PEUT-ON FAIRE DE L'IA AVEC PEU DE DONNÉES ?

(05/06/2022)


Conférence dans le cadre des Congrès scientifiques mondiaux TimeWorld : TimeWorld expose et anime la connaissance sous toutes ses formes, théorique, appliquée et prospective. TimeWorld propose un état de l'art sur une thématique majeure, avec une approche multiculturelle et interdisciplinaire. C'est l'opportunité de rencontres entre chercheurs, industriels, universitaires, artistes et grand public pour faire émerger des idées en science et construire de nouveaux projets.
https://timeworldevent.com/fr/

-------------------------------

Christian Gagné
Directeur de l’Institut intelligence et données

Christian Gagné est professeur au département de génie électrique et de génie informatique de l'Université Laval. Il est le directeur de l'Institut intelligence et données (IID) de l'Université Laval. Il détient une Chaire en intelligence artificielle Canada-CIFAR et est membre associé à Mila. Il est également membre du Laboratoire de vision et systèmes numériques (LVSN), une composante du Centre de recherche en robotique, vision et intelligence machine (CeRVIM) ainsi que du Centre de recherche en données massives (CRDM) de l'Université Laval. Ses intérêts de recherche portent sur l'élaboration de méthodes pour l'apprentissage automatique et l'optimisation stochastique. En particulier, il s'intéresse aux réseaux de neurones profonds, à l'apprentissage et au transfert de représentations, ainsi qu'à l'utilisation de l'apprentissage automatique pour l'optimisation boîte noire. Une part importante de ses travaux porte également sur la mise en pratique de ces techniques dans des domaines comme la vision numérique, la microscopie, la santé, l'énergie et les transports.

Conférence : Peut-on faire de l'IA avec peu de données ?
Jeudi 5 mai 2022, 13h45 - 14h30

L'apprentissage profond, discipline phare de l'IA, est reconnu pour être gourmand en données, les meilleures performances étant souvent obtenues à partir de grandes banques de données. Certaines avancées récentes du domaine requièrent l'accès à des jeux de données d'une très grande taille, qui joint à la nécessité d'avoir des ressources de calcul considérables pour le traitement de ces données, nous laisse croire que la capacité d'innovation est limitée aux plus gros joueurs du domaine. Mais, est-ce qu'un apprentissage de modèles basés essentiellement sur la puissance statistique de jeux de très grande taille est la seule avenue possible pour faire de l'apprentissage profond ? Autrement dit, sachant que l'apprentissage biologique ne se base pas directement sur l'analyse de tels très grands jeux de données, comment peut-on faire pour créer des systèmes intelligents avec relativement peu de données? Cette conférence portera les enjeux scientifiques, techniques et sociétaux liés à l'apprentissage de systèmes d'IA avec des jeux de données de taille plus modeste.


Partager cette vidéo :

Revenir à la liste de vidéos