Attention, les informations que vous consultez actuellement ne sont pas celles de l'année en cours. Consulter l'année universitaire 2022-2023.

UE643 - Modélisation en sciences sociales et en sciences du vivant


Lieu et planning


  • 54 bd Raspail
    Salle AS1_08
    54 bd Raspail 75006 Paris
    annuel / bimensuel (2e/4e), jeudi 15:00-17:00
    du 9 décembre 2021 au 24 juin 2022


Description


Dernière modification : 15 mai 2021 13:03

Type d'UE
Séminaires DE/MC
Disciplines
Méthodes et techniques des sciences sociales
Page web
http://cams.ehess.fr/modelisation-en-sciences-sociales-et-en-sciences-du-vivant/ 
Langues
anglais français
Mots-clés
Informatique et sciences sociales Mathématiques et sciences sociales Méthodes et techniques des sciences sociales Méthodes quantitatives
Aires culturelles
-
Intervenant·e·s
  • Henri Berestycki [référent·e]   directeur d'études (retraité·e), EHESS / Centre d'analyse et de mathématique sociales (CAMS)
  • Jean-Pierre Nadal   directeur d'études, EHESS - directeur de recherche, CNRS / Centre d'analyse et de mathématique sociales (CAMS)

Ce séminaire est destiné à un large public s’intéressant à la modélisation mathématique. Il présente des recherches d'une part dans le domaine de l'analyse mathématique et d’autre part de la modélisation, notamment dans ses interactions avec les sciences sociales, l’économie, l'écologie, la biologie et la dynamique des populations. Ce séminaire se propose également de conduire un débat sur le statut et la pertinence des modèles mathématiques et des représentations informatiques en sciences humaines et sociales.


Master


Cette UE n'est rattachée à aucune formation de master.


Renseignements


Contacts additionnels
-
Informations pratiques

Voir la page web du séminaire.

Direction de travaux des étudiants

Sur rendez-vous uniquement.

Réception des candidats

Sur rendez-vous uniquement.

Pré-requis

Niveau master 1 dans une discipline à haut contenu formalisé : mathématiques, physique, informatique, économie ou sciences de l'ingénieur.


Compte rendu


Le cours, pluri- et trans- disciplinaire, a  porté sur une palette d'approches quantitatives pour l'analyse et la modélisation mathématique de données : analyse multi-variée ; méthodes économétriques ; modélisation multi-agent ; modèles dynamiques (par exemple dynamiques de populations), théorie des jeux... Les notions et techniques sont systématiquement illustrées sur des cas concrets d'intérêt en SHS. Les sujets qui ont été plus particuliers évoqués sont d'une part la ségrégation socio-spatiale (caractérisation multi-échelle de la ségrégation sociale en milieu urbain, et modélisation des dynamiques sous-jacentes), d'autre part l'analyse quantitative de la propagation des émeutes urbaines en 2005 en France, et la modélisation épidémiologique de cette propagation.

Le cours demande une forte implication des étudiants : mise en oeuvre des théories ou méthodes sur des données réelles, lecture critique d'articles.

Publications

Jean-Pierre Nadal

  • Avec Laurent Bonnasse-Gahot, « Categorical Perception: A Groundwork for Deep Learning », Neural Computation, 2022, 34 (2), p. 437-475.
  • ICUBAM consortium*, corresponding author Julie Josse, « ICU Bed Availability Monitoring and analysis in the Grand Est region of France during the COVID-19 epidemic », Statistique et société, 2022, vol. 10, n°1, HAL preprint hal-02620018, (* Laurent Bonnasse-Gahot, Maxime Dénès, Gabriel Dulac-Arnold, Sertan Girgin, François Husson, Valentin Iovene, Julie Josse, Antoine Kimmoun, François Landes, Jean-Pierre Nadal, Romain Primet, Frederico Quintao, Pierre Guillaume Raverdy, Vincent Rouvreau, Olivier Teboul, et Roman Yurchak - alphabetical order).
  • Avec Kevin Berlemont, « Confidence-controlled Hebbian learning efficiently extracts category membership from stimuli encoded in view of a categorization task », Neural Computation, 2022, 34 (1) p. 45-77.
  • L. Bonnasse-Gahot et J.-P. Nadal, « Modéliser les émeutes de 2005 : une vague de violence contagieuse », Mission pour les initiatives transverses et interdisciplinaires (MITI, CNRS), CNRS Éditions, sous presse.

