Outils

Agenda de l'ENS de Lyon

Ecole d'été de Recherche - ResCom 2018 "Apprentissage et fouille de données sur les réseaux"

Dates
Du lun 18 juin 2018 au ven 22 juin 2018
Horaires

Jour #1 - 11:00-21:00
Jour #2 - 07:00-21:00
Jour #3 - 07:00-21:00
Jour #4 - 07:00-21:00
Jour #5 - 07:00-15:00

Lieu(x)
L’école se tiendra sur l’île de Porquerolles dans le Var, au centre I.G.E.S.A. (Centre de Loisirs Sportifs des Armées)

Hôtel Club IGESA
Rue de la Douane
Ile de Porquerolles
83 400 HYERES

Intervenant(s)
  • Leman Akoglu (Carnegie Mellon University's H. John Heinz III College) - TBC
  • Nataliia Bielovar (Inria / Indes) - TBC
  • Dominique Cardon (Sciences Po - Media Lab) - TBC
  • Lætitia Gauvin (ISI Foundation · Data Science Lab)
  • Guillaume Obozinski (Ecole des Ponts - ParisTech) - TBC
  • André Panisson (ISI Foundation - Data Science Lab)
  • Michalis Vazirgiannis (École Polytechnique, LIX)
Organisateur(s)
Langue(s) des interventions
Description générale

Le thème de l'école ResCom 2018 (la 13ème édition) est la « science des données » avec comme sous thème la science des réseaux et l’apprentissage (Data science, Network Science and Machine Learning).

Il y a un besoin fort au sein de notre communauté de monter en compétence sur ces domaines prépondérants et incontournables qui sont en rapide évolution et qui touchent plusieurs domaines scientifiques.

Grâce à la synergie entre le GDR MaDICS et le GDR RSD, nous offrons une proposition conjointe d'école de recherche CNRS à destination des jeunes chercheurs des deux communautés et ce, dans un fort esprit d’interdisciplinarité.

L'école abordera deux axes fondamentaux :
- la fouille de données : L’école donnera les fondamentaux théoriques, méthodologiques et pratiques de la fouille de données afin d’aborder les problématiques et les techniques algorithmiques liées à la collecte, l’exploration, la visualisation et l’analyse de grande masse de données multivariées. Une attention particulière sera mise sur la notion de données en “réseau”. En effet, les relations/liens existants entre les données sont une source précieuse d’information pour l’analyse.
- les méthodes d’apprentissage : L’école abordera notamment les questions d'apprentissage supervisé ou non supervisé, d’apprentissage profond, de méthodes à noyaux. Une attention particulière sera mise sur l'apprentissage sur les réseaux avec des problèmes comme la détection de communautés ou d’autres approches non supervisées qui prennent en compte les relations/liens existants entre les données.

Payant

Mots clés

Disciplines