Pages

Tuesday, March 08, 2016

Paris Machine Learning Newsletter, March 2016 [In French]

Paris Machine Learning Newsletter, March 2016

Outline

1 Edito de Franck et Igor
2 le prochain meetup, c’est demain soir !
3 Les autres meetups: FrenchData,RecSyS Paris Meetup, Aix-Marseille ML et ML Bordeaux meetup
6 Dotscale discount

1 Edito de Franck et Igor

29 jours en Février donc quatre meetups le soir, corrélation ou causation, nous ne sommes pas sûrs. En tout cas, ce fut exaltant, Franck et moi pensions qu’au bout du troisième meetup, vous vous lasseriez de venir, eh bien non, il y avait un nombre record de personnes à Mobiskill (le dernier meetup). On aura un résumé de ces quatres meetups passionnants et celui de demain soir plus tard ce mois-ci stay tuned.

Comme l’année dernière nous organiserons un bird of a feather “Paris Machine Learning and Data Science Community (BOF)” à Devoxx le Jeudi 21 Avril au soir. Si vous êtes organisateurs de meetup autour de la data science/ML et êtes intéressés à présenter votre meetup avec nous (comme nous l’avions fait l’année dernière n’hésitez pas à contacter Franck ou moi-même).

Pour information, Roelof et Samim (meetup #1, Saison 3) viennent d’écrire un grand blog post sur la créativité computationelle. C’est ici: CreativeAI, On the Democratisation & Escalation of Creativity — Chapter 01

Kiran nous fait savoir que le papier sur lequel était basé sa présentation en Janvier (il y a cinq meetups de cela) se trouve ici: http://gvv.mpi-inf.mpg.de/projects/PersonalizedFaceRig/

Si vous avez des informations à faire passer à la communauté, vous pouvez le faire en postant directement sur notre page Facebook, notre page Google+, ou sur notre groupe LinkedIn (si vous cherchez des data scientists, n'oubliez pas de mettre [JOB] si c’est une annonce). Vous pouvez aussi nous contacter sur notre  compte Twitter: @ParisMLgroup, nous ferons un RT.

Voila c’est tout pour ce mois-ci.



2 Le prochain meetup c’est demain !

Ce meetup est sponsorisé par Capgemini Consulting (salle & buffet). Un grand merci à eux.

Le seul moyen d’avoir un bon meetup est sensiblement lié à la capacité pour tous de changer votre RSVP en “non” si vous ne venez pas. Merci de le faire pour les autres (nous avons la chance d’avoir une communauté nombreuse-presque 3400- et nous n’avons pas eu à émuler les loteries pour rentrer dans la salle comme au Brésil, ou faire des points bonus-malus comme c’est fait a Singapour !). Faite votre devoir de citoyen et changer votre RSVP.

Le programme du meetup :

Talk : 19h - 21h:30

- Olivier Auliard et Charlotte Delaunay (Capgemini Consulting)

Savoir anticiper les fusions et acquisitions est un enjeu particulièrement crucial pour les banques d'affaires. A la demande de l'une d'entre elles, nous avons construit un modèle prédictif permettant d'identifier quelques mois à l'avance les entreprises susceptibles de devenir une cible pour une fusion ou une acquisition. Nous proposons de vous détailler la démarche que nous avons mise en oeuvre, depuis sa conception jusqu'aux éléments de visualisation des résultats obtenus, en passant par l'acquisition des données, leur préparation, la construction de la cible, les modèles testés...


State-of -the-art Machine Learning algorithms for Voice Recognition. Résulé du talk @ Collège de France,
Deep Learning in Speech Recognition : we show some examples of the impact of deep learning on the whole field of speech recognition. We will also give a quick glance at one of the state of the art systems.

Le deep learning dans la reconnaissance vocale : nous montrons l'impact du deep learning dans le domaine de la reconnaissance vocale, à travers d'exemples. Nous expliquons rapidement l'architecture d'un système à l'état de l'art.


The works presented in this talk address a resource allocation problem arising in the context of mobile communication networks. More specifically, this problem deals with the optimization of network energy consumption for a guaranteed quality of service level. The solution investigated is based on reinforcement learning schemes for implementing resource allocation tasks for the network. The problem of interest can indeed be cast into a Markov Decision Process (MDP) framework. It appears from the experiments that state-of-the-art controller systems can be improved, so that an alternative MDP modeling is proposed and its performance results are compared to the state-of-the-art, demonstrating significant performance improvement over the latter.

- Tariq Daouda (University of Montreal)

As neural nets increase in complexity they also become harder to write and harder to teach. Our hypothesis is that these difficulties stem from the absence of a language that elegantly describe neural networks. Mariana (named after the deepest place on earth, the Mariana trench) is an attempt to create such a language within python. That being said, you can also call it as an Extendable Python Machine Learning Framework build on top of Theano that focuses on ease of use.


Comment la psychométrie et le machine learning peuvent identifier les cultures d'entreprise et les facteurs de réussite professionnels
- Buffet - Networking : 21h30 - 22h30

3. Les autres meetups:


4. Francis nous informe d’une conférence: Computational and statistical trade-offs in learning, March 22-23, 2016, Institut des hautes etudes scientifiques, Centre de conference Marilyn et James Simons, 35 route de Chartres 91440 Bures sur Yvette
This workshop focuses on the computational and statistical trade-offs arising in various domains (optimization, statistical/machine learning). This is a challenging question since it amounts to optimize the performance under limited computational resources, which is crucial in the large-scale data context. One main goal is to identify important ideas independently developed in some communities that could benefit the others.

