Retour à la programmation
Lundi 4 avril
14:40 à 16:00
Activité
  • Mode en-personne
  • Langue

Relève en intelligence et données - Axe méthodes d'IA et traitement de données

14h40 - Présentation de Mathieu Pagé Fortin (en français)

Comment éviter de réentraîner des modèles d’apprentissage profonds en leur apprenant de nouvelles classes?

Puisque le monde est dynamique, on voudrait pouvoir incrémenter les modèles d’apprentissage profonds existants en leur apprenant de nouvelles classes sans devoir réentraîner un nouveau modèle à chaque fois. Cependant, ceci reste un défi en pratique car ces modèles ont tendance à effacer leurs connaissances des anciennes classes pour apprendre les nouvelles, un phénomène appelé l’oubli catastrophique. Dans cette présentation, nous introduirons ce phénomène dans un contexte de segmentation sémantique, et nous proposerons deux mécanismes qui contribuent à réduire l’oubli catastrophique.

15h - Présentation de Vincent Primpied (en français)

Évaluation de l’applicabilité des modèles de traitement de la langue naturelle au français, de la conception à l’interprétation

Dans leur langue naturelle, l’évaluation de la complexité est intuitive pour les lecteurs humains ; en jetant un coup d’œil à un nouveau document, un lecteur peut presque immédiatement pressentir si le texte est facile ou difficile à lire pour lui. Cependant, cette tâche est très complexe pour un système de compréhension de texte. Cette présentation couvrira la conception, l’entrainement et l’interprétation de plusieurs algorithmes d’évaluation généralisé de la complexité des textes en français.

15h20 - Présentation de Mathieu Godbout (en français)

ACReL : un nouvel algorithme permettant de déployer des politiques d’apprentissage par renforcement lorsque la sécurité est un enjeu

Sous leur formulation classique sans égard au risque, les algorithmes d'apprentissage par renforcement (RL) peuvent difficilement être employés dans des domaines où la sécurité est un enjeu important. Je présenterai ACReL, un nouvel algorithme basé sur un jeu antagoniste pour apprendre des politiques de RL sensibles au risque. En pratique, ACReL présente un potentiel intéressant pour le déploiement de politiques de RL dans des domaines où la sécurité est un enjeu important.

15h40 - Présentation de Benjamin Leblanc (en français)

Un algorithme d'apprentissage pour l'étude d'agrégations de réseaux de neurones à activations binaires

Nous étudions les réseaux de neurones à activation binaires, pour lesquels nous développons un algorithme d'apprentissage nommé ABNet. Ce dernier considère une distribution de probabilité sur les poids du réseau. En propageant une distribution de probabilité sur la représentation d'une couche, on contourne le problème de non-différenciabilité de l'activation binaire. ABNet est également bien adapté pour une analyse basée sur la théorie d'apprentissage statistique PAC-Bayésienne, un champ de recherche actif pour analyser les capacités de généralisation des réseaux de neurones profonds.

Mathieu Pagé Fortin | Étudiant au doctorat en informatique | Université Laval

Passionné de biologie, Mathieu Pagé Fortin a fait un baccalauréat en bio-informatique avant de se tourner vers la vision artificielle en 2017. Il est maintenant étudiant au doctorat en informatique dans le laboratoire Data Analytics, Mobile and Autonomous Systems (DAMAS) de l'université Laval, et ses intérêts de recherche portent notamment sur l'apprentissage multimodal, le few-shot learning, et le continual learning. Pour le futur, il a à cœur de mettre l'intelligence artificielle au service de l'agriculture.

Vincent Primpied | Étudiant au baccalauréat en génie logiciel | Université Laval

Passionné par l’algorithmie, mon parcours académique est axé autour des thématiques de l'apprentissage automatique et plus généralement de l'intelligence artificielle. Encore étudiant au Bac. en génie logiciel, je parcours les différents domaines de recherches autour de ces thématiques. Ce voyage me permettra de concrétiser mon but d’effectuer une maitrise ainsi qu’un doctorat en informatique. Très accessible, j’adore confronter mon point de vue et le faire évoluer au fil des rencontres, donc n’hésitez pas à venir me parler !

Mathieu Godbout | Étudiant à la maîtrise | Université Laval

Photo Benjamin Leblanc
Benjamin Leblanc | Étudiant au doctorat en informatique | Université Laval

Benjamin Leblanc a effectué un baccalauréat en actuariat avant de se réorienter vers l'informatique. En effet, il est maintenant candidat doctorat en informatique à l'Université Laval, où son champ de recherche principal est l'explicabilité des réseaux de neurones profonds. Il se concentre également sur la quantification de la capacité de généralisation de ces derniers.

Logo de Co-Operators Logo de Rendez-vous IA Québec Logo de Videns Analytics