Identifier la structure des problèmes d’apprentissage en ligne et collaboratif
FR |
EN
Auteur / Autrice : | Mahsa Asadi |
Direction : | Marc Tommasi, Aurélien Bellet |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique et applications |
Date : | Soutenance le 25/11/2022 |
Etablissement(s) : | Université de Lille (2022-....) |
Ecole(s) doctorale(s) : | Ecole doctorale Mathématiques, sciences du numérique et de leurs interactions (Lille ; 2021-....) |
Partenaire(s) de recherche : | Laboratoire : Centre de Recherche en Informatique, Signal et Automatique de Lille - Centre Inria de l'Université de Lille |
Jury : | Président / Présidente : Laetitia Jourdan |
Examinateurs / Examinatrices : Ciara Pike-Burke, Odalric-Ambrym Maillard | |
Rapporteurs / Rapporteuses : Hachem Kadri, Matthieu Geist |
Résumé
FR |
EN
De nos jours, il est courant de traiter des problèmes à grande échelle et si nous prenons en compte la structure du problème, cela pourrait nous aider à améliorer les performances d'apprentissage. Dans ce travail, nous avons proposé des approches qui tiennent compte de la structure dans deux contextes: (i) les problèmes d'apprentissage par renforcement basés sur des modèles où nous avons réduit le regret (ii) les problèmes d'estimation de moyenne personnalisée en ligne où nous avons réduit la complexité de l'échantillon pour l'estimation moyenne.