Le jury SSFAM a l’honneur d’annoncer les lauréats de l’édition 2026 du prix de thèse en Apprentissage Automatique Société Savante Francophone en Apprentissage Machine. Lauréat.e.s 1er prix SSFAM Théo Gnassounou Thèse : Adaptation multi-sources pour l’apprentissage à partir de signaux biologiques, Université Paris-Saclay Mention honorable Arthur Stéphanovitch Thèse : Fondements théoriques des modèles génératifs :Lire la suiteLauréat.e.s Prix de thèse SSFAM 2026
Lire la suite de Lauréat.e.s Prix de thèse SSFAM 2026Apprentissage 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 
