Ateliers

GAST : Gestion et Analyse des données Spatiales et Temporelles

Organisateurs

• Aurélie Leborgne, ICube / UNISTRA (Strasbourg)
• Nida Meddouri, LRE / EPITA (Paris)
• Loïc Salmon, L@bISEN / ISEN (Brest)

Cet atelier s’inscrit dans la continuité des ateliers des années passées. Un des objectifs est de regrouper les chercheurs du domaine académique et de l’industrie. Ces dernierss’intéressent aux problématiques liées à la prise en compte de l’information temporelle ou spatiale (quantitative ou qualitative) dans leurs processus de gestion et d’analyse de données (méthodes et application de l’extraction, la gestion, la représentation, l’analyse et la visualisation d’informations, apprentissage et extraction de connaissances à partir des données spatio-temporelles). L’atelier permet de donner la possibilité à un grand nombre de chercheurs intéressés par ces thématiques de présenter leurs problématiques et approches.

URL Page Web : https://gt-gast.irisa.fr/

M3A : Mécanismes d’Attention et Apprentissage Automatique -- avancées récentes et perspectives

Organisateurs

• Mohamed Djallel Dilmi, LIPN, USPN-UPXIII
• Florent Forest, IMOS, EPFL
• Hanane Azzag, LIPN, USPN-UPXIII
• Mustapha Lebbah, David Lab, Université Paris
• Saclay - Campus UVSQ

Après le succès des modèles basés sur l’attention dans différents domaines, nous proposons cet atelier lors de la conférence EGC à Lyon pour susciter des discussions scientifiques sur les avancées récentes et des présentations de travaux récents ainsi que les perspectives. Cet atelier vise à offrir une occasion de rencontre au niveau national pour les académiques et les industriels, appartenant aux différentes communautés scientifiques (traitement automatique des langues, vision par ordinateur, données temporelles, etc.) afin de discuter les mécanismes d’attention au sens large et leurs applications.

URL Page Web : https://m3a2023.sciencesconf.org/

DL4 NLP : Deep Learning pour le traitement automatique des langues

Organisateurs

• Rim Hantach (CSAI Lab, ENGIE)
• Sarra Ben Abbes (CSAI Lab, ENGIE)
• Philippe Calvez (CSAI Lab, ENGIE)

Le traitement automatique des langues (TAL) est un domaine impliquant l’informatique, l’intelligence artificielle et la linguistique, dont l’objectif est de traiter et de comprendre le langage humain afin d’accomplir des tâches utiles (réponse automatique à une question, traduction d’un langage, etc.). Les défis à relever du TAL sont de taille car la compréhension d’une expression du langage, aussi simple soit-elle, par une machine reste un processus complexe, et l’intelligence artificielle est inhérente à la complétion de celui-ci. Parmi les méthodes les plus utilisées, on trouve celles d’apprentissage profond (Deep Learning) qui ont obtenu récemment des performances très élevées dans de nombreuses tâches du TAL. Après le succès de l’atelier DL for NLP en 2020, 2021, 2022 cet atelier viendra mettre en évidence les différentes dimensions de cette discipline, en incluant les avantages, inconvénients et limitations, avec des
benchmarks à l’appui.

URL Page Web : https://sites.google.com/view/workshop-egc-2023-dl-for-nlp

TEXTMINE

Organisateur

• Pascal Cuxac (NIST-CNRS, Vandoeuvre lès Nancy)
• Cédric Lopez (EMVISTA, Montpellier)
• Vincent Lemaire (Orange Labs, Lannion)
• Kévin Cousot (EMVISTA, Montpellier)

Le but de l'atelier TextMine est de réunir des chercheurs sur la thématique large de la fouille de textes. Cet atelier vise à offrir une occasion de rencontres pour les universitaires et les industriels, appartenant aux différentes communautés de l'intelligence artificielle, l'apprentissage automatique, le traitement automatique des langues, afin de discuter des méthodes de fouille de texte au sens large et de leurs applications. L'objectif de cet atelier est de favoriser les discussions entre participants.

URL Page Web : https://textmine.sciencesconf.org/resource/page/id/4

EXPLAIN'AI

Organisateurs

• Julien Aligon (University Toulouse 1)
• Nicolas Labroche (Université de Tours)

L’explicabilité dans le domaine de l’intelligence artificielle, et plus particulièrement en machine learning, est devenue aujourd’hui incontournable pour permettre à tout utilisateur de mieux prendre conscience et de mieux s’impliquer dans les décisions algorithmiques qui lui sont proposées. Les utilisateurs de domaine (médecine, finance, assurance, chimie ...) profitent désormais de systèmes permettant de lever, en partie, le voile sur le problème bien connu de « boite noire ». Ces systèmes posent cependant de nouveaux défis afin de toujours mieux considérer ces utilisateurs finaux. En particulier, se posent aujourd’hui des questions impliquant de nombreuses disciplines et portant par exemple : sur la représentation de ces explications, le besoin de les contextualiser ou d’interagir, le raisonnement , de mesurer leur fiabilité, de les rendre plus éthiques, conformes aux contraintes juridiques, de les adapter aux compétences et connaissance des utilisateurs.

URL Site web : https://sites.google.com/view/explainai-2023/accueil