• Soutenance de thèse de Paul Caillon (Synalp)

    Loria

    Paul Caillon (Synalp) soutiendra sa thèse intitulée "Apprentissage profond sans supervision directe pour le traitement automatique des langues", le 31 mai à 14h en salle C005. Résumé : La profondeur des réseaux de neurones n’est plus l’aspect le plus important des systèmes d’apprentissage en profondeur de nos jours. Il s’agit plutôt de la possibilité de […]

  • PhD Defense: Nuwan Herath (Gamble)

    Loria

    Nuwan Herath (Gamble) will defend his thesis, entitled "Fast high-resolution drawing of algebraic curves and surfaces", on Friday June 2nd at 2pm in room C005. Abstract: Scientific visualization allows users to build an intuition and to get an understanding of their data. Its applications are numerous: modeling for simulations, mechanism design, medical imaging... We address […]

  • Soutenance de thèse de Guillaume Le Berre (Synalp)

    Loria

    Guillaume Le Berre (Synalp) soutiendra sa thèse intitulée "Vers la mitigation des biais en traitement neuronal des langues", le 2 juin à 15h. Résumé : Il est de notoriété que les modèles d’apprentissage profond sont sensibles aux biais qui peuvent être présents dans les données utilisées pour l’apprentissage. Ces biais qui peuvent être définis comme […]

  • Journée IA pour la découverte scientifique

    Loria

    A la suite de la Journée thématique - IA pour la découverte scientifique organisée en octobre dernier, le cycle d’exposés se poursuit sur par une journée consacrée aux réseaux de neurones et aux réseaux de neurones physiquement informés (Physically Informed Neural Networks, PINNs), dont le programme se trouve ci-dessous. Cette journée est principalement destinée aux non spécialistes, puisque le but est de […]

  • PhD Defense: Claire Théobald (Opailleur)

    Loria

    Claire Théobald (Opailleur) will defend his thesis, entitled "Bayesian Deep Learning for mining and analyzing astronomical data", on Tuesday June 6th at 1:30pm in room A008. Abstract: In this thesis, we address the issue of trust in deep learning predictive systems in two complementary research directions. The first line of research focuses on the ability […]