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

Frédéric Piedboeuf

RALI, DIRO

Le 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.


Pour recevoir les annonces hebdomadaires par courriel, visitez http://rali.iro.umontreal.ca/rali/?q=fr/node/1631

Liste des autres séminaires