Dans des contextes applicatifs difficiles, le manque de données expertisées peut être un obstacle majeur au déploiement réussi des méthodes d’IA réputées pourtant les plus efficaces.
Cet afterwork est consacré à ces scénarios peu favorables pour lesquels il existe des solutions dédiées d’apprentissage peu ou non-supervisé déjà prometteuses.
Nous y verrons des cas d’application rencontrés par exemple lors de l’analyse d’images d’observation de la Terre ou lors de la conception de systèmes d’aide à la conduite.
Il sera animé par Marjorie Allain-Moulet, pilote industriel du programme intégratif Acceptable AI and Christophe Merle, pilote industriel du programme intégratif Collaborative AI.
Les travaux ANITI seront présentés par Nicolas Dobigeon and Mathieu Fauvel, porteurs de la chaire dédiée aux problèmes d’inférence à partir de données hétérogènes.
Nous explorons à travers ces afterworks les divers projets thématiques d’ANITI. Ils visent à contribuer à une IA acceptable, certifiable et collaborative.
Certains de ces projets visent à disposer de techniques d’IA plus efficaces et performantes, certains visent l’utilisation de techniques d’IA pour les processus industriels et d’autres visent à améliorer les propriétés attendues des systèmes d’IA. Cet afterwork vise à identifier les contextes d’apprentissage peu ou non-supervisé et à discuter des capacités des récentes méthodes d’IA permettant l’analyse de données complexes dans ces scenarios.
Cet afterwork sera suivi d’un pot.
Inscription obligatoire
Afterwork gratuit pour les membres d’ANITI
Ouvert aux non-membres au tarif de 100 €
English 
French