Séminaire au DIC: «Généralisation à partir de peu d'exemples à l'aide du méta-apprentissage»
Site Web
200, rue Sherbrooke Ouest
Montréal, QC Canada
H2X 3P2
514 987-3000
Site Web | Itinéraire et carte
Département d'informatique
École des médias
Faculté de communication
Faculté des sciences
Faculté des sciences humaines
Institut des sciences cognitives
Université du Québec à Montréal (UQAM)
Consulté 6 fois
Voici l’annonce du 8e séminaire au DIC pour la session AUTOMNE 2017
Titre : Généralisation à partir de peu d'exemples à l'aide du méta-apprentissage
Hugo LAROCHELLE
Jeudi le 23 novembre 2017
10h30
Local SH-2620
Résumé
La majorité des progrès récents sur de nombreuses tâches d'IA ont été rendus possible grâce à la disponibilité de grandes quantités de données étiquetées. Pourtant, les humains sont capables d'apprendre des concepts à partir d'une poignée d'exemples. Le méta-apprentissage est un cadre très prometteur pour aborder ce problème de la généralisation à partir de petites quantités de données ('few-shot learning'). Dans ce cadre, le modèle à entraîner est lui-même un algorithme d'apprentissage: il prend en entrée un ensemble d'entraînement et retourne en sortie un classificateur. Pour la généralisation à partir de peu d'exemples, le modèle est (méta-)entraîné directement à produire des classificateurs ayant une bonne performance de généralisation pour des problèmes ayant très peu de données étiquetées. Dans cette présentation, je vais passer en revue la recherche récente ayant permis des progrès excitants sur ce sujet.
Biographie
Hugo Larochelle est chercheur et responsable de l'équipe Google Brain à Montréal, ainsi que Professeur Associé aux Universités de Montréal et de Sherbrooke. Précédemment, il a co-fondé la compagnie Whetlab, acquise en 2015 par Twitter, où Hugo a par la suite été chercheur dans le groupe Twitter Cortex. De 2009 à 2011, il a été chercheur postdoctoral dans le groupe d'apprentissage automatique de l'Université de Toronto, sous la direction du Professeur Geoffrey Hinton. Il a obtenu son doctorat à l'Université de Montréal, sous la direction du Professeur Yoshua Bengio. Il a reçu deux Google Faculty Awards, est éditeur associé pour la revue scientifique IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), est membre du comité éditorial du Journal of Artificial Intelligence Research (JAIR), et organisateur de la International Conference on Learning Representations (ICLR) de 2015, 2016 et 2017. Finalement, Hugo a publié gratuitement, sur YouTube, plusieurs cours sur l'intelligence artificielle et l'apprentissage automatique, incluant un cours populaire sur l'apprentissage profond (deep learning) et les réseaux de neurones.