«Atelier sur 'l'inferning': interactions entre l'inférence et l'apprentissage», Édimbourg, Royaume-Uni
Les algorithmes peuvent non seulement apprendre un modèle, mais également utiliser les paramètres des modèles résultant pour l'inférence. Ces types d'interactions sont souvent étudiés de deux points de vue.
Le premier étudie comment le choix d'un algorithme d'inférence influence les paramètres que le modèle apprend en définitive. Par exemple, de nombreux algorithmes d'estimation des paramètres nécessitent l'inférence comme sous-programme.
L'autre moyen d'étudier ces interactions est de tenir compte de la façon dont l'objectif d'apprentissage et les paramètres des modèles peuvent avoir un impact sur la qualité et la performance de l'inférence pendant le «temps d'essais».
L'atelier rassemblera des praticiens de différentes disciplines afin d'étudier un cadre unifié pour comprendre et formaliser les interactions entre l'apprentissage et l'inférence.Pour de plus amples informations, consulter: http://inferning.cs.umass.edu/cfp