BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//LORIA - ECPv6.17.5//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-ORIGINAL-URL:https://www.loria.fr
X-WR-CALDESC:Évènements pour LORIA
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20200329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20201025T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20210328T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20211031T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20220327T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20221030T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20211122T103000
DTEND;TZID=Europe/Paris:20211122T120000
DTSTAMP:20211118T104900Z
CREATED:20211118T104900Z
LAST-MODIFIED:20211118T104900Z
UID:14220-1637577000-1637582400@www.loria.fr
SUMMARY:Soutenance de thèse : Ilias Benjelloun (Synalp)
DESCRIPTION:La soutenance d’Ilias Benjelloun (Synalp)\, intitulée « Impact du bruit d’annotation sur l’évaluation de classifieurs »\, se déroulera le Lundi 22 novembre 2021 à 10h30 en salle C005. La présentation sera faite en français. \nRésumé : \n\n\n\nLes récents progrès de l’intelligence artificiel ont permis de construire des systèmes autonomes dans presque tous les secteurs de la société humaine. Des voitures autonomes jusqu’à la police prédictive\, des domaines pouvant impliquer des conséquences critiques commencent à mettre en application cette technologie. Devant cette précipitation\, des questionnements éthiques et légaux apparaissent dans la communauté. Quelles sont les potentielles dérives d’une mauvaise conception d’une IA? Comment s’en protéger? En effet\, celle-ci apprend une tâche en regar- dant comment nous\, humains\, l’accomplissons. Cela signifie que les erreurs que nous commettons peuvent influencer leur apprentissage. Concrètement\, nous annotons manuellement des données\, exemplifiant la tâche que nous voulons que la machine apprenne\, et nous les lui présentons dans l’objectif qu’elle comprenne par elle-même la nature de cette tâche. Ces données contiennent cependant de potentielles erreurs commises lors de l’annotation : on parle de bruit d’annotation. Non seulement ces erreurs perturbent l’apprentissage de la machine\, mais la situation est en réa- lité plus grave. Ces données erronées sont également utilisées pour vérifier si l’apprentissage s’est bien déroulé : l’évaluation du système est ainsi biaisée\, et n’indique pas sa véritable performance. Dans cette thèse\, nous nous concentrons sur l’étude de l’évaluation de systèmes de classification sur un ensemble de test contenant du bruit d’annotation. Nous modélisons le problème d’un point de vue théorique\, et nous montrons en pratique l’impact négatif du bruit d’annotation lors d’une procédure de test\, et les compromis à accepter pour s’en défaire. \n\n\n\nAbstract \nThe recent progress of artificial intelligence allowed to build autonomous systems in al- most every sector of human society. From autonomous cars to predictive policing\, many critical domains are now welcoming machine learning technology. This has risen ethic and legal concern among the scientific community with respect to the danger of misconceptions in an AI. What are the risks? How can we reduce them? It is all the more concerning that recent examples of AI misuse can be found in the news\, such as an autonomous car from Uber company that killed a pedestrian\, or a face recognition systems published online by Google\, that made racist predictions. Indeed\, an AI cannot be perfect : it directly learns from us doing the task\, and that includes our mistakes\, which can impact its learning quality. Concretely\, we manually label data that show how the task must be performed\, and we give them to the machine for it to understand what is the nature of that task. These data contain however potential errors that we made during the labelling : this is named label noise. Label noise degrades the quality of the learning. The problem is even more serious when the testing data we use to make sure the machine learned correctly is also noisy. In that case\, the evaluation is biased\, and we do not see the true performance of the AI. This thesis focuses on studying the evaluation of classification systems on a test set containing label noise. We modelise the problem in a theoretical framework\, and we show in practice the negative impact of label noise during classifier testing\, together with the compromises we must make in order to dispose of it.
