Les actes de l'atelier APTA@EGC 2021 sont disponibles à l'url suivante : 

https://apta2021.sciencesconf.org/data/actesAPTA2021.pdf

Les inscriptions à l'atelier se feront depuis le site de EGC : http://inscription.egc.asso.fr/event/egc2021/

 L'atelier se déroulera à distance par visioconférence Webex accessible depuis un navigateur.

 Lien de connexion à l'atelier : https://visio.egc2021.lirmm.fr/b/flo-exa-soa-w5l

Session 1 (9h-10h30) : Apprentissage profond pour les images

• Segmentation d'images à l'aide d'annotations faibles par combinaison de critères sémantiques et géométriques
  Robin Deléarde, Camille Kurtz, Philippe Dejean, Laurent Wendling
  
  
• Prédiction d'efficience d'algorithme de placement
  Corentin Lallier, Bruno Pinaud, Marc Palyart, Laurent Vézard, Guillaume Blin
  
  
• Visualisation d'un ensemble d'images et de sa représentation interne dans un réseau de neurones convolutionnel
  Barthélémy Serres, Fatma Bouali, Christiane Guinot, Maïwenn Colin, Florian Le Meur, Gilles Venturini

Pause (10h30-11h)

Session 2 (11h-12h) : Auto-encodeurs 

• Segmentation non supervisée d'images histopathologiques avec des auto-encodeurs profonds
  Ilias Rmouque, Jonathan Weber, Maxime Devanne, Germain Forestier, Cédric Wemmert
  
  
• Auto-encodeur multi-tâches pour le calcul de moyennes de séries temporelles
  Tsegamlak Terefe, Maxime Devanne, Jonathan Weber, Dereje Hailemariam, Germain Forestier

L’apprentissage profond (deep learning) révolutionne depuis plusieurs années l’apprentissage automatique. Alors que les premiers résultats marquants ont été obtenus principalement en analyse d’images, les travaux actuels en apprentissage profond s’intéressent à présent à tous les types de données (images, vidéos, son, séries temporelles, textes, etc.). De plus, l’utilisation des réseaux profonds s’est également étendue à presque tous les types de traitements (classification, clustering, génération, augmentation de données, détection d’anomalies, prédiction, segmentation, etc.). Ainsi, l’impact de l’apprentissage profond dans le domaine de la science des données et l’extraction de connaissances est considérable.

Suite au succès de la 1ère édition de l’atelier APTA, nous souhaitons à nouveau proposer, dans le cadre de la conférence EGC, un espace d’échanges autour de ce domaine. Celui-ci permettra d’aborder les défis théoriques et les possibilités applicatives qu’il offre à notre discipline de l’extraction et de la gestion des connaissances. Dans le cadre de cet atelier, nous souhaitons nous focaliser sur les applications de l’apprentissage profond dans différents domaines (analyse ou génération d’images, classification de données temporelles, extraction d’informations à partir de données hétérogènes, etc.) mais également permettre la présentation de travaux plus théoriques (nouvelles architectures, nouvelles fonctions de coût, interprétabilité des modèles, etc).

By Aphex34 - Own work, CC BY-SA 4.0, Link

L’objectif de cet atelier est d’offrir un moment et un espace d’échanges autour de l’apprentissage profond entre d’une part, des informaticiens, développant de nouveaux modèles et éventuellement à la recherche de champs d’application pour les valider, et d’autre part, des utilisateurs thématiciens avec moins d’expérience et souhaitant appliquer les méthodes d’apprentissage profond à leurs données. Cet espace permettra également aux potentiels nouveaux utilisateurs, curieux de ces approches, d’en comprendre les avantages et les limites.

 Nous sollicitons des soumissions portant sur les thèmes suivants (liste non exhaustive) : 

• Applications de l’apprentissage profond

• Extraction d’informations à partir d’images, de vidéos, de sons

• Analyse de séquences temporelles

• Text-mining

• Analyse du langage naturel, de la parole

• Données géographiques

• Données financières

• Données de mouvements humains

• Données médicales, biologiques, bio-informatiques

• Recommandation et publicité ciblée

• Jeu et résolution de problèmes

• Nouvelles approches pour l’apprentissage profond

• Réseaux récurrents

• Réseaux siamois

• Apprentissage par renforcement

• Réseaux antagonistes génératifs (GAN)

• Convolutions et graphes

• Apprentissage auto-supervisé (self-supervised learning)

• Deep learning collaboratif

• Modèles prédictifs

    • Soumission des papiers : 30/11/2020 19/12/2020
    • Notification aux auteurs : 19/12/2020 05/01/2021
    • Réception des versions finales : 15/01/2021
    • Mise en ligne du programme : 16/01/2021
    • Date de l’atelier : 26/01/2021

Suite au succès de la première édition d’APTA à EGC 2020, nous proposons de continuer à animer cet espace privilégié de rencontres, d’échanges, de retours d’expériences et de réflexions autour de l’apprentissage profond, aujourd’hui largement considéré dans divers domaines, et utilisé avec tous types de données pour de multiples traitements.

L'atelier est ouvert en termes de propositions. Nous souhaitons stimuler particulièrement des discussions aussi bien du point de vue expérimental que théorique, académique ou industriel. Les présentations pourront concerner des résultats de travaux aboutis ou en cours, des réflexions ou retours d’expériences, ou des études préliminaires (exposant davantage des problématiques originales que des solutions) autour de l’apprentissage profond. Enfin, les discussions sur les problématiques inter- ou pluridisciplinaires sont également bienvenues. 

Les auteurs sont invités à soumettre électroniquement leur proposition en utilisant la plateforme de l’atelier : 

https://apta2021.sciencesconf.org/submission/submit

La taille des soumissions sera de 10 pages au maximum. Elle pourra être beaucoup plus courte, en particulier pour les articles présentant un travail qui débute ou la présentation de projet de recherche. Le format LaTex à utiliser est celui de la revue « Revue des Nouvelles Technologie de l'Information » (RNTI) disponible à l'adresse suivante : http://www.editions-rnti.fr/files/RNTI-X-Y2.1.zip

La langue officielle de l'atelier sera le français, mais des articles en anglais pourront être acceptés.

L'atelier sera constitué d'une série d'exposés, présentations orales suivies d'un temps de questions et de discussions. Les articles soumis feront l'objet de rapports de relecture par au moins deux relecteurs afin d'améliorer leur qualité et conseiller les auteurs. Nous encourageons les présentations de jeunes chercheurs. Ceci peut permettre à un doctorant de présenter son projet de recherche. Cette partie de l’atelier est particulièrement importante pour les travaux qui débutent et pour la mise en place de groupes de recherche sur des thèmes partagés. L’atelier se déroulera en distanciel par visioconférence.

• Maxime Devanne, MCF, Université de Haute-Alsace, IRIMAS
• Germain Forestier, PU, Université de Haute-Alsace, IRIMAS
• Camille Kurtz, MCF, Université de Paris, LIPADE
• Jonathan Weber, MCF, Université de Haute-Alsace, IRIMAS
• Cédric Wemmert, PU, Université de Strasbourg, ICube