Atelier Interdisciplinaire Machine Learning ( ou apprentissage automatique)
Acronyme : AI
Animatrice Anne Johannet
Depuis quelques années dans le domaine de l’environnement et de la santé il y a une explosion des capacités de mesure : les capteurs deviennent de moins en moins chers et de plus en plus nombreux à être utilisés pour mesurer des grandeurs distribuées, variant dans le temps, non stationnaires, issues de processus complexes (non linéaires, hétérogènes, anisotropes). Les difficultés d’observation se cumulent et donnent lieu à des déploiements massifs de capteurs connectés ou non.
Or, analyser de grandes quantités d’information grâce à des capteurs distribués et/ou connectés, ne se fait pas « à l’œil », mais avec des algorithmes d’apprentissage automatique. C’est ce que l’on appelle le machine Learning et cela comprend entre autres : les réseaux de neurones, les algorithmes génétiques, la logique floue, et autres …
Questions de recherche identifiées :
- Quelle méthode choisir pour quel problème, … quand ne pas utiliser ces méthodes ?
- Quelle quantité minimale de données, quel « bruit » tolérable ?
- Quelles interactions avec les modèles physiques et conceptuels, quelles plus-values et quelles limitations ?
Le dernier point permet une interaction forte avec l’Atelier de Modélisation Interdisciplinaire – Informatique Scientifique
Des collaborations internationales seront recherchées via des thèses en cotutelle ou des programmes internationaux.
L’animation de l’atelier sera faite par des réunions périodiques (tous les 2 mois) et des séminaires ouverts à l’Unité.
Mots clés : machine learning, apprentissage statistique, apprentissage automatique, réseaux de neurones, apprentissage profond, modélisation, hydrosystèmes
