Date : 2022-01-25
Lieu : Blois, France
DESCRIPTIF
L’apprentissage profond (deep learning) révolutionne depuis plusieurs années l’apprentissage automatique. Alors que les premiers résultats marquants ont été obtenus principalement en analyse d’images, les travaux actuels en apprentissage profond s’intéressent à présent à tous les types de données (images, vidéos, son, séries temporelles, textes, etc.). De plus, l’utilisation des réseaux profonds s’est également étendue à presque tous les types de traitements (classification, clustering, génération, augmentation de données, détection d’anomalies, prédiction, segmentation, etc.). Ainsi, l’impact de l’apprentissage profond dans le domaine de la science des données et l’extraction de connaissances est considérable.
Suite au succès des éditions précédentes de l’atelier APTA, nous souhaitons à nouveau proposer, dans le cadre de la conférence EGC, un espace d’échanges autour de ce domaine. Celui-ci permettra d’aborder les défis théoriques et les possibilités applicatives qu’il offre à notre discipline de l’extraction et de la gestion des connaissances. Dans le cadre de cet atelier, nous souhaitons nous focaliser sur les applications de l’apprentissage profond dans différents domaines (analyse ou génération d’images, classification de données temporelles, extraction d’informations à partir de données hétérogènes, etc.) mais également permettre la présentation de travaux plus théoriques (nouvelles architectures, nouvelles fonctions de coût, interprétabilité des modèles, etc).
THÈMES DE L’ATELIER (LISTE NON EXHAUSTIVE)
- Applications de l’apprentissage profond
- Extraction d’informations à partir d’images, de vidéos, de sons
- Analyse de séquences temporelles
- Text-mining
- Analyse du langage naturel, de la parole
- Données géographiques
- Données financières
- Données de mouvements humains
- Données médicales, biologiques, bio-informatiques
- Recommandation et publicité ciblée
- Jeu et résolution de problèmes
- Nouvelles approches pour l’apprentissage profond
- Réseaux récurrents
- Réseaux siamois
- Apprentissage par renforcement
- Réseaux antagonistes génératifs (GAN)
- Convolutions et graphes
- Apprentissage auto-supervisé (self-supervised learning)
- Apprentissage profond collaboratif
- Modèles prédictifs
DATES IMPORTANTES
INSTRUCTIONS AUX AUTEURS
Les auteurs sont invités à soumettre électroniquement leur proposition en utilisant la plateforme de l’atelier :https://apta2022.sciencesconf.org/submission/submit
La taille des soumissions sera de 10 pages au maximum. Elle pourra être beaucoup plus courte, en particulier pour les articles présentant un travail qui débute ou la présentation de projet de recherche. Le format LaTex à utiliser est celui de la revue « Revue des Nouvelles Technologie de l’Information » (RNTI) disponible à l’adresse suivante : http://www.editions-rnti.fr/files/RNTI-X-Y2.1.zip
ORGANISATEURS
- Maxime Devanne, MCF, Université de Haute-Alsace, IRIMAS
- Camille Kurtz, MCF, Université de Paris, LIPADE
Notre site web : www.madics.fr
Suivez-nous sur Tweeter : @GDR_MADICS
Pour vous désabonner de la liste, suivre ce lien.