Ce cours de M2 s'intéresse à la prédiction structurée, une famille de problèmes d'apprentissage supervisés où les variables de sortie sont des objets complexes: objets de structure discrète: séquence, arbres, graphes, objets composites, (fonctions en 2021).
Le cours est MODELE AGNOSTIQUE !
- seront employés dans ce cours:
- (modèles linéaires), noyaux, modèles graphiques probabilistes et réseaux de neurones
On cherche à privilégier les composants essentiels de l'apprentissage supervisé: modèles, fonction de coût, pénalités et contraintes, algorithmes d'apprentissage, qui doivent être modifiés ou étendus pour traiter ces problèmes - On commence par une première séance sur les problèmes de prédiction multi-classe (problème rarement traité en cours), puis une séance plus générale des approches "energy-based learning", une troisième séance sur la prédiction de séquences (avec CRF), une quatrième séance (avec Deep NNs, automatic captioning), cinquième séance (multi-label, mulit-task), sixième séance (graph prediction, link prediction), séance soutenance de projets
- Enseignant: Florence D'Alché-Buc