des modèles tels que ceux utilisés en intelligence artificielle et proposent des méthodes automatiques pour inférer les paramètres du modèle à partir d'observations statistiques. Comparé aux algorithmes d'apprentissage classiques, les langages probabilistes permettent de manipuler l'incertitude de manière explicite. Ils reposent sur la méthode Bayésienne qui permet de raffiner une croyance a priori sur la distribution des paramètres d'un modèle a partir d'observations concrètes.

Récemment, de nombreux langages de programmation ont été développés e.g., WebPPL, Venture, Anglican, Stan, Gen, Pyro, Turing.jl… Ces langages sont maintenant utilisés dans de nombreux domaines qui vont de la vision (génération d'images) et la robotique (planification), à la santé (épidémiologie) et les sciences sociales (sondages).

Ce cours présente les concepts fondamentaux de la programmation probabiliste ainsi que des travaux de recherche récents :

  1. conceptions des langages (construction probabiliste, analyse statique, compilation)
  2. méthodes d'inférence (méthodes de Monte-Carlo, inférence symbolique, inférence variationnelle)
  3. sémantique (théorie de la mesure, espaces quasi-Boreliens, cônes probabilistes)
  4. analyse statique des algorithmes d'inférence (inférence variationnelle)

Plan du cours

date Intervenants Sujets
19/09 C. Tasson Introduction à la programmation probabiliste
26/09 C. Tasson Modèles discrets, modèles graphiques, sémantiques et ordre supérieur
03/10 C. Tasson Modèles continus, sémantique et problème avec l'ordre supérieur
10/10 G. Baudart Conception d'un langage probabiliste, sémantique par noyau
17/10 G. Baudart Méthodes d'inférence avancées, sémantique par densité
24/10 X. Rival Inférence Variationnelle, problème et analyse statique
31/10 G. Baudart Compilation et filtrage
07/11 G. Baudart Inférence semi-symbolique
14/11 Rendre DM
21/11
28/11 Examen

Tous les cours seront accompagnés de travaux pratiques.

Les supports de cours et les TDs seront disponibles sur GitHub : https://github.com/mpri-probprog/probprog-24-25

Évaluation

  1. Devoir Maison (30% de la note)
  2. Examen pour moitié de la note (70% de la note)

Ressources