Objectifs de la chaire

Les principaux objectifs de cette chaire sont de développer et de mettre en action, des outils de mathématiques appliquées en amont (outils d’optimisation, géométrie non euclidienne, analyse de sensibilité globale, matrices aléatoires, ..), pour la compréhension des algorithmes d’apprentissage automatique.

Un accent particulier est mis sur les interactions avec les partenaires industriels. La volonté des membres de cette chaire est de travailler dans une boucle vertueuse, alimentant les recherches en mathématiques appliquées en résolvant des problèmes industriels concrets proposés par les partenaires industriels. Les problèmes abordés vont de l’explicabilité (en utilisant par exemple des outils d’analyse de sensibilité globale), l’étude des réseaux neuronaux (en utilisant par exemple des matrices aléatoires ou plongement continu) à la conception de nouveaux algorithmes (à l’aide d’outils géométriques).

Programmes : IA acceptable & certifiable
Thèmes : apprentissages avec peu de données ou des données complexes, fair learning, IA et modèles physiques

Porteur :

Fabrice Gamboa, Institut de Mathématiques de Toulouse / https://www.math.univ-toulouse.fr/~gamboa

Chercheurs associés :

Reda Chhaibi (UT3, IMT)

Thomas Pellegrini (UT3, IRIT)

fr_FRFrench