CONFERENCE

Autumn school in Bayesian Statistics

École d’automne en statistique bayésienne

30 October – 3 November, 2023

INTRANET FOR ORGANIZERS

Scientific Committee 
Comité scientifique 

Florence Forbes (INRIA Grenoble – Rhône-Alpes)
Sylvia Frühwirth-Schnatter (Vienna University of Economics and Business)
Éric Parent (AgroParis Tech)
Igor Pruenster (Boccoli University)
Christian Robert (Université Paris Dauphine-PSL)

Organizing Committee
Comité d’organisation

Julyan Arbel (INRIA Grenoble – Rhône-Alpes)
Marie-Pierre Étienne (Université Rennes 1)
Sarah Filippi (Imperial College London)
Guillaume Kon Kam King (INRAE)
Robin Ryder (Université Paris Dauphine-PSL)

  Thanks to recent methodological and theoretical advances, to the advent of large data sets, and to the development of ever more powerful computational schemes, Bayesian statistics have become the powerhorse of many real-world quantitative problems. The Bayesian approach is common and well accepted in areas as diverse as Genetics, Astrophysics, Linguistics, Economics, Climate sciences, etc. Bayesian methods allow for robust quantification of uncertainty of statistical inference, by computing or approximating the posterior distribution of parameters of interest in a stochastic model. They are especially attractive for complex problems where defining a prior distribution allows to add structure to parameters of large dimension, either by eliciting prior expertise on the stochastic process at hand or by using generic modelling tools such as Gaussian processes.
  The objective of this autumn school is to provide a comprehensive overview of Bayesian methods for complex settings: modelling techniques, computational advances, theoretical guarantees and practical implementation. A specific focus will be given on challenging applications to foster collaborations with domain experts, to identify relevant objectives and increase the impacts of all designed algorithms and presented solutions during the week.

  Grâce à des avancées méthodologiques et théoriques récentes, à l’arrivée de données massives, et au développement de schémas numériques de plus en plus puissants, la statistique bayésienne est devenue un outil essentiel pour de nombreux problèmes quantitatifs réels. L’approche bayésienne est bien acceptée et communément utilisée dans des domaines d’application aussi divers que la génétique, la linguistique, l’astrophysique, l’économie, les sciences du climat, etc. Les méthodes bayésiennes permettent une quantification robuste de l’incertitude d’une inférence statistique, en calculant ou en approchant la loi a posteriori des paramètres d’un modèle stochastique. Elles sont particulièrement attrayantes pour des problèmes complexes, dans lesquels la définition d’une loi a priori permet d’ajouter de la structure à des paramètres de grande dimension, soit en utilisant une expertise a priori sur le processus stochastique sous-jacent, soit via des outils génériques comme les processus gaussiens.
  L’objectif de cette école d’automne est de donner une vue d’ensemble des méthodes bayésiennes dans des cadres complexes : techniques de modélisation, avancées computationnelles, garanties théoriques, et implémentation en pratique. Une attention particulière sera accordée à des applications stimulantes afin de développer des collaborations avec des experts d’autres domaines, d’identifier les objectifs pertinents, et d’augmenter l’impact des algorithmes et solutions présentés au cours de la semaine.

IMPORTANT WARNING:  Scam / Phishing / SMiShing ! Note that ill-intentioned people may be trying to contact some of participants by email or phone to get money and personal details, by pretending to be part of the staff of our conference center (CIRM).  CIRM and the organizers will NEVER contact you by phone on this issue and will NEVER ask you to pay for accommodation/ board / possible registration fee in advance. Any due payment will be taken onsite at CIRM during your stay.

Speakers 

Alexandre Bouchard-Côté (University of British Columbia)
François Caron (University of Oxford)
Marta Catalano (University of Warwick)
Nicolas Chopin (ENSAE Paris)
Fan Li (Duke University)
Ioanna Manolopoulou (University College London)
Osvaldo Martin (Aalto University)
Julia Palacios (Stanford University)
Perry de Valpine (University of California, Berkeley)

to be confirmed

SPONSORS