Description du projet
Précision et rapidité dans le domaine de l’IA
L’apprentissage non supervisé permet à l’IA de découvrir des modèles cachés dans les données sans aide humaine. Pour ce faire, il recherche des modèles dans les données non étiquetées, par exemple en regroupant les clients pour classer leurs préférences. Cependant, les méthodes actuelles nécessitent une puissance informatique trop importante. Dans certains cas, de petites modifications dans un modèle peuvent rompre avec d’anciennes hypothèses. Le projet SOCE, financé par le CER, vise à surmonter ces limites. Il étudiera les compromis fondamentaux entre la précision statistique et l’efficacité informatique, dans le cadre de problèmes tels que le regroupement et le classement robustes. Au-delà du traitement par lots, l’équipe de SOCE examinera l’apprentissage actif et séquentiel sous contrainte d’échantillonnage. En développant de nouveaux outils et algorithmes mathématiques, l’objectif est de clarifier ce qui peut ou ne peut pas être appris à partir de données complexes.
Objectif
Unsupervised learning is a key problem of artificial intelligence, at the crossroad of statistics and machine learning. The aim is to infer patterns from unlabelled data, by providing learning algorithms that are computationally efficient - i.e. polynomial time - and statistically performant - i.e. minimising an error criterion - and by characterising the fundamental limits for learning.
In the last decade, deep and important phenomena of statistical-computational trade-offs have been unveiled: for some canonical vanilla problems, it is now admitted that no algorithm is both statistically optimal and computationally efficient. However, and somewhat surprisingly, many extensions of these commonly admitted conjectures to other models that present slight variations have been recently proven wrong. The reason is that these model variations give rise to additional structure. This could be a blessing if it can be exploited by a well chosen computationally efficient algorithm, or a curse if it confuses any such algorithm. So that many
fundamental unsupervised learning problems, like robust or hierarchical clustering as well as ordering models like ranking or seriation, are poorly understood.
Beyond this, in modern applications like recommender systems, unsupervised learning is often done in a sequential active way, as a complement to batch learning. Yet, efficient algorithms and the understanding of their limits are also vastly lacking, in particular in the presence of additional structure. And active learning is often done under sampling constraints, which adds a layer of model variations with respect to batch learning.
In SOCE, I will tackle these complex unsupervised learning problems, which are not well understood despite their importance. I will go from batch to active unsupervised learning, and study their interface through sampling constraints. I will develop new mathematical tools and algorithms that will be instrumental for a systematic study of these problems.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
La classification de ce projet a été validée par des humains.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
La classification de ce projet a été validée par des humains.
Mots‑clés
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Programme(s)
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
HORIZON.1.1 - European Research Council (ERC)
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme
Thème(s)
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Régime de financement
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
HORIZON-ERC - HORIZON ERC Grants
Voir tous les projets financés dans le cadre de ce programme de financement
Appel à propositions
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
(s’ouvre dans une nouvelle fenêtre) ERC-2025-COG
Voir tous les projets financés au titre de cet appelInstitution d’accueil
La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.
14469 Potsdam
Allemagne
Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.