Florent Avellaneda : Optimisation combinatoire pour l’apprentissage automatique
Le lien vers l’enregistrement se trouve ici (durée : 53 minutes)
Heure et date : le 9 novembre 2022 à 12h30
Lieu : PK-5115 et Zoom
Conférencier : Florent Avellaneda
Titre : Optimisation combinatoire pour l’apprentissage automatique
Résumé :
L’apprentissage machine (ML), qui consiste à inférer des modèles à partir d’observations, a permis des avancées importantes dans de nombreux domaines. Autrefois limités par des puissances de calcul restreintes et plus récemment par la nécessité de traiter de grandes quantités de données, les algorithmes classiques d’apprentissage automatique sont conçus pour travailler rapidement, privilégiant ainsi la vitesse de calcul à la qualité et à l’explicabilité des modèles inférés. Bien que les pertes potentielles de qualité soient généralement compensées par l’augmentation de la quantité de données, il existe de nombreuses situations où il est impossible ou trop coûteux d’obtenir davantage de données (par exemple, dans les études cliniques, la collecte de données est associée à des contraintes humaines et financières qui limitent souvent le nombre de participants de quelques dizaines à quelques centaines).
Pour relever ce défi de l’apprentissage automatique à partir de peu de données, une approche prometteuse consiste à inférer des modèles « optimaux ». En définissant une métrique de qualité, puis en inférant le modèle optimal au vu de cette métrique, cette méthode d’inférence s’avère plus coûteuse algorithmiquement que les approches classiques, mais nécessite moins de données pour inférer des modèles de bonne qualité.
Dans cet exposé, je présenterai des méthodes efficaces basées sur l’utilisation des solveurs SAT et MaxSAT pour inférer des automates, des arbres de décision et des factorisations de matrices booléennes.
Biographie :
Florent Avellaneda est professeur à l’Université du Québec à Montréal (UQAM), membre régulier du Centre de Recherche en Intelligence Artificielle (CRIA), membre associé du Laboratoire de Recherche sur les Technologies Émergentes de l’Internet (LATECE) et chercheur en émergence au Centre de Recherche de l’Institut Universitaire de Gériatrie de Montréal (CRIUGM).
Titulaire d’un doctorat en informatique fondamentale de l’université d’Aix-Marseille (France) dans le domaine des méthodes formelles, ses recherches actuelles portent sur la conception de nouveaux algorithmes et modèles d’apprentissage automatique fonctionnant avec de petits jeux de données.
