Situation scientifique et objectifs

La recherche mondiale en apprentissage artificiel (Machine Learning) est très active, avec une communauté de plusieurs centaines de chercheurs, en croissance en particulier dans les pays émergents. La France occupe une position reconnue dans cette communauté grâce en particulier à une tradition forte en logique, en mathématique et en informatique en général. Les carrières en recherche et en développement liées à l’apprentissage artificiel attirent chaque année plusieurs dizaines de jeunes talents venant des Grandes Ecoles d’ingénieurs et des Universités. Cependant, à côté des formations classiques des Masters, il est important que ces jeunes aient l’occasion de travailler côte à côte et de rencontrer des acteurs éminents et pédagogues du domaine éclairant les enjeux et perspectives de questions à la frontière de la recherche. C’est le rôle des Ecoles thématiques.

Par ailleurs, alors que la théorie statistique de l’apprentissage a atteint sa maturité, l’intérêt récent croissant pour des scénarios d’apprentissage en-ligne, à partir de flux de données non stationnaires, et de transfert entre tâches d’apprentissage, renouvelle profondément les questions théoriques et pratiques et nécessite de nouveaux développements scientifiques.

Plusieurs projets financés par l’Union Européenne et par l’ANR portent sur ces thématiques nouvelles. Les chercheurs français y sont bien représentés. Il est essentiel de conforter cette position en stimulant la création de cours sur ces questions et en formant les doctorants et les jeunes chercheurs.

- Quels sont les objectifs scientifiques de l'école?

Apprentissage en-ligne à partir de flux de données (donc techniques d’adaptation) ; Apprentissage dans des environnements non stationnaires ; Apprentissage par collaboration entre méthodes d’apprentissage ; Apprentissage avec transfert entre tâches.

Ces questions obligent à élargir ou à sortir du cadre statistique classique qui suppose des données indépendantes et identiquement distribuées. Il faut aussi mettre au point des protocoles d’échanges entre méthodes d’apprentissage et des choix de représentation et de changements de représentation, en particulier pour l’apprentissage par transfert.

- Quels sont les objectifs stratégiques de l'école? (par rapport à une politique, affichée ou non)

 Stimuler la formation d’une communauté de recherche sur les questions affichées plus haut, et surtout sensibiliser des doctorants et des jeunes chercheurs à ces nouveaux problèmes, et les former aux méthodes et techniques actuellement élaborées ou en cours d’étude.

Le thème spécifique de cette édition EPAT'14 est l'Apprentissage en-ligne et incrémental à partir de flux de données et l'Apprentissage collaboratif, multi-tâches, et par Transfert. L'objectif principal de cette école est de présenter les nouveaux défis et les nouvelles approches algorithmiques proposées pour le thème de EPAT'14, et qui concerne des questions nouvelles en apprentissage artificiel et qui font appel à des aspects avancés en formalisation. 

 Cette école s'adresse premièrement aux doctorants et aux jeunes chercheurs en apprentissage artificiel, fouille de données ou en statistique, et secondairement à des publics de chercheurs ou d’ingénieurs dans les entreprises concernés par des problèmes de fouille de données.

 En plus des cours et TP, des conférences invitées sont prévues sur des thématiques d'ouverture dans le domaine de l'apprentissage artificiel.