[ИАД, осень 2026] Интеллектуальный анализ данных 2

Valeur des informations & solidité de l’argumentation

La valeur de cette leçon réside dans sa capacité à relier des concepts mathématiques fondamentaux (Hadamard, optimisation) à des pratiques concrètes de modélisation causale. L’argumentation est solide : le professeur démontre l’instabilité de l’optimisation par un exemple simple mais éclairant, et justifie la nécessité de la sélection de structure. Les échanges avec les étudiants renforcent la crédibilité du propos, car ils intègrent des questions pertinentes sur le travail à effectuer. L’accent mis sur la distinction entre ‘plus probable’ et ‘plus vraisemblable’ montre une volonté de précision conceptuelle. Toutefois, certaines affirmations (comme l’émergence des modèles du monde) restent spéculatives et ne sont pas étayées par des preuves ou références précises.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est globalement bonne : les notions sont présentées avec soin, et les références à Hadamard, à Oleg Bakhteev ou à Nikita Zhivotovsky indiquent une connaissance des travaux pertinents. Cependant, aucune source écrite n’est citée explicitement dans la description, et les références restent des mentions orales sans URLs. Le titre est adéquat puisqu’il désigne clairement le deuxième cours de la série, mais il n’indique pas le thème précis, ce qui reste acceptable. La date de publication correspond à l’automne 2026, en cohérence avec le contexte.

Le titre 'Intelligent Data Analysis 2' reflète bien le contenu : il s'agit d'une leçon sur les modèles causals et la sélection de modèles en analyse de données. L'indication 'automne 2026' est conforme à la date de publication.

8/10

Lecture magistrale structurée, animée par un expert, avec échanges interactifs. Le contenu est cohérent et repose sur des notions classiques (Hadamard, optimisation, régression symbolique), mais aucune source primaire n'est fournie dans la description.

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

• 00:00Introduction et motivation : passage des modèles autorégressifs aux modèles causals.
• 05:00Présentation du schéma des problèmes directs et inverses de sélection de modèle.
• 15:00Discussion sur les conditions de Hadamard (existence, unicité, stabilité) et l'instabilité de l'optimisation.
• 25:00Exemple de non-unicité avec y = sin(x + φ) et la multi-extrémalité.
• 40:00Sélection de caractéristiques et formalisation de la structure par matrice d'adjacence.
• 1:00:00Consignes pour le laboratoire : choisir une équation, représentation en graphe, matrice d'adjacence.
• 1:30:00Présentation de l'exemple de Lotka-Volterra par une étudiante et discussion sur les graphiques.
• 1:50:00Réponses aux questions et plan pour les séances suivantes.

• Jacques Hadamard — Mention des conditions de Hadamard pour les problèmes bien posés.
• Oleg Bakhteev — Collaboration sur la notation structurelle des modèles (matrice A, gamma).
• Nikita Zhivotovsky — Mention d'une conférence sur l'existence de modèles dans un ensemble donné.
• Vladimir Arnold — Référence à un livret sur les modèles mathématiques.