Intelligence Artificielle & Apprentissage Automatique
La conférence ICLR est la conférence de référence sur le Deep Learning et les Réseaux de Neurones. La conférence a attiré environ 2000 participants mais l’inscription à la conférence a été rapidement fermée après son ouverture car la capacité maximale avait été atteinte. QARMA y était représenté avec un article co-écrit avec le laboratoire LIP6…
Continue ReadingUne démo par l’équipe du parcours IAAA. Cette démo illustre l’utilisation d’un réseau de neurones profond pour l’annotation automatique d’images. L’architecture utilisée ici est DenseNet121 qui a l’avantage d’avoir des performances proches de l’état de l’art tout en étant relativement légère en ressources de calcul. Le modèle a été entrainé sur le jeu de données…
Continue ReadingÀ l’occasion du 4e cycle de conférences de la licence MPCI, une journée spéciale est consacrée à l’intelligence artificielle et à l’apprentissage automatique, mardi 22 mai 2018 dans les locaux de l’ESPE sur la Canebière (inscription gratuite et obligatoire). Informations et inscriptions : https://conf-mpci-2018.lis-lab.fr/
Continue ReadingLa Provence met à l’honneur l’intelligence artificielle à l’occasion de la mission dédiée lancée par Aix-Marseille Université. Lire l’article : https://www.laprovence.com/article/economie/4953540/intelligence-artificielle-dresser-letat-des-lieux.html
Continue ReadingUne démo par l’équipe du parcours IAAA. Les embeddings de mots sont des représentations réelles et vectorielles (en faible dimension) de mots d’une langue. Ces représentations sont apprises de façon non supervisée avec diverses méthodes généralement basées sur des réseaux de neurones. En utilisant un espace de représentation de dimension 2 on peut visualiser les…
Continue ReadingCette démo (réalisée par l’équipe de développement de Tensorflow) est disponible sur le site de Tensorflow une des plateformes les plus populaires pour programmer des modèles neuronaux et les apprendre en utilisant les capacités des GPUs.
Continue ReadingUne démo par l’équipe du parcours IAAA. Il est possible à l’aide de techniques d’apprentissage statistique d’apprendre des modèles comme celui utilisé ci-dessous pour générer des séquences « aléatoirement ». Il s’agit d’un générateur construit à l’aide d’un réseau de neurones récurrent (RNN). Il est utilisé ici pour générer des phrases aléatoirement mais pas totalement au hasard,…
Continue ReadingUne démo par l’équipe du parcours IAAA. Les CRFs (Conditional Random Fields) sont des modèles statistiques permettant de traiter des données structurées et en particulier des séquences. Cette démonstration montre comme utiliser un modèle de ce type pour réaliser l’étiquetage dit POS (Part Of Speech) d’une phrase. Le ‘étiquetage en POS (ou POS tagging) consiste…
Continue Reading