Détails de l’événement
Résumé:
De nos jours, il existe des applications où les données sont mieux modélisées non pas comme des tables persistantes, mais plutôt comme des flux de données transitoires.
Dans cet exposé, nous discutons des limites des algorithmes actuels d'apprentissage automatique et d'exploration de données et des questions fondamentales liées à l'apprentissage dans des environnements dynamiques, comme l'apprentissage de modèles de décision qui évoluent dans le temps, l'apprentissage et l'oubli, la dérive des concepts et la détection des changements. Les flux de données sont caractérisés par d'énormes quantités de données qui introduisent de nouvelles contraintes dans la conception des algorithmes d'apprentissage : des ressources informatiques limitées en termes de mémoire, de temps de traitement et de puissance de l'unité centrale.
Dans cet exposé, nous présentons quelques algorithmes illustratifs conçus pour prendre en compte ces contraintes. Nous identifions les principales questions et les défis actuels qui émergent dans l'apprentissage à partir de flux de données et nous présentons des lignes de recherche ouvertes pour un développement ultérieur.
Cet exposé sera présenté en anglais.
À propos de l’Association for Computing Machinery (ACM)
L'Association for Computing Machinery, la plus grande société d'informatique éducative et scientifique au monde, fournit des ressources qui font progresser l'informatique en tant que science et profession. L'ACM fournit la première bibliothèque numérique du domaine de l'informatique et sert ses membres et la profession informatique avec des publications, des conférences et des ressources de carrière de pointe.
Invité
João Gama
Professeur titulaire à l'école d'économie de l'université de Porto, au Portugal
João Gama a obtenu son doctorat en informatique à l'université de Porto en 2000. Il est membre de EurIA, IEEE, l'Asia-Pacific AI Association et du conseil d'administration du LIAAD, un groupe appartenant à l'INESC TEC. Son h-index sur Google Scholar est de 67. Il est rédacteur en chef de plusieurs revues de haut niveau consacrées à l'apprentissage automatique et à l'exploration de données. Il est conférencier émérite de l'ACM. Il a été président du programme de ECMLPKDD 2005, DS09, ADMA09, EPIA 2017, DSAA 2017, président de conférence de IDA 2011, ECMLPKDD 2015, DSAA'2021, et d'une série d'ateliers sur le KDDS et la découverte de connaissances à partir de données de capteurs avec ACM SIGKDD, et ACM SIGAPP.
Ses recherches portent principalement sur la découverte de connaissances à partir de flux de données, les données évolutives, le raisonnement probabiliste et la causalité. Il a publié plus de 300 articles dans des revues et des conférences importantes. Il possède une longue liste de publications sur l'apprentissage à partir de flux de données.
Communauté étudiante, corps professoral, industrie, grand public