Groupe Machine Learning et Intelligence Artificielle
Objectifs
L’apprentissage permet l’exploration, la modélisation et l’aide à la décision à partir de jeux de données massives. Certaines de ses applications sont utilisées en intelligence artificielle, par exemple pour permettre à des robots ou des véhicules autonomes d’appréhender des scènes (vision, reconnaissance de sons et de paroles, synthèse de langage naturel). Ce domaine est multiforme et fait appel à l’informatique et aux mathématiques, en particulier à la statistique et à l’optimisation.
Quand les méthodes d’apprentissage sont fondées sur des modèles statistiques, on parle d’apprentissage statistique, sinon d’apprentissage automatique. Dans tous les cas, ces algorithmes sont repris sous le vocable d’apprentissage machine (Machine Learning). Ces domaines sont poreux, et celui de la statistique est donc forcément impacté, en voyant le développement de nouvelles méthodes statistiques aussi bien que la confrontation avec des paradigmes plus informatiques.
C’est un domaine en pleine ébullition, aussi bien en recherche, que dans la vie économique, sociale et éducative. La profusion des données massives, jeux de données gigantesques dont la valeur est sous-jacente aux informations et connaissances que l’on peut en extraire, conduit à un décalage entre les utilisateurs des algorithmes, les théoriciens qui les créent et en étudient les propriétés, et les citoyens qui sont directement concernés par leurs décisions.
Le groupe MAchine Learning et Intelligence Artificielle (MALIA) propose donc de rassembler, structurer et amplifier les actions de la SFdS dans le domaine de l’apprentissage et ses usages, qu’il soit automatique ou statistique, par exemple :
- développer les liens avec les communautés informatiques ;
- former aux méthodes et les outils nouveaux ;
- permettre des rencontres entre industriels et chercheurs ;
- organiser des manifestations et workshops ;
- favoriser la circulation des idées ;
- apporter au sein des autres groupes spécialisés un support sur les questions d’apprentissage machine ;
- etc.
Événements du Groupe
Événements à venir
Workshop sur les fondements mathématiques de l'IA, co-organisé avec l'Institut DATAIA et le SCAI.
Événements passés
05/07/2023: Journées de la Statistique 2023 - session spéciale MALIA.
14/02/2023: Café de la Statistique co-organisé avec le groupe Statistique et Enjeux Publics : Éthique et intelligence artificielle : de quoi parle-t-on ?
07/06/2022: Événement co-organisé ENBIS/MALIA pour les JdS 2022: lien d'inscription
16/09/2021: Organisation du workshop sur le Federated Learning FL workshop (intervention en anglais), en collaboration avec Accenture Lab, SCAI, Owkin.
11/06/2021: Formation DataViz avec python, présentation et contenu. (intervention en français)
15/03/2021: Organisation de la session commune SSFAM/MALIA à CAP21: https://cap2021.sciencesconf.org/program
23/03/2021: Colloque sur la cryptographie appliquée à l'apprentissage statistique Federated Learning Spring school (intervention en anglais).
24/11/2020: Organisation de la winter school sur le Federated Learning Federated Learning Winter school (intervention en anglais).
02/04/2020: Organisation de l'atelier: Avancées récentes en Machine Learning numérique et statistique.
29/05/2020: Formation python pour les utilisateurs R: inscription ici.
Bureau
Stéphane Chrétien, Université Lyon 2 (président)
Franck Iutzeler, Université Grenoble-Alpes (trésorier)
Miguel Palencia-Olivar, Cognitive Works & Université Lyon 2 (webmaster)
Paul Poncet, ENGIE (secrétaire)
Les autres membres du Bureau :
- Marianne Clausel, Université de Lorraine
- Boris Hejblum, Université de Bordeaux
- Christine Keribin, Université Paris-Saclay
- Myriam Maumy, Université de Technologie de Troyes
- Chafik Samir, Université Clermont-Auvergne
- Myriam Tami, Centrale Supélec
Invités du Bureau élargi :
- Frédéric Bertrand, Université de Technologie de Troyes
- Pascal Germain, Université de Laval
Événements à venir
Workshop sur les fondements mathématiques de l'IA, co-organisé avec l'Institut DATAIA et le SCAI.
Événements passés
05/07/2023: Journées de la Statistique 2023 - session spéciale MALIA.
14/02/2023: Café de la Statistique co-organisé avec le groupe Statistique et Enjeux Publics : Éthique et intelligence artificielle : de quoi parle-t-on ?
07/06/2022: Événement co-organisé ENBIS/MALIA pour les JdS 2022: lien d'inscription
16/09/2021: Organisation du workshop sur le Federated Learning FL workshop (intervention en anglais), en collaboration avec Accenture Lab, SCAI, Owkin.
11/06/2021: Formation DataViz avec python, présentation et contenu. (intervention en français)
15/03/2021: Organisation de la session commune SSFAM/MALIA à CAP21: https://cap2021.sciencesconf.org/program
23/03/2021: Colloque sur la cryptographie appliquée à l'apprentissage statistique Federated Learning Spring school (intervention en anglais).
24/11/2020: Organisation de la winter school sur le Federated Learning Federated Learning Winter school (intervention en anglais).
02/04/2020: Organisation de l'atelier: Avancées récentes en Machine Learning numérique et statistique.
29/05/2020: Formation python pour les utilisateurs R: inscription ici.
Bureau
Stéphane Chrétien, Université Lyon 2 (président)
Franck Iutzeler, Université Grenoble-Alpes (trésorier)
Miguel Palencia-Olivar, Cognitive Works & Université Lyon 2 (webmaster)
Paul Poncet, ENGIE (secrétaire)
Les autres membres du Bureau :
- Marianne Clausel, Université de Lorraine
- Boris Hejblum, Université de Bordeaux
- Christine Keribin, Université Paris-Saclay
- Myriam Maumy, Université de Technologie de Troyes
- Chafik Samir, Université Clermont-Auvergne
- Myriam Tami, Centrale Supélec
Invités du Bureau élargi :
- Frédéric Bertrand, Université de Technologie de Troyes
- Pascal Germain, Université de Laval
