Le jury SSFAM, présidé par Francis Bach, a l’honneur d’annoncer les lauréats de la première édition du prix de thèse en Apprentissage Automatique de la Société Savante Francophone en Apprentissage Machine. Lauréats 1er prix SSFAM Alexandre Ramé Thèse : Diverse and Efficient Ensembling of Deep Networks, Sorbonne Université Alexandre Ramé a exploré en profondeur plusieursLire 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