Les groupes DAAO et POC ont le plaisir de vous annoncer le séminaire intitulé "Integer Optimization for Machine Learning" qui aura lieu le 7 avril au CNAM (2 rue Conté, Paris).
Voici le programme :
Farnaz Farzadnia (Copenhagen business school): “Cluster Analysis of Bicycle Lane Safety: An Explainable Approach”.
Margot Boyer (CEDRIC laboratory, CNAM): Fast SDP certification of neural networks : towards large multiclass datasets
Mohamed Siala (LAAS laboratory) : Trustworthy Machine Learning via Combinatorial Optimization and Automated Reasoning.
Diego Delle Donne (ESSEC business school): Optimization models and algorithms for hyper-rectangular clustering problems
Thomas Halskov (Copenhagen business school): Collective LIME: A Global View of Local Surrogate Models
Ilaria Ciocci (Sapienza University of Rome): Margin Optimal Trees for Nonlinear Regression
Les inscriptions sont gratuites mais obligatoires via ce lien.
Vous pourrez trouver le planning détaillé et d'autres informations complémentaires sur la page dédiée.
Le groupe de travail “Données, Apprentissage Automatique et Optimisation” se positionne à l’interface entre machine learning et recherche opérationnelle. Ses membres développent des méthodes d’aide à la décision enrichies par des données massives, permettant de mieux gérer l’incertitude, le caractère dynamique ou la grande dimension des problèmes rencontrés. Les outils mobilisés incluent notamment l’optimisation discrète et l'optimisation convexe, l’apprentissage structuré ou par renforcement, la programmation différentiable. Un accent particulier est mis sur le développement de librairies logicielles open-source pour le calcul scientifique.