Retour à la programmation
Lundi 4 avril
10:45 à 11:15
Conférence Rendez-vous IA Québec (RVIAQ)
  • Mode en-personne
  • Langue française
  • Lieu Salle Coveo

L’adaptation de domaine en apprentissage automatique : dialogue entre la théorie et la pratique

Les algorithmes d’apprentissage automatique classiques reposent sur des bases théoriques solides. Sous l’hypothèse conventionnelle que les données d’apprentissage proviennent de la même «distribution génératrice» que les données à prédire, on parvient à énoncer des garanties statistiques sur l’acuité de la prédiction de ces algorithmes. Cependant, le déploiement de l’IA dans le monde réel met à mal cette hypothèse fondamentale, car le monde et les temps changent! Nous, enthousiastes de l’IA, sommes alors tiraillés entre le désir de déployer des algorithmes, qui accomplissent malgré tout des exploits, et la crainte de le faire en l’absence de garanties rigoureuses qu’ils sont sécuritaires.


Le cadre théorique de «l’adaptation de domaine» permet de réfléchir à ce problème. Ce dernier a inspiré d’élégantes solutions (quoiqu’à ce jour partielles), comme l’apprentissage de représentations antagonistes pour les réseaux de neurones artificiels (connu sous le terme anglais : domain adversarial neural networks). Il s’agit d’un domaine de recherche très actif où les observations empiriques nourrissent l’analyse formelle et inversement.


La conférence de Pascal Germain est présentée en français

Photo Pascal Germain
Pascal Germain | Professeur adjoint | Université Laval

Pascal Germain est professeur adjoint au département d’informatique et de génie logiciel de l’Université Laval depuis 2019. Chercheur en apprentissage automatique, il est titulaire d’une chaire en IA Canada-CIFAR et est membre académique associé du Mila. Il exerçait précédemment ses fonctions à Inria, l’institut national de recherche dédié aux sciences du numérique, en France. Ses domaines de recherche comprennent les algorithmes d’apprentissage de représentation, l’adaptation de domaine et la théorie statistique de l’apprentissage automatique. Il est notamment un expert mondial de la théorie PAC-bayésienne, qui permet d’obtenir des garanties de généralisations statistiquement rigoureuses sur l’acuité des prédicteurs appris à partir des données.

Logo de Coveo Logo de Rendez-vous IA Québec