Apprentissage dans des modèles de bandit bayésiens

Learning in bayesian bandit models

• Auteur / Autrice : Julien Zhou
• Direction : Julyan Arbel
• Type : Projet de thèse
• Discipline(s) : Mathématiques et Informatique
• Date : Inscription en doctorat le 07/11/2022
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Jean Kuntzmann (Grenoble, Isère, France ; 2007-....)

Mots clés

Mots clés libres

Bandit

Apprentissage automatique

Statistiques

Prise de décision

Apprentissage séquentiel

Modèle bayésien

Bandit

Machine learning

Statistics

Decision making

Online Learning

Bayesian model

Résumé

L'objectif de ce projet est de développer et d'analyser théoriquement des algorithmes de bandit à information partielle. Une attention particulière sera donnée à la structure et la prise en compte de corrélations, à la gestions de données personnelles, à la non-stationarité, ainsi qu'aux contraintes opérationnelles.

The objective of this project is to develop and theoretically analyse partial-information bandit algorithms. Particular attention will be paid to structure and correlations, to personal data management, to non-stationarity and to operational constraints.