Séminaires RALI-OLST

Sur la génération d'exemples pour réduire le coût d'annotation

Frédéric Piedboeuf

RALI, DIRO

Le mercredi 20 mars 2024 à 11 h 30

Salle 3195, Pavillon André-Aisenstadt — Diffusion simultanée sur Zoom (soutenance de thèse)


L’apprentissage machine moderne s’appuie souvent sur l’utilisation de jeux de données massifs, mais il existe de nombreux contextes où l’acquisition et la manipulation de grandes données n’est pas possible, et le développement de techniques d’apprentissage avec de petites données est donc essentiel. Dans cette thèse, nous étudions comment diminuer le nombre de données nécessaires à travers deux paradigmes d’apprentissage : l’augmentation de données et l’apprentissage par requête synthétisée.



Joignez-vous à nous avec Zoom à l'aide de cette URL.
ID de réunion : 916 9097 5818, Code : 343273.
Numéros de téléphone : https://umontreal.zoom.us/u/abitNZzLg.
One tap mobile : +14388097799,,91690975818#,,,,,,0#,,343273#


Suivez ce lien pour vous inscrire à la liste de diffusion RALI-OLST.
http://rali.iro.umontreal.ca/rali/?q=fr/node/1631

Liste de tous les séminaires pour l'année :

1991 1992 1993 1994 1995 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024