URL:https://www.loria.fr/event/soutenance-de-these-ilias-benjelloun-synalp/
LOCATION:C005
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20211122T140000
DTEND;TZID=Europe/Paris:20211122T160000
DTSTAMP:20211120T112941Z
CREATED:20211120T112615Z
LAST-MODIFIED:20211120T112941Z
UID:14232-1637589600-1637596800@www.loria.fr
SUMMARY:PhD Defense: Maria Boritchev
DESCRIPTION:Maria Boritchev will defend her thesis\, conducted under the supervision of Maxime Amblard and Philippe de Groote: Dialogue Modeling in a Dynamic Framework\, on Monday\, November 22\, at 2 p.m.online (in English).\n  \nAbstract:\nFormal studies of discourse raise numerous interrogations on the nature and the definition of the way consecutive sentences coherently combine with one another. Language is intrinsically dynamic: in its semantics in context (e.g. use of references) and in the interaction (e.g. connections between dialogue acts). The shift from discourse to dialogue brings forward even more specific issues among which the ones related to questions and answers articulation. In order to address these issues\, we start by focusing on questions from a semantic point of view. There are numerous existing formalisms and frameworks for formal semantics of declarative sentences and discourse; dialogue is broadly studied from a linguistic and Natural Language Processing point of view. The goal of our work is to bring classical formal semantics theories to use in a setting oriented towards real-life dialogue. This thesis presents a formal semantics account of dialogue in a type-theoretical dynamic framework. We produce a model of dialogue and in particular of the articulation of questions and answers by mingling Neo-Davidsonian Event Semantics (NDES\, as presented in Champollion\, 2017) with Inquisitive Semantics (IS\, Ciardelli et al\, 2017) in a compositional and dynamic way through the use of Continuation Style Dynamic Semantics (CSDS\, de Groote\, 2006\, extended in Lebedeva\,2012). Our model is rooted in a syntax-semantics interface implementation called Abstract Categorial Grammars (ACG\, de Groote\, 2001). Another way to address semantics of dialogue is through real-life data by putting our formal ideas in perspective by confronting them with field observation. To do so\, we constituted a corpus\, called Dialogues in Games (DinG)\, composed of transcriptions of recordings of people playing the board game Catan (in French). Our study focuses on real-life questions and answers in multilingual (English\, French\, Dutch\, Mexican Spanish\, Northern Italian\, and Mandarin Chinese) oral data has resulted in several annotation schemas\, part of which was applied to DinG.\n \n\nComposition of the jury\n\n\nReviewers:\n\nMme Farah BENAMARA\, Université Paul Sabatier\nM. Jonathan GINZBURG\, Université Paris Diderot-Paris 7 \n\nExaminers:\nMme Ellen BREITHOLTZ\, University of Gothenburg\nMme Iris TARAVELLA\, Université Paris Nanterre\nM. Miguel COUCEIRO\, Université de Lorraine\n\nSupervisors:\nM. Maxime AMBLARD\, Université de Lorraine\nM. Philippe DE GROOTE\, INRIA
URL:https://www.loria.fr/event/phd-defense-maria-boritchev/
LOCATION:online
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20211123T100000
DTEND;TZID=Europe/Paris:20211123T120000
DTSTAMP:20211122T133128Z
CREATED:20211122T133020Z
LAST-MODIFIED:20211122T133128Z
UID:14243-1637661600-1637668800@www.loria.fr
SUMMARY:Soutenance de thèse : Titouan Carette
DESCRIPTION:Titouan Carette soutiendra sa thèse intitulée « Manier le ZX-calcul » le 23 Novembre à 10h en salle A008. \nRésumé  \nCette thèse concerne l’application de langages graphiques à l’informatique quantique. Par langages graphiques on entend l’usage de diagrammes\, très similaires aux circuits\, représentant des évolutions de systèmes quantiques. La thèse introduit ces langages dans le formalisme de la théorie des catégories et s’intéresse en particulier à un langage: le ZX-calcul\, ainsi qu’à ses proches parents le ZW-calcul et le ZH-calcul. La notion de flexsymétrie est introduite\, décrivant des diagrammes dont les entrés et sorties sont toutes interchangeables entre elles. La notion est ensuite utilisée pour classifier tous les langages similaires au ZX-calcul. Il est montré que les seuls langages admissibles sont le ZX-calcul\, le ZW-calcul et le ZH-calcul. Ensuite est abordée la question de l’extension de ces langages au cas de systèmes mixtes classiques-quantiques. Une construction catégorique générale est proposée et est utilisée pour étendre les différents langages. Enfin la thèse introduit des notations permettant de représenter de manière compacte des algorithmes quantiques mettant en jeux des diagrammes arbitrairement grands. Afin d’en éprouver l’efficacité\, ces notations sont utilisées pour montrer graphiquement la correction de différents algorithmes quantiques.
URL:https://www.loria.fr/event/soutenance-de-these-titouan-carette/
CATEGORIES:Soutenance
END:VEVENT
END:VCALENDAR