On parle depuis quelques années d’une « crise de la reproductibilité » de la recherche, les chercheurs ne parvenant pas toujours à reproduire les travaux de leurs pairs. La transparence des recherches est en jeu. La science des données et
On parle depuis quelques années d’une « crise de la reproductibilité » de la recherche, les chercheurs ne parvenant pas toujours à reproduire les travaux de leurs pairs. La transparence des recherches est en jeu. La science des données et
Après les images et le texte, l’apprentissage automatique enregistre depuis peu des résultats encourageants dans le traitement des graphes. Des réseaux sociaux aux relations entre molécules dans le vivant, les graphes sont partout, et les applications potentielles sont donc innombrables.
Maître de conférences à Toulouse, Édouard Pauwels mène des recherches à l'interface entre les maths et l'informatique au sein de l'IRIT. Sa spécialité ? L'optimisation pour les réseaux de neurones profonds, ce qui lui a valu de recevoir en 2020 la
Des modèles capables d’apprendre à apprendre… mieux, plus vite, au moins dans un certain domaine, c’est ce que vise le méta-apprentissage, qui connait un regain d’intérêt ces dernières années. Après la sphère des images et celle du langage, il fait
Le méta-apprentissage propose de construire des modèles capables… d’apprendre à apprendre. Enfin, d’apprendre mieux, plus vite, dans un certain domaine. L’idée a d’abord séduit en vision artificielle, elle fait ses premiers pas en traitement automatique du langage. Des modèles capables
De plus en plus d'équipes de recherche en bio-informatique s'intéressent à l’apprentissage automatique pour analyser et interpréter les données génomiques. Ces travaux ouvrent de nouvelles voies pour la médecine, notamment en matière de diagnostic et de thérapie. Il y a
Francis Bach est un spécialiste mondialement reconnu de l’apprentissage statistique. Il dirige l’équipe Sierra (Inria, ENS, CNRS) qui s’intéresse à des aspects théoriques de l’apprentissage automatique, notamment la parcimonie et l’optimisation des algorithmes, tout en gardant un œil sur ses applications.
L’apprentissage auto-supervisé, qui fait l’économie de ces coûteuses données étiquetées, fait des progrès notables ces derniers temps. En vision artificielle, une approche prometteuse a été récemment publiée par une équipe de DeepMind. Les données étiquetées sont rares et chères, c’est