Deep Learning

Rendez-vous autour du Deep Learning, le 21 janvier 2016

Le Deep Learning, ou Apprentissage profond, est un ensemble de méthodes d’apprentissage supervisé, basées sur des réseaux de neurones artificiels, avec de nombreuses couches. Les couches inférieures cherchent d’abord à catégoriser les éléments les plus simples avant de s’attaquer à des caractéristiques plus complexes. Ce domaine connaît un intérêt grandissant actuellement, et de nombreuses applications de tous les jours utilisent celles-ci. De profils différents, les orateurs nous feront partager leur vision du Deep Learning, par la présentation de méthodes, d’applications et d’expériences mises en œuvre sur différents logiciels.

Inscription ICI Programme

  • Michèle Sebag, LRI (présentation)
    • Panorama sur le Deep Learning
  • Charles Ollion, Heuritech (présentation)
    • Titre: Apprentissage de représentations multimodales (image et texte) pour la classification de produits e-commerce
    • Résumé: Les marchands proposent des milliers de produits sur une place de marché e-commerce telle qu’Amazon ou cdiscount. Les classer correctement est une problématique très importante pour qu’ils aient la meilleure visibilité sur les sites. Nous mettons en place une procédure permettant de classer automatiquement ces produits en utilisant à la fois les images associées au produit et sa description textuelle. L’utilisation du deep learning (réseau de convolution et modèle de langage) permet d’avoir un cadre unifié et d’obtenir des solutions beaucoup plus robustes.
  • Heloise Nonne, Quantmetry (présentation)

    • Titre: Utilisation de réseaux de neurones sur un cas concret de maintenance prédictive
    • Résumé: Nous menons actuellement un projet d’expérimentation sur la maintenance prédictive de matériel roulant dans le domaine du ferroviaire. Plusieurs phases de preuve de concept afin d’identifier les données utiles ont été menées. Nous présenterons une étude prospective avec plusieurs approches utilisant des réseaux de neurones pour détecter les défaillances du matériel : méthodologie, résultats préliminaires et perspectives
  • Michael Eickenberg, INRIA

    • Title: Deep learning in Python
    • Abstract: We will walk through some very simple examples of neural networks in the Python Theano framework. Theano is the most widely used Python package for neural networks, with several higher-level packages building on it. Theano consists of a symbolic mathematical expression engine coupled with an optimizing compiler. This permits users to write the mathematical expressions of a desired neural network and e.g. obtain the gradients automatically. Theano generates and compiles C-code implementing these expressions very efficiently. Effectivement, Deep Learning & Python