Logistique de l'école

• Thierry OLLIVIER (IPNL)

Room: Salle des conseils

Présentation de l'école

• Françoise Bouvet (IJCLab)

Room: Salle des conseils

Une brève histoire de l'IA

• Marc Duranton (CEA)

Room: Salle des conseils

Vérification des environnements et introduction à Jupyter

• Alexandre Boucaud (APC / IN2P3)

Room: Salle des conseils Dans cette première courte session nous vérifierons que les environnements de chacun sont bien installés et nous procèderons à une courte introduction à Jupyter Lab et aux notebooks.

TP Python -étude et visualisation d'un jeu de données

• Alexandre Boucaud (APC / IN2P3)

Room: Salle des conseils Dans ce premier TP nous allons nous familiariser avec un jeu de données de recensement en utilisant les différentes librairies scientifiques de Python (chargement des données, classement, visualisation, mini-étude). Ces données seront utilisées les deux jours suivants pour aborder le machine learning avec scikit-learn puis les réseaux de neurones.

Introduction à scikit-learn pour l'apprentissage supervisé

• Loïc Estève (INRIA)

Room: Salle des conseils Introduction à scikit-learn, la librairie de machine learning en Python

TP scikit-learn : classification des données numériques

• Loïc Estève (INRIA)
• Jérémie du Boisberranger (INRIA/Fondation scikit-learn)
• Alexandre Boucaud (APC / IN2P3)

Room: Salle des conseils

TP scikit-learn : classifications des données en catégories

• Jérémie du Boisberranger (INRIA/Fondation scikit-learn)
• Alexandre Boucaud (APC / IN2P3)

Room: Salle des conseils TP/cours guidé

Introduction à l'apprentissage non supervisé

• Alexandre Boucaud (APC / IN2P3)

Room: Salle des conseils Cours

TP scikit-learn : validation croisée (partie 1)

• Jérémie du Boisberranger (INRIA/Fondation scikit-learn)
• Alexandre Boucaud (APC / IN2P3)
• Loïc Estève (Inria)

Room: Salle des conseils TP/cours sur la validation croisée et la recherche d'hyperparamètres pour les modèles

TP scikit-learn : validation croisée (partie 2)

• Alexandre Boucaud (APC / IN2P3)
• Jérémie du Boisberranger (INRIA/Fondation scikit-learn)
• Loïc Estève (Inria)

Room: Salle des conseils TP/cours sur la validation croisée et la recherche d'hyperparamètres pour les modèles

Réponse aux questions du jour Room: Salle des conseils

Réseaux de neurones

• Françoise Bouvet (IJCLab)

Room: Salle des conseils

TP Mise en pratique Room: Salle des conseils

Réseaux de convolution et LSTM

• Françoise Bouvet (IJCLab)

Room: Salle des conseils

TP Mise en pratique Room: Salle des conseils

Réponse aux questions du jour Room: Salle des conseils

Explicabilité en ML

• Nicolas Meric (CEO Dreamquark)

Room: Salle des conseils En 2014, après une thèse en physique des particules, Nicolas Meric s'est lancé dans l'entreprenariat en fondant la start-up DreamQuark. Cette société propose aux entreprises du secteur financier et des assurances des services de décision basés sur des modèles de deep learning. La particularité de DreamQuark se base sur une approche du machine learning la plus transparente possible en développant des outils permettant d'expliquer les décisions prises, ce qui en accroit la confiance auprès de ses clients. Nicolas nous proposera un état des lieux des techniques utilisées et une mise en perspective par rapports aux enjeux du deep learning.

Robustesse des algorithmes

• Jean-Marc Martinez (CEA - DES)

Room: Salle des conseils Des travaux récents ont montré que malgré l’utilisation de méthodes « classiques » de validation et de régularisation, les réseaux de neurones peuvent être vulnérables face à d’éventuelles attaques adverses. L’exemple de vulnérabilité est celui d’une modification légère d’une image sur quelques pixels qui peut suffire à tromper le réseau de neurones [Szegedy,2016]. Le cours introduira la formalisation de la vulnérabilité de l’apprentissage machine, des illustrations en reconnaissance de formes et quelques solutions envisagées pour rendre l’apprentissage plus robuste.

Applications IRFU

• Valérie Gautard (CEA - IRFU)

Room: Salle des conseils Les algorithmes d’IA sont des outils particulièrement performants dans certains domaines (véhicules autonomes, robotique, reconnaissance d’images, aide à la prise de décisions, etc.), mais leurs utilisations en physique fondamentale demandent une connaissance approfondie des phénomènes étudiés tant pour la performance de ces outils que pour la validation des résultats. A l’Irfu, (Institut de Recherche sur les lois Fondamentales de l’Univers au CEA Paris-Saclay) et à l’IN2P3, nous utilisons depuis longtemps ces méthodes. Dans cette présentation, plusieurs exemples seront abordés, allant de l’analyse de galaxies en astrophysique, en passant par les analyses de physique au sein des détecteurs au CERN à Genève, sans oublier la physique nucléaire où les algorithmes génétiques permettent l’étude des quarks. Selon les problématiques étudiées, différentes méthodes peuvent être utilisées : méthodes de réseaux de neurones profonds génératifs, etc.

Applications IN2P3

• Julien Donini (UBP/LPC/IN2P3)

Room: Salle des conseils Les algorithmes d’IA sont des outils particulièrement performants dans certains domaines (véhicules autonomes, robotique, reconnaissance d’images, aide à la prise de décisions, etc.), mais leurs utilisations en physique fondamentale demandent une connaissance approfondie des phénomènes étudiés tant pour la performance de ces outils que pour la validation des résultats. A l’Irfu, (Institut de Recherche sur les lois Fondamentales de l’Univers au CEA Paris-Saclay) et à l’IN2P3, nous utilisons depuis longtemps ces méthodes. Dans cette présentation, plusieurs exemples seront abordés, allant de l’analyse de galaxies en astrophysique, en passant par les analyses de physique au sein des détecteurs au CERN à Genève, sans oublier la physique nucléaire où les algorithmes génétiques permettent l’étude des quarks. Selon les problématiques étudiées, différentes méthodes peuvent être utilisées : méthodes de réseaux de neurones profonds génératifs, etc.

Bilan de l'école Room: Salle des conseils

Machine learning et éthique

• Gilles Dowek (INRIA - ENS Paris Saclay)

Room: Salle des conseils Quelques questions éthiques posées par le développement de l'Intelligence Artificielle Le développement de l’informatique en général et de l’intelligence artificielle en particulier pose des questions éthiques très différentes de celles posées, depuis Hippocrate, par le développement des sciences de la vie et de la médecine. Des valeurs traditionnelles, telles le respect de la vie privée, la transparence, l’intelligibilité... sont à repenser. La question de savoir si un être non humain, tel un algorithme ou un robot, peut avoir des valeurs émerge. Et le plus inattendu est que nous sommes menés à nous reposer une question que nous croyions résolue : en quoi les êtres humains sont-ils singuliers ?