Institut de Mathématiques de Toulouse

Accueil > Événements Scientifiques > Séminaires & Groupes de Travail > Groupes de Travail > GdT Mathématiques de l’apprentissage

Mathématiques de l’apprentissage

par Aurélien Garivier, Sébastien Gerchinovitz - publié le , mis à jour le

Ce groupe de travail hebdomadaire est dédié à l’étude mathématique des problèmes et des algorithmes de machine learning. Bien que rattaché à l’équipe-projet AOC qui réunit des membres de l’IMT et de l’IRIT, il est ouvert à toutes les personnes se sentant concernées par cette thématique sur le site toulousain, afin d’échanger des idées et de susciter des collaborations. Nous alternons entre exposés formels, séances de lecture, debriefings post-conférences, ou simples discussions.

* lieu : 1R3 - salle MIP si possible, sinon à voir selon disponibilités.
* fréquence : toutes les semaines le jeudi 12h30-13h30.




  • Jeudi 23 novembre 12:30-13:30 - François Malgouyres

    Optimisation et apprentissage profond

    Lieu : Salle 129, batiment 1R2, UPS.


  • Jeudi 30 novembre 12:30-13:30 - Loubes

    Groupe de travail fair learning

    Résumé : Première séance.

    Lieu : Salle MIP, batiment 1R3, UPS.


  • Vendredi 1er décembre 12:30-13:30 - Alexandra Suvorikova - Weierstrass Institute of Applied Analysis and Stochastic (WIAS), Berlin.

    Mathématiques de l’apprentissage

    Résumé : In this work, we consider a probabilistic setting where the probability measures are considered to be random objects. We propose a procedure of construction non-asymptotic confidence sets for empirical barycenters in 2-Wasserstein space and develop the idea further to construction of a non-parametric two-sample test that is then applied to the detection of structural breaks in data with complex geometry. Both procedures mainly rely on the idea of multiplier bootstrap (Spokoiny and Zhilova (2015), Chernozhukov et al. (2014)).
    Alexandra Suvorikova graduated from Moscow Institute of Physics and Technology (MIPT) and then received my PhD in Humboldt University of Berlin in 2017. She is now a postdoc in Weierstrass Institute of Applied Analysis and Stochastic (WIAS), Berlin.

    Lieu : Salle MIP, batiment 1R3, UPS.


  • Jeudi 7 décembre 12:30-13:30 - Gilles Richard

    Generative adversarial networks

    Résumé : The aim of the talk is to give an overview of what I have understood of the story so far.
    I suggest to divide the talk in 3 parts.

    • The first part could be dedicated to the main issue a GAN is supposed to solve. It is more of a computing story.
    • The second part will focus on some theoretical explanations of what a GAN is supposed to do. It is more of a probability story.
    • Finally, the third part will overview some perspectives which are supposed to bring GAN to the pinacle of machine learning. It is more of a dream story.

    In any case, no prerequisite but please bring your legendary kindness !

    Lieu : Salle MIP, batiment 1R3, UPS.


  • Jeudi 14 décembre 12:30-13:30 - Edouard Pauwels

    Apprentissage profond et approximation

    Lieu : Salle MIP, batiment 1R3, UPS.


  • Jeudi 21 décembre 12:30-13:30 - Jean-Michel Loubes

    Mathématiques de l’apprentissage

    Résumé : Seconde séance

    Lieu : Salle MIP, batiment 1R3, UPS.


iCal