Les exploits récents du machine learning dans le domaine du traitement automatique ont ouvert la voie à de nouvelles fonctionnalités inédites et inenvisageables jusqu’alors.
Ces succès ne doivent pas occulter les grandes difficultés que nous avons aujourd’hui à comprendre et interpréter pourquoi et comment ça marche. En effet de nombreux cas pathologiques ont fleuri dans la littérature qui incitent à la prudence.
Poser un cadre mathématique et statistique propre sur le machine learning est la seule façon de conceptualiser les limitations objectives de ce type d’approche.
L’objectif de cette formation est de poser un cadre mathématique simple et compréhensible.
Objectifs
À l’issue de la formation, le stagiaire sera capable :
- d’identifier à quelle grande classe de problème d’apprentissage une situation concrète correspond, et savoir mettre en équations ce problème
- de connaître des algorithmes classiques antérieurs au deep learning, leur degré de maîtrise théorique et leurs limitations
- d’avoir un aperçu de la complexité théorique des problèmes de deep learning, ce qu’on sait ou ne sait pas prouver à l’heure actuelle
English 
French