{"id":70,"date":"2024-11-05T09:13:21","date_gmt":"2024-11-05T08:13:21","guid":{"rendered":"https:\/\/projets.litislab.fr\/llisa\/?page_id=70"},"modified":"2024-11-05T23:39:36","modified_gmt":"2024-11-05T22:39:36","slug":"t3-conception-mise-au-point-et-validation-de-methodes-dapprentissage-profond-faiblement-supervise","status":"publish","type":"page","link":"https:\/\/projets.litislab.fr\/llisa\/presentation\/feuille-de-route\/t3-conception-mise-au-point-et-validation-de-methodes-dapprentissage-profond-faiblement-supervise\/","title":{"rendered":"T3 – Conception, mise au point et validation de m\u00e9thodes d\u2019apprentissage profond faiblement supervis\u00e9"},"content":{"rendered":"\n

Objectif :<\/strong><\/p>\n\n\n\n

Proposer des r\u00e9ponses scientifiques \u00e0 des probl\u00e9matiques m\u00e9tier correspondant aux march\u00e9s cibl\u00e9s par Saagie.<\/p>\n\n\n\n

Concevoir, mettre au point et valider des mod\u00e8les d\u2019apprentissage profond faiblement supervis\u00e9 capables de r\u00e9pondre \u00e0 des cas d\u2019usage de clients de Saagie en s\u2019appuyant sur des jeux de donn\u00e9es r\u00e9elles ou repr\u00e9sentatives.<\/p>\n\n\n\n

Approche :<\/strong><\/p>\n\n\n\n

L\u2019angle d\u2019attaque choisi pour aborder la probl\u00e9matique de l\u2019apprentissage faiblement supervis\u00e9 repose sur l\u2019exploitation de l\u2019apprentissage multit\u00e2che car son formalisme offre un cadre g\u00e9n\u00e9ral \u00e9l\u00e9gant pour adjoindre au crit\u00e8re classique supervis\u00e9 des t\u00e2ches annexes potentiellement non supervis\u00e9es (App. auto supervis\u00e9 voir \u00a72.2 et nos travaux pr\u00e9c\u00e9dents[1]). \u00c9tude de l\u2019aspect multimodal des donn\u00e9es par une combinaison de fonctions de pertes d\u00e9di\u00e9es \u00e0 chaque cat\u00e9gorie de donn\u00e9es d\u2019entr\u00e9e.<\/p>\n\n\n\n

Analyse de data sets complexes, h\u00e9t\u00e9rog\u00e8nes et multi-domaines avec des recouvrements et des compl\u00e9mentarit\u00e9s entre domaines. Par exemple: pour un individu, on peut disposer ou pas de donn\u00e9es dans diff\u00e9rents domaines (images et\/ou texte et\/ou donn\u00e9es tabulaires) et on propose d’utiliser des fonctions de transfert pour reconstruire, pour un individu, les donn\u00e9es manquantes dans un domaine.<\/p>\n\n\n\n

Planification :<\/strong><\/p>\n\n\n\n

T3.1 : Travaux pr\u00e9liminaires et pr\u00e9paration des donn\u00e9es<\/strong><\/p>\n\n\n\n

\n

D\u00e9but :<\/strong><\/p>\n\n\n\n

01\/07\/2021<\/p>\n\n\n\n

<\/p>\n\n\n\n

Fin :<\/strong><\/p>\n\n\n\n

30\/06\/2022<\/p>\n<\/div>\n\n\n\n

Description :<\/strong><\/p>\n\n\n\n

\u00c9tude, impl\u00e9mentation et apprentissage de mod\u00e8les dynamiques pour appr\u00e9hender les signaux : mod\u00e8les r\u00e9currents ou r\u00e9seaux totalement convolutifs (cf. travaux r\u00e9cents sur structures purement convolutives.<\/p>\n\n\n\n

T3.2 : \u00c9tude de l\u2019aspect s\u00e9quentiel des donn\u00e9es<\/strong><\/p>\n\n\n\n

\n

D\u00e9but :<\/strong><\/p>\n\n\n\n

01\/07\/2021<\/p>\n\n\n\n

<\/p>\n\n\n\n

Fin :<\/strong><\/p>\n\n\n\n

30\/06\/2022<\/p>\n<\/div>\n\n\n\n

Description :<\/strong><\/p>\n\n\n\n

\u00c9tude, impl\u00e9mentation et apprentissage de mod\u00e8les dynamiques pour appr\u00e9hender les signaux : mod\u00e8les r\u00e9currents ou r\u00e9seaux totalement convolutifs (cf. travaux r\u00e9cents sur structures purement convolutives pouvant remplacer avantageusement les r\u00e9currences non parall\u00e9lisables).<\/p>\n\n\n\n

T3.3 : \u00c9tude de l\u2019aspect multimodal des donn\u00e9es<\/strong><\/p>\n\n\n\n

