Information détaillée concernant le cours
Titre | École d’été 2022 |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Dates | 4–7 septembre 2022 |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Responsable de l'activité | Sebastian Engelke |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Organisateur(s)/trice(s) | Prof. Sebastian Engelke, UNIGE Mme Caroline Gillardin, coordinatrice CUSO Co organisation avec l'EPFL et l'EPFZ |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Intervenant-e-s | Prof. Bin Yu from University of California, Berkeley (USA) Prof. Johannes Schmidt-Hieber from University of Twente, Enschede (The Netherlands) Prof. Gitta Kutyniok from Université Ludwig Maximilian de Munich (Germany) Prof. Aaditya Ramdas, Université Carnegie Mellon, Pittsburgh (USA) |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Description | 3 à 4 cours de 4.5 heures chacuns seront donnés par des spécialistes internationaux sur des sujets de pointes en statistiques. Prof. Bin Yu de University of California, Berkeley (États-Unis) Title: Veridical data science and interpretable machine learning towards trustworthy AI Abstract Lecture 1:This lecture introduces the predictability computability stability (PCS) framework and documentation that unifies, streamlines and expands on ideas and best practices from statistics and machine learning for the entire data science life cycle. Prof. Johannes Schmidt-Hieber from University of Twente, Enschede (The Netherlands) Title: Statistical theory for deep neural networks Abstract Lecture 1:Survey on neural network structures and deep learning. There are various types of neural networks that differ in complexity and the data types that can be processed. This lecture provides an overview and surveys the algorithms used to fit deep networks to data. We discuss different ideas that underly the existing approaches for a mathematical theory of deep networks. Prof. Gitta Kutyniok from Université Ludwig Maximilian de Munich Title: will follow Abstract Lecture 1:Une introduction à la théorie des réseaux de neurones profonds.Dans cette conférence, nous fournissons une introduction générale aux fondements théoriques de l'apprentissage profond. Nous présentons et étudions les principales orientations de recherche dans ce domaine, et discutons du potentiel, mais aussi des limites par rapport aux méthodes classiques. Lecture 2:La théorie des réseaux de neurones profonds: expressivité et apprentissage. En ce qui concerne l'apprentissage profond en tant que problème d'apprentissage statistique, la théorie de base peut être divisée en directions de recherche de l'expressivité, de l'apprentissage et de la généralisation. Dans cette conférence, nous nous concentrerons d'abord sur l'expressivité, qui vise à fournir une compréhension approfondie de l'impact de l'architecture d'un réseau neuronal sur ses performances, et à présenter les propriétés d'universalité étonnantes des réseaux de neurones profonds. Deuxièmement, nous discuterons des approches pour analyser l'algorithme d'entraînement le plus courant, à savoir la descente de gradient stochastique, qui fonctionne étonnamment très bien malgré la non-convexité du problème. Lecture 3: La théorie des réseaux de neurones profonds: mystère de la généralisation. L'étonnante capacité des réseaux de neurones profonds à bien fonctionner sur des données invisibles est toujours l'un des grands mystères de l'apprentissage profond. En fait, la théorie classique de l'apprentissage statistique n'explique que le risque d'entraînement et de test dans le régime de paramètres faibles, alors que le comportement dans le régime de paramètres élevés n'est pas du tout compris. Dans cette conférence, nous discuterons de premiers résultats passionnants tels que la ligne de recherche introduisant et utilisant le concept d'un noyau tangent neuronal. Prof. Aaditya Ramdas, Université Carnegie Mellon, Pittsburgh (USA) Title: will follow Abstract Lecture 1 :Estimer les moyennes des variables aléatoires bornées par les paris Lecture 2: Conception expérimentale séquentielle: la dame goûtant le thé et l'inférence universelle L'une des principales idées des statistiques de la théorie des jeux est que nous parions contre le nul et utilisons directement la « richesse résultante comme preuve contre le nul ». Les processus de preuve qui en résultent sont appelés « processus électroniques » (ou valeurs électroniques) et présentent de nombreux avantages par rapport aux notions traditionnelles de preuve telles que les valeurs p. Principalement, si les preuves ne suffisent pas, on peut prolonger l'expérience gratuitement et recueillir encore plus de preuves tout en maintenant une notion forte de contrôle des erreurs. Nous développerons ces idées en revisitant l'expérience classique de Fisher « lady tasting tea » d'il y a 100 ans à partir d'une nouvelle lentille moderne, et discuterons des extensions aux tests multiples. Si le temps le permet, nous donnerons une méthodologie générale pour construire des processus électroniques : l'inférence universelle. Lecture 3 : Parier pour l'échantillonnage sans remplacement: comment auditer les élections |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Programme |
This program may be changed |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Lieu |
Saignelégier - Centre de Loisirs des Franches-Montagnes - Jura |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Information | Centre de loisirs des franches-montagnes (CLFM) Adress : Chemin des Sports 10, 2350 Saignelégier, Canton du Jura Tel +41 (0)32 951 24 74 De: Aéroport de Genève : Train direct jusqu'à Neuchâtel. Ensuite train de Neuchâtel à La Chaux-de-Fonds. Ensuite train de la Chaux-de-Fonds à Saignelégier. Durée des trajets: Genève - Neuchâtel (69 minutes), Neuchâtel - La Chaux-de-Fonds (28 minutes), La Chaux-de-Fonds - Saignelégier (34 minutes).
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Frais | Tarifs si l'activité a lieu en présentiel : Doctorant CUSO chambre double: 200 CHF Doctorant CUSO chambre simple: 350 CHF Post-doctorant CUSO chambre double: 300 CHF Post-doctorant CUSO chambre simple: 450 CHF Professeur CUSO chambre double: 400 CHF Professeur CUSO chambre simple: 550 CHF Non CUSO universitaire chambre double: 850 CHF Non CUSO universitaire chambre simple: 1000 CHF Non CUSO privé chambre double: 1300 CHF Non CUSO privé chambre simple: 1500 CHF Lors de votre inscription, merci de bien vouloir indiquer dans la zone commentaire si vous désirez une chambre simple, ou double et le nom de la personne avec qui vous souhaiteriez partager votre chambre. Dans le cas où rien n'est indiqué, une chambre simple sera réservée.
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Inscription | Versement sur compte postal (seulement si l'activité à lieu en présentiel): CUSO IMPORTANT :Si vous vous inscrivez et que vous n'êtes pas en mesure d'y assister, veuillez nous contacter dès que possible. Nous appliquerons la politique d'annulation de l'hôtel en cas d'information tardive. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Places | 35 |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Délai d'inscription | 06.08.2022 |

