METAPROGRAMME DIGIT-BIO
Biologie numérique pour explorer et prédire le vivant
- Mettre en place un vocabulaire partagé sur les méthodes de l’IA
- Sensibiliser aux questions liées à l’IA propres aux sciences du vivant
- Identifier des questions biologiques pour lesquelles des développements en IA méritent d’être poursuivis
Séances
Accès à l’ensemble des séances, par séquence
.js-id-conceptsIntroduction à l’IA et au Machine Learning
Un panorama en IA en machine-learning, avec une ouverture sur le sciences du vivant
Machine Learning pour la classification supervisée
Depuis les approches classiques (régression) aux approches d’apprentissage profond (CNN).
Thème à définir
Informations pratiques 2023 lieu lien visio Intervenants doctorant.e. 1 doctorant.e. 2 doctorant.e. 3 Vidéo à venir Quiz, discussion Question On en parle
Identification de structures par classification non-supervisée
Des modèles de mélanges aux approches par apprentissage profond
Identification de structures par réduction de dimension
De l’analyse en composantes principales aux auto-encoders variationnels
Séance 4: Introduction à l’extraction d’information
Données textuelles, NLP, IA symbolique
Programme prévisionnel
Intervenants
Séance 0: Introduction à l’IA et au Machine Learning
Liva Ralaivola
Head of AI Research at Criteo AI Lab
Séance 1: Machine Learning pour la classification supervisée
Blaise Hanczar
PR, IBISC, UEVE
Emmanuel Moebel
Ingénieur de recherche en traitement d’image
Fadwa Fatmaoui
PhD student Cryo-Electron Tomography
Séance 2: Identification de structures par classification non-supervisée
Cathy Maugis
MCF, INSA/IMT
François Massol
Researcher at CNRS
Sophie Donnet
Researcher at INRAE, division Mathnum
Séance 3: Identification de structures par réduction de dimension
Franck Picard
DR CNRS, Statistics
Olivier Gandrillon
DR CNRS, Systems Biology
Stéphanie Allassonnière
PR, U-Paris, PR[AI]RIE fellow
Séance 4: Introduction à l’extraction d’information
Arnaud Ferré
CR INRAE, Mathnum
Robert Bossy
IR INRAE, Mathnum
Organisateurs
Christèle Robert-Granié
DR1 INRAE, GA
Julien Chiquet
DR2 INRAE, Mathnum
Marie-Laure Martin
DR2 INRAE, Mathnum/BAP
Digit-bio IA
INRAE
À propos
Le metaprogramme DIGIT-BIO
Les métaprogrammes INRAE sont des dispositifs d’animation et de programmation scientifique sur un nombre restreint de sujets nécessitant des approches systémiques et interdisciplinaires pour répondre à nos défis scientifiques et sociétaux.
En savoir plus sur les Métaprogrammes : https://www.inrae.fr/nous-connaitre/metaprogrammes
DIGIT-BIO – Biologie numérique pour explorer et prédire le vivant a été lancé en mars 2021
Voir la page web publique du metaprogramme et la page intranet.
S’abonner à la liste de diffusion de Digit-Bio: https://groupes.renater.fr/sympa/info/digitbio
La cellule IA
La cellule DIGIT-BIO-IA est chargée de l’animation de la thématique IA au sein de ce metaprogramme.