Adresse :
Monsieur Aymane Abdali du département mathematical and electrical engineering (MEE) et du laboratoire LABSTICC, présentera ses travaux sur le sujet :
"Apprentissage avec peu de données spécifiques : sélection des données, prédiction de performance, applications"
Résumé : L’apprentissage automatique continue d’apporter de nombreux avantages dans les industries où les outils utilisant l’intelligence artificielle optimisent les processus de fabrication, prédisent les pannes des machines, améliorent le contrôle qualité grâce à la détection des défauts en temps réel, etc. Cependant, de nombreux défis persistent pour répondre aux exigences variées des applications dans le monde réel. Cette thèse se concentre sur l’un de ces défis, à savoir l’efficacité dans la création et l’utilisation des données quand ces dernières sont limitées en quantité. Les travaux présentés ici explorent des méthodes visant à améliorer l’efficacité de l’utilisation des données en exploitant les connaissances et l’expertise humaines. Cette exploration va au-delà de l’acquisition et de l’étiquetage de nouvelles données, en incluant des approches telles que le raffinement des annotations existantes et l’utilisation d’outils pour optimiser le processus d’an- notation.
Organisateur(s)
Dans le cadre de la co-accréditation de thèse d'IMT Atlantique au sein de l'école doctorale SPIN
Mots-clés : Few-Shot, Classification d’Images, Apprentissage Actif