BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//132.216.98.100//NONSGML kigkonsult.se iCalcreator 2.20.4//
BEGIN:VEVENT
UID:20260602T200406EDT-5099x63wuo@132.216.98.100
DTSTAMP:20260603T000406Z
DESCRIPTION:Title: TAGI: Inférence bayésienne analytique dans les réseaux d
 e neurones profonds.\n\nAbstract: Les réseaux de neurones occupent une pla
 ce dominante dans l'apprentissage automatique de par leur capacité à modél
 iser des relations complexes tout en traitant des problèmes en grandes dim
 ensions impliquant des données massives. Jusqu'à maintenant\, la quasi-tot
 alité des méthodes permettant d'entrainer des réseaux de neurones utilisen
 t la rétropropagation du gradient (i.e.\, backprop) et considèrent l'appre
 ntissage des paramètres comme un problème d'optimisation. Dans ce séminair
 e\, nous verrons comment la méthode TAGI (i.e.\, Tractable Approximate Gau
 ssian Inference) a le potentiel de changer ce paradigme en offrant une sol
 ution analytique à la calibration des réseaux de neurones profonds. De par
  sa nature bayésienne\, TAGI considère l'incertitude associée aux paramètr
 es tout en conservant une complexité linéaire en fonction de leur nombre. 
 La capacité de TAGI à inférer analytiquement les paramètres et variables l
 atentes des modèles ouvre de nouvelles possibilités qui ont des impacts ta
 nt au niveau fondamental qu'appliqué. Dans ce séminaire\, nous couvrirons 
 les fondements théoriques de la méthode ainsi que de son impact sur des ap
 plications pratiques de petite et de grande taille (i.e\, >10M+ de paramèt
 res). À noter que comme TAGI n'utilise pas la rétropropagation du gradient
  pour l'apprentissage des paramètres\, la méthode est incompatible avec li
 brairies existantes telles que PyTorch et TensorFlow. Afin que la communau
 té scientifique puisse commencer à tirer avantage de la méthode\, nous sur
 volerons les capacités de la librairie ouverte pyTAGI a été lancée à l'aut
 omne 2022.\n\nWeb site : https://cimmul.fsg.ulaval.ca/event/seminaire-du-c
 immul-james-a-goulet/\n
DTSTART:20230203T183000Z
DTEND:20230203T193000Z
SUMMARY:James-A. Goulet\, Polytechnique Montréal
URL:/mathstat/channels/event/james-goulet-polytechniqu
 e-montreal-345744
END:VEVENT
END:VCALENDAR