Méthodes pour l'apprentissage de modèles profonds interprétables, fiables et robustes

Description

Le projet de recherche vise le développement de méthodes d'apprentissage de réseaux de neurones profonds visant l'amélioration de l'interprétabilité, la fiabilité et la robustesse des modèles produits. L'approche proposée est basée sur l'extraction des composantes symboliques manipulant des abstractions conceptuelles permettant de décrire un raisonnement utilisé par le réseau de neurones menant à la prise de décision pour un contexte précis, en plus de la décision en tant que tel. Plus spécifiquement, le projet de doctorat porte sur l'élaboration de méthodes permettant la formation de concepts dans la structure des réseaux de neurones à partir des données d'apprentissage. Lesdits concepts seront construits pour être utilisés comme variables pour la description d'un raisonnement menant d'une décision sous une forme symbolique (ex. règles, programme informatique). Ce travail devrait mener à la proposition de nouvelles méthodes permettant de mieux expliquer les décisions de modèles complexes par des experts du domaine tout en permettant une vérification plus formelle des raisonnements par des moyens algorithmiques.

Exigences et conditions

Les candidates et candidats pour ce projet doivent démontrer une volonté de participer à un projet ambitieux de recherche en informatique, avec une connaissance approfondie de l'apprentissage automatique et de l'apprentissage profond et une volonté de se tailler une place dans le milieu de la recherche académique internationale.

Transmettre les publications scientifiques ou autres productions démontrant l'expérience en recherche.