Apprentissage dans un contexte déséquilibré : méthodes et contributions
11/01/2021, 11:00, en ligne via Teams
L’apprentissage à l’aide de données déséquilibrés est présent dans de nombreux contextes comme la détection de fraudes bancaires, aux assurances ou encore dans la détection d’anomalies dans les images médicales. Elles constituent des événements rares dont l’importance est capitale sur plusieurs aspects (sécurité, finances, santé) mais aussi une tâche ardue en apprentissage.
Je présenterai une liste non exhaustive de méthodes permettant de traiter le déséquilibre en introduction. Je présenterai ensuite une ou deux contributions dans le domaine à travers les notions de distances et d’apprentissage par pondération des erreurs, à la fois sur le plan pratique théorique.
Je profiterai de la présentation de ces contributions pour vous présenter d’éventuelles pistes de réflexions ou travaux en cours sur ce domaine.
Français 
English (UK)