Séminaire du LIRIS - Sébastien Destercke - Apprendre dans un monde imparfait, avec un focus sur les données incertaines.
La prise en compte des incertitudes pour créer des modèles prédictifs meilleurs ou plus robustes est une tâche courante en apprentissage automatique. Si ces tâches sont le plus souvent envisagées dans une perspective purement probabiliste, il peut être intéressant d’y mélanger une pointe d’imprécision, par exemple pour fournir des inférences robustes et/ou permettre une modélisation plus riche des incertitudes. Dans cet exposé, j'examinerai différentes situations dans lesquelles une telle imprécision peut être intégrée dans des cadres d'apprentissage standards, en me concentrant en particulier sur le cas de données imprécises et imparfaites, et sur les situations où la prise en compte de l'imprécision peut réellement aider le processus d'apprentissage plutôt que de représenter un fardeau pour cela.