https://u-news.univ-nantes.fr/medias/photo/fotolia-com-monsitj-2_1528180157402-jpg
  • Le 29 septembre 2022 de 14:00 à 17:00
    Campus Lombarderie
    Amphi du LS2N (bât.34)
    false false
Gratuit sur inscription

Ce séminaire, lancé par des enseignants-chercheurs issus de plusieurs établissements nantais, a pour ambition d’amorcer, et à terme, de faire vivre les échanges entre équipes sur le thème du traitement des données. La prochaine séance aura lieu le jeudi 29 septembre à 14h et accueillera Mohamed NADIF (PR Université Paris Cité, Centre Borelli UMR9010) pour "L’évolution de la classification non supervisée de k-means à nos jours".

Mohamed NADIF (PR Université Paris Cité, Centre Borelli UMR9010)

La classification non supervisée (ou clustering) est devenue incontournable dans le domaine de l’intelligence artificielle. Comme la réduction de la dimensionnalité, le clustering a vu son intérêt grandir dans divers domaines dont la bioinformatique, le traitement d’images, les systèmes de recommandation, l’analyse textuelle ou encore le traitement automatique du langage naturel.

Depuis k-means, une multitude d’algorithmes de clustering a vu le jour.  Ces algorithmes ont été souvent motivés par de nombreuses applications générant des données de plus en plus volumineuses, de grande dimension, multi-sources, éparses ou pas.  Ils dérivent, généralement, à partir de différentes approches y compris de l’apprentissage profond et chacun de ces algorithmes a ses forces et ses faiblesses. D’autre part, et contrairement à l’apprentissage supervisée, l’évaluation des résultats de tels algorithmes n’est pas toujours simple pour l’utilisateur. Afin de faire le point sur ces méthodes de clustering voire du coclustering, nous passons en revue les approches les plus populaires et identifions le potentiel de chaque algorithme pour l’obtention de partitions profitables.

--
Comité d'organisation du Séminaire : L. BELLANGER (ALEA, LMJL UMR CNRS 6629), V. CARIOU (StatSC, ONIRIS), E. DANTAN (SPHERE INSERM UMR 1246 ), P.-A. GOURRAUD (ITUN - CRTI - UMR INSERM 1064 - CHU), P. KUNTZ (DUKe, LS2N).