Lors du TechLunch N°21, le professeur Kalousis a fournit une explication claire du mécanisme des logiciels d’apprentissage (Machine Learning), à savoir un processus itératif qui teste son environnement par des jeux de donnée.
Cet apprentissage peut être laissé libre ou contrôlé notamment en attribuant système de notation afin d’accroitre la performance de l’algorithme.
De par les performances de calcul des processeurs actuels et les énormes jeux données accessibles aujourd’hui, les résultats des algorithmes de machine-learning sont impressionnants et outrepassent les capacités humaines dans plusieurs domaines comme la reconnaissance de langages, d’images et la maîtrise de jeux complexes (DOTA, GO).
Les travaux du groupe Data Mining Machine Learning (DMML) se concentrent sur la compréhension des modèles de Machine Learning qui s’apparentent à des boîtes noires, en les testant différemment, les chercheurs peuvent extraire une information pertinente et enrichir la connaissance dans divers domaines. Le professeur Kalousis a ainsi mis en avant des études sur le design de molécules pharmaceutiques ou la modélisation de prothèses orthopédiques.
Par ailleurs, deux exemples de collaboration avec le groupe du professeur Kalousis on été présentés par Ionnias Partalas, Lead machine learning scientist au sein du groupe Expedia et Peter Kae Thomsen CTO de la startup Orbiwise. Ces présentations ont permis de voir comment cette technologie pouvait répondre aux besoins des entreprises
| PRESENTATIONS PDF & PHOTOS | HERE |