NB : toutes les sessions de la formation se dérouleront en anglais.
Un colloque d’ouverture sur les développements récents et les défis de l’inférence statistique à haute dimension et du machine learning.
Orateurs : Lenka Zdeborová (EPFL, Switzerland) and Andrea Montanari (Stanford, USA)
L’école thématique « Optimisation et algorithmes » est composée de mini-cours au sujet de l’étude des paysages d’optimisation (aléatoires) en haute dimension, la dynamique des algorithmes d’optimisation en haute dimension, les algorithmes approximatifs de passage de messages et d’autres sujets connexes.
Liste des orateurs et des sujets : ici
L’école thématique « Modèles et méthodes » est consacrée aux outils et techniques d’analyse des modèles d’inférence statistique en grande dimension du machine learning, incluant les outils de la théorie des matrices aléatoires, de la physique statistique et des verres de spin.
Liste des orateurs et des sujets : ici.
Le workshop « Développements récents au-delà des régimes classiques du machine learning » propose les résultats récents de l’apprentissage automatique (supervisé et non supervisé) en grande dimension et de l’inférence statistique. Il comprendra une table ronde avec des expert.e.s internationalement reconnu.e.s.
Planning des intervenants : ici
Les chercheurs.euses peuvent s’inscrire durant le mois de juin sur cette page.
À noter ! Les frais de déplacement et d’hébergement des doctorant.e.s peuvent être pris en charge. Le nombre de défraiements étant limité, il est vivement recommandé de s’inscrire en juin.