Invited speakers:

  • Pierre Alquier (ENSAE, Paris-Saclay)
  • Alexandre d'Aspremont (D.I., CNRS / ENS Paris)
  • Quentin Berthet (DPMMS, Cambridge Univ., UK)
  • Alain Celisse (Université de Lille)
  • Rémi Gribonval (INRIA, Rennes)
  • Emilie Kaufmann (CNRS, Lille)
  • Vianney Perchet (CREST, ENSAE Paris-Saclay)
  • Garvesh Raskutti (Wisconsin Institute for Discovery, Madison, USA)
  • Ohad Shamir (Weizmann Insitute, Rehovot, Israel)
  • Silvia Villa (Istituto Italiano di Tecnologia, Genova & MIT, Cambridge, USA)

The conference is free and open to all, but registration is mandatory before March, 19. Please fill-in the form at
where you will also find detailed information about the conference.



Julie nous informait dans le premier meetup de Février de l’atelier a STATLEARN organisée par la SFdS. C’est ici: http://statlearn.sfds.asso.fr/

Nous avons le plaisir de vous annoncer que la 7ème èdition du workshop STATLEARN "Challenging problems in Statistical Learning" aura lieu les jeudi 7 et vendredi 8 avril 2016 à Vannes (campus de Tohannic, Université de Bretagne-Sud). Ce workshop se propose de présenter les récentes avancées de l'apprentissage statistique qui a vu ses problématiques évoluer rapidement ces dernières années.

STATLEARN, qui est une conférence de la Société Française de Statistique (SFdS), s'inscrit cette année dans le semestre thématique du labex Henri Lebesgue. Il est co-organisé à l'université de Bretagne-Sud par les laboratoires LMBA et IRISA, avec le soutien de l'université Paris 1 Panthéon-Sorbonne, de l'IRMAR, de l'AMIES et de la région Bretagne.

Les deux journées de conférences seront organisées en 4 demi-journées thématiques. Le programme est le suivant :

Jeudi 7 avril :
9h30-12h30 Session 1: Topic Modeling / Text mining
- Cédric Archambeau (University College London - UK / Amazon - Berlin - Germany)
- Julien Velcin (ERIC / Université Lyon 2 - Lyon - France)
- Quentin Pleplé (EPSI, Big Datext et Short Edition - Grenoble - France)

14h00-17h30 Session 2: High dimension and applications
- Ernest Fokoué (Rochester Institute of Technology - USA)
- Mathieu Fauvel (INRA et INPT-ENSAT - Toulouse - France)
- Emeline Perthame (Inria Grenoble - Rhone-Alpes - France)

18h00-20h00 Poster Session

Vendredi 8 avril :
9h30-12h30 Session 3: Optimal transport and learning
- Marco Cuturi (Kyoto University - Japan)
- Jérémie Bigot (Université de Bordeaux et Institut de Mathématiques de Bordeaux - France)
- Rémi Flamary (Université de Nice Sophia-Antipolis - France)

14h00-16h00 Session 4: Recent advances in statistical learning
- Patrick Perez (Technicolor, Rennes - France)
- Vladimir Vapnik (Facebook Research - USA)

L'inscription au workshop est gratuite mais obligatoire et doit être faite avant le 15 mars 2016 au moyen du formulaire disponible sur le site web : http://statlearn.sfds.asso.fr/

En outre, une session "poster" permettant à ceux qui le souhaitent de présenter leurs travaux récents ou en cours est également prévue. Si vous souhaitez présenter un poster, vous devez soumettre un titre et un résumé au moyen du formulaire disponible sur la page web du workshop.

Enfin, le workshop sera précédé cette année encore par une journée d'Ecole de Printemps ! Informations et inscriptions sur la page web du workshop. Attention, le nombre de places est limité à 50 participants, et celles-ci sont destinées de façon privilégiée (mais non exclusive) aux doctorants et post-doctorants.

Au plaisir de vous voir à Vannes les (6) 7 & 8 avril prochains.

Les organisateurs,
N. Béchet, C. Bouveyron, L. Chapel, N. Courty, M. Emily, E. Fokoué, C. Friguet, J. Jacques, P. Latouche


6. Ferdinand nous avait parlé de dotscale à l’un des meetups de Février.

“...Les membres du meetup PMLAG peuvent utiliser le code PARISML ou plus simplement le lien https://dotscale2016.eventbrite.com/?discount=PARISML pour récupérer une place avec un discount de 25%....”. Merci Ferdinand.
 
 
 
 
 
 
Join the CompressiveSensing subreddit or the Google+ Community or the Facebook page and post there !
Liked this entry ? subscribe to Nuit Blanche's feed, there's more where that came from. You can also subscribe to Nuit Blanche by Email, explore the Big Picture in Compressive Sensing or the Matrix Factorization Jungle and join the conversations on compressive sensing, advanced matrix factorization and calibration issues on Linkedin.

No comments:

Post a Comment