Dernière modification : 15 mai 2021 13:03

Type d'UE
Séminaires DE/MC
Disciplines
Méthodes et techniques des sciences sociales
Page web
http://cams.ehess.fr/modelisation-en-sciences-sociales-et-en-sciences-du-vivant/ 
Langues
anglais français
Mots-clés
Informatique et sciences sociales Mathématiques et sciences sociales Méthodes et techniques des sciences sociales Méthodes quantitatives
Aires culturelles
-
Intervenant·e·s
  • Henri Berestycki [référent·e]   directeur d'études (retraité·e), EHESS / Centre d'analyse et de mathématique sociales (CAMS)
  • Jean-Pierre Nadal   directeur d'études, EHESS - directeur de recherche, CNRS / Centre d'analyse et de mathématique sociales (CAMS)

Ce séminaire est destiné à un large public s’intéressant à la modélisation mathématique. Il présente des recherches d'une part dans le domaine de l'analyse mathématique et d’autre part de la modélisation, notamment dans ses interactions avec les sciences sociales, l’économie, l'écologie, la biologie et la dynamique des populations. Ce séminaire se propose également de conduire un débat sur le statut et la pertinence des modèles mathématiques et des représentations informatiques en sciences humaines et sociales.

Cette UE n'est rattachée à aucune formation de master.

Contacts additionnels
-
Informations pratiques

Voir la page web du séminaire.

Direction de travaux des étudiants

Sur rendez-vous uniquement.

Réception des candidats

Sur rendez-vous uniquement.

Pré-requis

Niveau master 1 dans une discipline à haut contenu formalisé : mathématiques, physique, informatique, économie ou sciences de l'ingénieur.

  • 54 bd Raspail
    Salle AS1_08
    54 bd Raspail 75006 Paris
    annuel / bimensuel (2e/4e), jeudi 15:00-17:00
    du 9 décembre 2021 au 24 juin 2022

Le cours, pluri- et trans- disciplinaire, a  porté sur une palette d'approches quantitatives pour l'analyse et la modélisation mathématique de données : analyse multi-variée ; méthodes économétriques ; modélisation multi-agent ; modèles dynamiques (par exemple dynamiques de populations), théorie des jeux... Les notions et techniques sont systématiquement illustrées sur des cas concrets d'intérêt en SHS. Les sujets qui ont été plus particuliers évoqués sont d'une part la ségrégation socio-spatiale (caractérisation multi-échelle de la ségrégation sociale en milieu urbain, et modélisation des dynamiques sous-jacentes), d'autre part l'analyse quantitative de la propagation des émeutes urbaines en 2005 en France, et la modélisation épidémiologique de cette propagation.

Le cours demande une forte implication des étudiants : mise en oeuvre des théories ou méthodes sur des données réelles, lecture critique d'articles.

Publications

Jean-Pierre Nadal

  • Avec Laurent Bonnasse-Gahot, « Categorical Perception: A Groundwork for Deep Learning », Neural Computation, 2022, 34 (2), p. 437-475.
  • ICUBAM consortium*, corresponding author Julie Josse, « ICU Bed Availability Monitoring and analysis in the Grand Est region of France during the COVID-19 epidemic », Statistique et société, 2022, vol. 10, n°1, HAL preprint hal-02620018, (* Laurent Bonnasse-Gahot, Maxime Dénès, Gabriel Dulac-Arnold, Sertan Girgin, François Husson, Valentin Iovene, Julie Josse, Antoine Kimmoun, François Landes, Jean-Pierre Nadal, Romain Primet, Frederico Quintao, Pierre Guillaume Raverdy, Vincent Rouvreau, Olivier Teboul, et Roman Yurchak - alphabetical order).
  • Avec Kevin Berlemont, « Confidence-controlled Hebbian learning efficiently extracts category membership from stimuli encoded in view of a categorization task », Neural Computation, 2022, 34 (1) p. 45-77.
  • L. Bonnasse-Gahot et J.-P. Nadal, « Modéliser les émeutes de 2005 : une vague de violence contagieuse », Mission pour les initiatives transverses et interdisciplinaires (MITI, CNRS), CNRS Éditions, sous presse.