Ecole de Recherche CIMPA 2019

Présentation

Le projet d’École de recherche «Approches algorithmiques et statistiques de l’Apprentissage» est au confluent de l’algorithmique, de l’apprentissage et des statistiques. Notre projet s’inscrit ainsi dans la thématique « Sciences des Données » qui concerne le traitement et l’exploitation de grandes masses d’informations qui peuvent être à la fois hétérogènes, complexes, bruitées, incomplètes et distribuées.

Les objectifs de l’École sont de répondre à ces besoins en apportant les compétences fondamentales et techniques qui devront permettre de mieux appréhender l’exploitation de ces masses de données, pour les comprendre, les analyser, pour en extraire les informations utilisables afin de prédire et décider.

Plusieurs thématiques seront abordées lors de la rencontre à savoirs Apprentissage automatique et optimisation à grande échelle l’algorithmique avancée : algorithmes randomisés et distribués, la recherche et extraction d’informations, l’indexation et interprétation des informations ou l’apprentissage profond.

Infos Pratiques

Inscription :
L’inscription des candidats non-locaux doit se faire via le site web du CIMPA : http://students.cimpa.info
Pour les candidats locaux, veuillez fournir une (01) lettre de motivation et un (01) CV mentionnant le nom et l’adresse de votre institution/université, votre position actuelle, le dernier diplôme obtenu et votre domaine de recherche, … (A envoyer à rasendrahasina@gmail.com).
Conditions: Master 2 ou Doctorant en Mathématiques et Informatique.

La date limite d’inscription est le 31 Mars 2019.
Hébérgement :
L’ hébérgement des étudiants non-locaux et provenant des provinces sera pris en charge par l’école.
Liens utiles :

Liste des Cours

Les cours sont dispensés en français.

Cours 1 – “Introduction aux principales méthodes d’apprentissage statistique”, Gilles GASSO (LITIS EA 4108 – INSA – Université de Rouen, France)
Cours 2 – “L’approche markovienne”, Angelo RAHERINIRINA (École Normale Supérieure – Unviersité de Fianarantsoa, Madagascar)
Cours 3 – “Éléments de théorie pour l’apprentissage automatique”, Liva RALAIVOLA (LIS – UMR 7020. Aix – Marseille Université. Institut Universitaire de France. Criteo AI Labs)
Cours 4 – “Apprentissage parcimonieux pour l’apprentissage statistique”, Alain RAKOTOMAMONJY (LITIS EA 4108 – UFR Sciences, Dept Physics – Université de Rouen, France. Criteo AI Labs)
Cours 5 – “Hypergraphes aléatoires et algorithmes”, Vonjy RASENDRAHASINA (École Normale Supérieure – Complexe Scolaire. Université d’Antananarivo, Madagascar)
Cours 6 – “Jeux corporatif à champ moyen avec apprentissage”, Mamy RAVELOMANANA (Centre d’Études Economiques – Université d’Antananarivo, Madagascar)
Cours 7 – “Algorithmique Avancée”, Vlady RAVELOMANANA (IRIF – UMR8243 – Université Denis Diderot Paris 7, France)
Cours 8 – “Probabilités”, Fy RAVELOMANANTSOA (Faculté des Sciences – Université de Antananarivo, Madagascar)
Cours 9 – “Intelligence artificielle: apprentissage profond et Monte Carlo tree search”, Olivier TEYTAUD (Facebook AI Research Paris)