Statistiques en grande dimension appliquées à l'apprentissage automatique
FR |
EN
Auteur / Autrice : | Charles Sejourne |
Direction : | Romain Couillet |
Type : | Projet de thèse |
Discipline(s) : | Signal Image Parole Télécoms |
Date : | Inscription en doctorat le 11/02/2020 |
Etablissement(s) : | Université Grenoble Alpes |
Ecole(s) doctorale(s) : | École doctorale électronique, électrotechnique, automatique, traitement du signal |
Partenaire(s) de recherche : | Laboratoire : Grenoble Images parole signal automatique |
Mots clés
FR |
EN
Mots clés libres
Résumé
FR |
EN
Le projet de thèse consiste en l'étude des performances d'algorithmes d'apprentissage pour des données de grandes tailles. En s'appuyant sur les premiers travaux effectués au sein de la chaire GSTATS, il s'agira ici d'étendre le cadre d'étude à des problèmes d'optimisation ne donnant pas lieu à des solutions explicites et n'étant parfois pas convexes. Techniquement, il est attendu d'exploiter l'outil de la théorie des matrices aléatoires ainsi que de la concentration de la mesure. Le projet s'inscrit dans le cadre d'une collaboration avec HUAWEI Labs à Paris, et aura également pour ambition de développer de nouvelles méthodes et algorithmes pour l'apprentissage de données réelles.