Ressources
-
Tutoriels
-
Manuel utilisateur
-
Etudes de cas
- Optimisation de la production par analyse du rex
- Questionnaires de satisfaction
- Mise en oeuvre d'un score bayésien
- Analyse des intubations difficiles
- Analyse trajectoires de santé
- Analyse du transcriptome
- Caractérisation de clients
- Systèmes dynamiques
- Analyse du risque et politique de sécurité
- Text mining : identification de noms de sociétés
- Segmentation des consommateurs
- Identification de leviers d'appréciation de parfums
- Détection de salmonelles
- Modélisation des préférences des consommateurs
- Analyse politique
- Analyse sensorielle de parfums
- Analyse de la satisfaction du personnel
www.bayesia.com n'est pas optimisé pour votre navigateur (Internet Explorer 6).
Nous vous suggérons de passer à IE 7 ou Firefox pour une meilleure navigation.
Nous vous suggérons de passer à IE 7 ou Firefox pour une meilleure navigation.
Ressources
BayesiaLab en action : présentations et études de cas
Présentations du logiciel
- Présentation générale de BayesiaLab Découvrez le monde des réseaux bayésiens avec cette première présentation de BayesiaLab.
- Outils d'analyse Les réseaux bayésiens sont par nature lisibles. BayesiaLab va plus loin en proposant une boîte à outils d'analyse complète.
- Apprentissage des réseaux bayésiens BayesiaLab est un formidable outil de Data Mining et permet d'extraire simplement et automatiquement la connaissance enfouie dans vos données.
- Aide à la décision Utilisation des noeuds Décision et des noeuds Utilités pour découvrir les politiques d'actions optimales sur un exemple simple : le forage de puits de pétrole.
- Réseaux bayésiens dynamiques et apprentissage de politiques d'actions Outre la représentation de la connaissance statique, BayesiaLab permet également de représenter la connaissance dynamique et de calculer vos politiques d'actions optimales.
- Modalités filtrées On trouve régulièrement dans les études des variables dont l'existence est conditionnelle à un contexte (usage/configuration). Nous décrivons ici comment BayesiaLab permet de prendre en compte ces variables de manière rigoureuse pendant l'apprentissage et l'analyse
- Equations structurelles probabilistes Nous décrivons dans cette présentation comment BayesiaLab permet d'utiliser les réseaux bayésiens comme alternative pragmatique à la modélisation par équations structurelles (SEM), aux PLS et aux analyses de trajets (Path Analysis)
Voir 
Télécharger 
Lire Manuel utilisateur
Etudes de cas
Industrie
- Modélisation et simulation de systèmes dynamiques Optimisation des stratégies de maintenance d'un processus industriel complexe via un réseau bayésien dynamique.
- Optimisation de la production par analyse du rex A travers cette étude de cas, découvrez la puissance de l'apprentissage automatique de BayesiaLab pour exploiter et valoriser vos données issues du retour d'expérience.
Marketing
-
Identification de leviers d'appréciation de parfums
Pangborn 2009
Présentation à la conférence de Pangborn 2009 par notre partenaire Repères de l'utilisation des réseaux bayésiens via BayesiaLab pour l'identification des leviers d'appréciation de parfums.
-
Analyse sensorielle de parfums
Applibugs 2009
Application des Equations Structurelles Probabilistes à l'analyse sensorielle de parfums.
-
Modélisation des préférences des consommateurs
Sensometrics meeting 2008 (St Catharine, Ontario)
Présentation lors du congrès Sensometrics (St Catharines, Ontario, 21 Juillet 2008) d'une méthode de modélisation bayésienne des préférences des consommateurs (en collaboration avec Repères)
-
Segmentation des consommateurs
Conférence SKIM 2008 (Barcelone)
Présentation à la conférence SKIM (Barcelone, mai 2008) d'une méthode novatrice pour la segmentation des consommateurs par réseaux bayésiens (en collaboration avec Repères).
- Caractérisation de clients, élaboration de profils Apprentissage de profil de clients à partir d'une base de donnée, caractérisation pour prédire les produits adaptés et détecter les fraudes.
- Analyse de questionnaires de satisfaction La satisfaction des clients passée au crible avec BayesiaLab.
- Mise en oeuvre d'un score bayésien Mise en oeuvre d'un score bayésien et utilisation du module graphique pour visualiser les données.
Santé
-
Analyse des intubations difficiles
Scata 2007 (Londres)
La prédiction des intubations difficiles est cruciale pendant l'évaluation du patient avant l'anesthésie. Plusieurs critères sont utilisés pour prédire les intubations difficiles avec des performances différentes. Cette étude de cas démontre comment l'analyse de données d'intubations difficiles avec BayesiaLab a permis de découvrir rapidement des relations probabilistes inconnues entre les variables et d'améliorer la prédiction.
-
Détection de salmonelles
20th International Pig Veterinary Society Congress, 2008, Durban (Afrique du Sud)
Identification des facteurs associés à la détection de salmonelles sur les carcasses de porc grâce aux réseaux bayésiens.
- Analyse des trajectoires de santé Prévision du besoin médical avec BayesiaLab.
- Analyse du transcriptome Bioinformatique avec BayesiaLab.
Stratégie
- Analyse de la satisfaction du personnel Application des équations structurelles probabilistes pour déterminer les leviers de la satisfaction du personnel en entreprise.
-
Analyse politique
Réunion MAGDA - CEVIPOF
Analyse des résultats des élections présidentielles françaises d'avril 2007 (présentation au CEVIPOF : Centre de Recherches Politiques de Sciences Po).
Gestion du risque
- Analyse du risque et politique de sécurité : exemple du transport de personne Analyse de risque pour le transport de personnes, modélisation d'une politique de prévention.
Autres
- Text mining : identification de noms de sociétés Le text-mining avec BayesiaLab.