BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//datacraft - ECPv6.15.20//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:datacraft
X-ORIGINAL-URL:https://datacraft.paris
X-WR-CALDESC:Events for datacraft
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20210328T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20211031T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20220327T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20221030T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20230326T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20231029T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20220525T093000
DTEND;TZID=Europe/Paris:20220525T170000
DTSTAMP:20260426T113844
CREATED:20220419T122630Z
LAST-MODIFIED:20220502T132155Z
UID:6722-1653471000-1653498000@datacraft.paris
SUMMARY:Atelier - Apprendre à partir de peu : annotation distante et modèles faiblement supervisés
DESCRIPTION:inscription\n			\n				\n				\n				\n				\n				Les modèles de deep learning supervisés sont très efficaces pour modéliser des phénomènes du quotidien pour lesquels nous ne disposons pas d’équation déterministe ( traitement du langage naturel\, détection d’objets\, recommandations\,…) mais ils sont très gourmands en données\, notamment en annotations. Annotations dont nous ne disposons pas forcément sur le terrain et qui peut-être très couteuse à récupérer. \nIl est de plus en plus courant de chercher à développer des modèles faiblement supervisés en générant des annotations à partir de données externes (Wikipedia\, Wikidata\,…). \nDans cet atelier nous parlerons des méthodes de génération d’annotations à partir de sources externes ( supervision distante ) et nous explorerons les méthodes algorithmiques introduites dans les modèles d’apprentissage profond dans la littérature pour ne pas sur-apprendre le bruit propagé dans les annotations à cause de l’annotation distante. \nPlan de l’atelier : \n– 9h30 – 10h30 : Introduction à l’annotation distante.\n– 10h30 – 12h : Annotation distante\, cas pratique.\n– 14h – 17h : Modèles faiblement supervisés. \nAtelier présenté par Maya Sahraoui\, doctorante à Sorbonne Université
URL:https://datacraft.paris/event/atelier-apprendre-a-partir-de-peu-annotation-distante-et-modeles-faiblement-supervises/
LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France
CATEGORIES:on-site event
ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris
END:VEVENT
END:VCALENDAR