Implémenter un algorithme de Gain d'Information Bayésien

Le gain d'information bayésien (BIG) est une méthode d'interaction entre un ordinateur et un utilisateur. Traditionnellement, un ordinateur exécute simplement les commandes de l'utilisateur. Dans BIG, l'ordinateur effectue une expérience sur l'utilisateur pour mettre progressivement à jour la distribution d'une variable aléatoire qui modélise la connaissance qu'il a de l'objectif de l'utilisateur. Le choix de la meilleure expérience (la plus informative) peut être écrit comme un problème d'optimisation où le concept théorique d'information mutuelle est maximisé. La variable aléatoire qui modélise la connaissance de l'objectif de l'utilisateur est mise à jour avec la règle de Bayes.
Le but de ce projet est d'implémenter BIG de manière hautement modulable, avec un API en Python, et en utilisant le compilateur "Numba" pour accélérer certaines portions de code.