Le jury SSFAM, présidé par Liva Ralaivola, a l’honneur d’annoncer les lauréats de l’édition 2025 du prix de thèse en Apprentissage Automatique Société Savante Francophone en Apprentissage Machine. Lauréats 1er prix SSFAM Edwige Cyffers Thèse : Differential Privacy for Decentralized Learning, Université de Lille Mentions honorables Marc Jourdan Thèse : Solving Pure Exploration Problems withLire la suiteLauréats Prix de thèse SSFAM
Lire la suite de Lauréats Prix de thèse SSFAMApprentissage machine Késako ?
L’apprentissage machine, aussi dénommé apprentissage automatique ou encore apprentissage artificiel, et "machine learning" en langue anglaise, concerne l’étude et la conception de processus artificiels apprenants. Ces processus sont essentiellement des algorithmes et programmes permettant à une machine d’accomplir une tâche sans avoir été explicitement programmée à la réaliser. La machine doit, par conséquent, être capable de s’améliorer avec l’expérience et s’adapter aux évolutions de l’environnement. L’apprentissage machine est un domaine scientifique qui concerne principalement l’informatique, la statistique et les mathématiques appliquées via la conception de modèles, de programmes, d’algorithmes, l'étude théorique de l'apprentissage et l'étude et la conception d’outils d’évaluation adaptés. Mais il suscite de nombreux travaux pluridisciplinaires, en lien avec la plupart des disciplines scientifiques.
Label du bouton d'en-tête :En savoir plusEn savoir plus 
