Fiche de CABELI Vincent

Titre : Learning causal graphs from continuous or mixed datasets of biological or clinical interest
Date : 15 décembre 2021
Heure: 14:00
Résumé : Les travaux de cette thèse s’inscrivent dans la théorie principalement développée par Judea Pearl sur les diagrammes causaux; des modèles graphiques qui permettent de dériver toutes les quantités causales d’intérêt (effet du traitement, contrefactuelles...) formellement et intuitivement. Nous traitons le problème de l’inférence de réseau causal à partir uniquement de données d’observation. En particulier, nous proposons d’améliorer les méthodes existantes pour les rendre plus aptes à analyser des données issues du monde réel, en nous affranchissant le plus possible des contraintes sur les distributions des données, et en les rendant plus interprétables. Notre contribution est un algorithme de discrétisation optimale pour simultanément estimer la valeur de l’information mutuelle (et multivariée) et évaluer sa significativité entre des échantillons de variables de n’importe quelle nature
Lieu : Institut Curie, Paris