Events & Calendar

Sciences de données pour l'ingénierie et la technologie
Jun 25, 2019 to Jul 05, 2019

Location : ENIT-LAMSIN, Tunis, Tunisia

Le programme de l’école de recherche est orienté de façon à faire profiter les auditeurs des dernières avancées dans le domaine du Machine Learning, Deep Learning et d’autres techniques de réduction de modèles. La communauté de l’intelligence artificielle et des statistiques, et celle du calcul scientifique se sont retrouvées ces dernières années pour donner naissance à de nouveaux algorithmes utiles aux deux thématiques. En effet, la première communauté en s’intéressant aux problèmes en grandes dimensions, s’est approprié un certain nombre de méthodes habituellement utilisées par la seconde. De même la communauté du calcul scientifique pour la résolution de problèmes issus de la physique a commencé à s’intéresser de près aux techniques du Machine Learning et Deep Learning pour mettre au point des modèles économiques en temps calcul. C’est à ces questions de grande actualité que se portera l’attention des conférenciers de cette école.

This research school is a registered satellite meeting of ICIAM 2019, The International Congress on Industrial and Applied Mathematics, to be held at Valencia (Spain), July 15-19, 2019. http://iciam2019.org

Organizing Commitee:
Nabil Gmati (ENIT-LAMSIN), Radhia Bessi (ENIT-LAMSIN), Mourad Zerai (ESPRIT), Brahim Trabelsi (ISAMM-LAMSIN), Skander Belhaj (ISAMM-LAMSIN)

Scientific Commitee:
Nabil Gmati (ENIT-LAMSIN, Tunisie), Mejdi Azaiez (Institut Polytechnique de Bordeaux, France), Amel Ben Abda (ENIT-LAMSIN, Tunisie), Faker Ben Belgacem (Université de technologie de Compiègne, France), Tomás Chacón Rebollo (Université de Séville, Espagne), Sana Louhichi (Université Grenoble Alpes, France), Yvon Maday (Université Paris 6, France), Maher Moakhar (ENIT-LAMSIN, Tunisie)

Sponsors:
MIMS

Les Cours

 

Le premier cours sera assuré par Stéphane Gaiffas, professeur de l’Université Paris Diderot :
« Introduction à l’optimisation pour le Machine Learning ».
Ce cours décrira quelques développements récents dans le domaine de l'optimisation pour l'apprentissage automatique.

 

Le second cours sera assuré par Mohamed Masmoudi, professeur de l’ Université Paul sabathier :
« Apprendre la physique à partir des données ».
Dans ce cours, il sera montré comment adapter les méthodes de l’apprentissage au contexte des données techniques.
Des données générées par les outils de simulation et des données opérationnelles issues de l’activité industrielle seront ainsi considérées. Il sera montré comment il est possible d'apprendre la physique à partir des données sans faire appel à l'outil de simulation.
Mohamed Masmoudi

 

Francisco Chinesta Le troisième cours sera assuré par Francisco Chinesta, ESI GROUP CHAIR, professeur de l'ENSAM ParisTech & Centrale Nantes. Institut Universitaire de France & Académie des Technologies d'Espagne :
« Des jumeaux virtuels aux jumeaux hybrides ».
Ce cours passera en revue les trois ingrédients principaux de ces jumeaux hybrides qui combinent temps réel, assimilent les données et permettent d’adapter et d’enrichir les simulations pour garantir leur prédictibilité.

 

Ces trois premiers cours qui aborderons l’apprentissage profond, seront complétés par des travaux dirigés sur le Deep Learning et des travaux pratiques sous Python et Keras. Ces travaux seront assurés par Mourad Zerai, enseignant chercheur à l’Ecole Supérieure Privée d’Ingénierie et de Technologie. Mourad Zerai

 

Stéphane Andrieux Le quatrième cours sera assuré par Stéphane Andrieux directeur scientifique de l’ONERA : « Divergence de Bregman, en tant qu’outil de base pour la construction de métriques dans les espaces de données structurées». Ce cours permettra de montrer l’intérêt de l’utilisation de distances ou de mesures adaptées dans les espaces à grande dimension qui sont constitués par des vecteurs ou des solutions d'équations aux dérivées partielles. Les mesures constituent la base de méthodes de clustering, d'apprentissage multiple ou, plus généralement, de méthodes de réduction de dimension non linéaire.

 

Le cinquième cours sera assuré par Antonio Falcó, professeur de l’Universidad CEU Cardenal Herrera (Espagne). « Outils et cadre mathématique pour la Reduction de Modèles», où seront présentés des outils mathématiques pour mieux comprendre et aborder les méthodes de réduction de modèles basées sur des sous-espaces. Antonio Falcó

 

Yvon Maday Le sixième cours sera assuré par Yvon Maday, professeur de l’Université Paris 6, Laboratoire Jacques Louis Lions : « mutualisme symbiotique entre méthodes de base réduites et cadre Big Data », où seront rappelés l'essentiel des Méthodes de Base Réduites (RBM) dans le contexte de réduction d'ordre de modèle, y compris la présentation des Méthodes d'Interpolation Empiriques (EIM) qui permet de reconstruire des états de données.

 

Une sixième conférence sera assurée par Sana Louhichi, de l’Université de Grenoble Alpes, France et portera sur les « Processus empiriques en apprentissage statistique ». Sana Louhichi

Cinq conférences portant sur les techniques de réduction de modèles seront présentées tout au long de l’école.

Details and registration

https://cimpa2019.oraco.tn/

Details and registration

https://cimpa2019.oraco.tn/

 

List of participants to this conference
Jun 25, 2019 to Jul 05, 2019

No participants
Contact
secretary@mims-institut.org