\n

D\u00e9but :<\/strong><\/p>\n\n\n\n

01\/01\/2022<\/p>\n\n\n\n

<\/p>\n\n\n\n

Fin :<\/strong><\/p>\n\n\n\n

31\/12\/2023<\/p>\n<\/div>\n\n\n\n

Description :<\/strong><\/p>\n\n\n\n

\u00c9tude, impl\u00e9mentation et apprentissage de mod\u00e8les de fusion de donn\u00e9es permettant de combiner dans un mod\u00e8le statistique des informations de natures vari\u00e9es (images, textes, donn\u00e9es discr\u00e8tes, etc.). Investigation des mod\u00e8les profonds convolutionnels qui semblent d\u00e9sormais capables d\u2019effectuer efficacement cette fusion d\u2019information[1] [2]. Des comparatifs avec des m\u00e9thodes d\u2019ensemble telles que les random forests pourront \u00e9galement \u00eatre consid\u00e9r\u00e9s.<\/p>\n\n\n\n

T3.4 : \u00c9tude de l\u2019aspect incomplet, incertain et imparfait des donn\u00e9es<\/strong><\/p>\n\n\n\n

\n

D\u00e9but :<\/strong><\/p>\n\n\n\n

01\/07\/2021<\/p>\n\n\n\n

<\/p>\n\n\n\n

Fin :<\/strong><\/p>\n\n\n\n

31\/12\/2024<\/p>\n<\/div>\n\n\n\n

Description :<\/strong><\/p>\n\n\n\n

\u00c9tude et prototypage des diff\u00e9rentes strat\u00e9gies d\u2019apprentissage profond faiblement supervis\u00e9 \u00e9voqu\u00e9es au \u00a72 dans un cadre g\u00e9n\u00e9ral multit\u00e2che. Application de m\u00e9thodes de r\u00e9gularisation et d’architectures optimis\u00e9es en vue d’am\u00e9liorer la robustesse.<\/p>\n\n\n\n

T3.5 : Apprentissage des mod\u00e8les complets et validation sur donn\u00e9es r\u00e9elles<\/strong><\/p>\n\n\n\n

\n

D\u00e9but :<\/strong><\/p>\n\n\n\n

01\/01\/2023<\/p>\n\n\n\n

<\/p>\n\n\n\n

Fin :<\/strong><\/p>\n\n\n\n

30\/06\/2025<\/p>\n<\/div>\n\n\n\n

Description :<\/strong><\/p>\n\n\n\n

Conception et apprentissage d\u2019un mod\u00e8le global permettant de traiter des donn\u00e9es multimodales et s\u00e9quentielles, dans un contexte d\u2019apprentissage profond faiblement supervis\u00e9. Pr\u00e9apprentissages probables sur des donn\u00e9es annexes sur certaines modalit\u00e9s, image notamment. Combinaison des travaux de T3 + utilisation de l\u2019ensemble des donn\u00e9es CHB pour la r\u00e9alisation de d\u00e9monstrateurs de faisabilit\u00e9.<\/p>\n\n\n\n

[1] Ngiam, J., Khosla, A., Kim, M., Nam, J., Lee, H., & Ng, A. Y. (2019). Multimodal deep learning.<\/p>\n\n\n\n

[2] Lin Ma, Zhengdong Lu, Lifeng Shang, Hang Li; in ICCV, 2015, pp. 2623-2631<\/p>\n","protected":false},"excerpt":{"rendered":"

Objectif : Proposer des r\u00e9ponses scientifiques \u00e0 des probl\u00e9matiques m\u00e9tier correspondant aux march\u00e9s cibl\u00e9s par Saagie. Concevoir, mettre au point et valider des mod\u00e8les d\u2019apprentissage profond faiblement supervis\u00e9 capables de r\u00e9pondre \u00e0 des cas d\u2019usage de clients de Saagie en … Continuer la lecture →<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"parent":55,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"onecolumn-page.php","meta":{"footnotes":""},"class_list":["post-70","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/projets.litislab.fr\/llisa\/wp-json\/wp\/v2\/pages\/70","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/projets.litislab.fr\/llisa\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/projets.litislab.fr\/llisa\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/projets.litislab.fr\/llisa\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/projets.litislab.fr\/llisa\/wp-json\/wp\/v2\/comments?post=70"}],"version-history":[{"count":1,"href":"https:\/\/projets.litislab.fr\/llisa\/wp-json\/wp\/v2\/pages\/70\/revisions"}],"predecessor-version":[{"id":71,"href":"https:\/\/projets.litislab.fr\/llisa\/wp-json\/wp\/v2\/pages\/70\/revisions\/71"}],"up":[{"embeddable":true,"href":"https:\/\/projets.litislab.fr\/llisa\/wp-json\/wp\/v2\/pages\/55"}],"wp:attachment":[{"href":"https:\/\/projets.litislab.fr\/llisa\/wp-json\/wp\/v2\/media?parent=70"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}