Pour information. Pour celles et ceux qui veulent approfondir leurs connaissances en classification, voici une annonce d'un séminaire de Science des Données qui aura lieu demain et qui vous est ouvert. L'inscription est gratuite mais obligatoire pour des raisons d'organisation.
La prochaine séance du séminaire nantais inter-établissements en Science des Données aura lieu demain, jeudi 29 septembre, à 14h00, Campus Lombarderie Amphi du LS2N (bât 34) . Nous aurons le plaisir d'accueillir Mohamed NADIF (PR Université de Paris, Centre Borelli).
Titre : L’évolution de la classification non supervisée de k-means à nos jours
Résumé : La classification non supervisée (ou clustering) est devenue incontournable dans le domaine de l’intelligence artificielle. Comme la réduction de la dimensionnalité, le clustering a vu son intérêt grandir dans divers domaines dont la bioinformatique, le traitement d’images, les systèmes de recommandation, l’analyse textuelle ou encore le traitement automatique du langage naturel.
Depuis k-means, une multitude d’algorithmes de clustering a vu le jour. Ces algorithmes ont été souvent motivés par de nombreuses applications générant des données de plus en plus volumineuses, de grande dimension, multi-sources, éparses ou pas. Ils dérivent, généralement, à partir de différentes approches y compris de l’apprentissage profond et chacun de ces algorithmes a ses forces et ses faiblesses. D’autre part, et contrairement à l’apprentissage supervisée, l’évaluation des résultats de tels algorithmes n’est pas toujours simple pour l’utilisateur. Afin de faire le point sur ces méthodes de clustering voire du coclustering, nous passons en revue les approches les plus populaires et identifions le potentiel de chaque algorithme pour l’obtention de partitions profitables.
Pour des raisons d'organisation, l'inscription est obligatoire. Utilisez le lien suivant : https://www.math.sciences.univ-nantes.fr/SemDataSciences/inscription_au_seminaire_du_29_septembre
Pour plus de détails voir la page web du séminaire en Science des données