Reda a proposé de lancer des discussions scientifiques sur ce sujet et nous avons convergé vers une première réunion ce vendredi 16 novembre après midi de13h30 à 15h30 en A221.

 

Les personnes intéressées par ces sujets scientifiques peuvent donc nous rejoindre pour lancer les premières discussions. Ceci est indépendant de l’organisation du laboratoire, priorité à la science!

Les thèmes sont potentiellement nombreux, quelques pistes peuvent déjà être ciblées sur les incertitudes et le deep learning pour commencer :

  • comment introduire des mesures d’incertitudes dans le deep learning ?

  • comment expliquer les décisions données par un modèle deep learning ?

      • Par réduction d’un réseau de neurone à un ensemble de règles ?

      • Par inversion de la fonction réseau ?

      • Peut-on introduire une mesure d’incertitude sur les explications ?

  • comment associer les méthodes de data mining et deep learning ?

  • comment introduire des connaissances a priori dans le deep learning et plus généralement comment inverser un modèle physique/industriel/social, etc. par un réseau ? Comment gérer l’incertitude sur les connaissances dans l’apprentissage/la prédiction ?

  • lorsque l’on transfère un modèle d’un domaine à l’autre, peut-on quantifier le biais introduit par le domaine initial ?

  • et tant d’autres, toute suggestion est bienvenue pour alimenter les discussions.

Peu de ces questions ont déjà trouvé réponse, quelques travaux sont déjà lancés. Reda a récolté une belle biblio, une synthèse peut être également faite.

Bref, quelques sujets scientifiques à discuter ensemble dans une première réunion, d’autres suivront, Le Machine Learning et incertitudes peuvent jouer ensemble mais pas seuls ! Les problématiques fusion, data, calcul, transport,  mesure de performance etc. sont indispensables !

Alex