Le symposium international SEMLA (Software Engineering for Machine Learning Applications) se tiendra sous forme de webinaires gratuits pendant tout le mois de juin.
Le SEMLA vise à rassembler la communauté de recherche et les praticien.ne.s du génie logiciel et de l’apprentissage automatique pour réfléchir et discuter des défis et des implications de l’ingénierie de systèmes logiciels complexes axés sur les données. Nous sommes très fiers chez IVADO de soutenir cet important événement!
Si tout le monde s’accorde pour dire que le développement de nouveaux algorithmes d’apprentissage automatique augmentera le potentiel de l’analyse des données, seule leur mise en œuvre dans des systèmes réels leur permettra de réaliser leur plein potentiel. Du point de vue de l’ingénierie, une fois qu’un algorithme est mis en œuvre, il nécessite une architecture solide, une validation des modèles/données, un suivi approprié des modifications, des stratégies d’ingénierie de versions dédiées, l’adoption judicieuse de modèles de conception et de contrôles de sécurité, ainsi qu’une évaluation et un ajustement approfondis de l’expérience utilisateur. Toutes ces activités requièrent des connaissances combinées en génie logiciel, en science des données et en apprentissage automatique.
SEMLA invite ainsi toute la communauté de recherche et les praticien.ne.s à en apprendre plus sur ces sujets à travers plusieurs webinaires avec des expert.e.s mondiaux dans le domaine de l’apprentissage automatique et du génie logiciel.
Pour plus de renseignements, visitez le site de SEMLA (en anglais).
Webinaire à venir
- 30 juin 2020 – Mark Harman, Facebook – A Hidden, Bot-only Platform to Learn About Trolls and Scammers (tentative title)
Pour en savoir davantage sur les conférenciers, visitez le site de SEMLA (en anglais).
Vous trouverez également le programme complet ici.
Enregistrez-vous gratuitement ici!
Webinaires passés
- 23 juin 2020 – Grady Booch, IBM Research – Software Methodology and Lifecycle In AI
- 22 juin 2020 -Samuel Deng et Achille C. Varzi, Columbia University –Methodological Blind Spots in Machine Learning Fairness: Lessons from the Philosophy of Science and Computer Science
- 18 juin 2020 – Christian Kästner, Carnegie Mellon School of Computer Science – Engineering AI-Enabled Systems with Interdisciplinary Teams
- 17 juin 2020 – Diego Oppenheimer, Algorithmia – DevOps for Machine Learning and other Half-Truths: Processes and Tools for the ML Lifecycle