METAPROGRAMME DIGIT-BIO
Biologie numérique pour explorer et prédire le vivant

La cellule d'animation IA de DIGIT-BIO propose un cycle de webinaires visant à
  • 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

Prochaine séance: 12 janvier 2023

Séances

Accès à l’ensemble des séances, par séquence

.js-id-concepts

Introduction 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

DateLieuOrateurTitre
31/01/2214:00 – 17:00distancielSéance 0Séance introductive
14:00 – 14:30OuvertureOrganisateursDigit-BIO & IA
14:30 – 17:00CoursLiva RavailovaIntroduction à l'IA et au machine learning
07/04/2214:00 – 17:00hybrideSéance 1Machine learning pour la classification supervisée
14:00 – 15:30CoursBlaise HanczarDe la régression logistique aux réseaux de neurones
16:00 – 17:00Étude de casFadwa Fatmaoui , Emmanuel MoebelLe deep learning et la cryo-tomographie électronique permettent l'identification et la localisation de nucléosomes in situ
23/05/2214:00 – 17:00distancielSéance 2Identification de structure par classification non-supervisée
14:00 – 15:30CoursCathy MaugisDu modèle de mélanges aux réseaux de neurones
16:00 – 17:00Étude de casSophie Donnet, François MassolApprentissage non supervisé de structures de réseaux écologiques
27/06/2214:00 – 17:00distancielSéance 3Identification de structure par réduction de dimension
14:00 – 15:30CoursStéphanie AllassonnièreDe l’analyse en composantes principales aux auto-encodeurs variationnels
16:00 – 17:00Étude de casOlivier Gandrillon, Franck PicardQuelle est la dimension pertinente de l’espace d’expression des gènes?
12/01/2314:00 – 17:00distancielSéance 4Introduction à l'extraction de connaissances
14:00 – 15:30CoursArnaud FerréComment extraire automatiquement des informations de documents textuels ?
16:00 – 17:00Étude de casRobert BossyMise en pratique de l'Extraction d'Information dans le domaine de la biodiversité microbienne

Intervenants

Séance 0: Introduction à l’IA et au Machine Learning

Avatar

Liva Ralaivola

Head of AI Research at Criteo AI Lab

Séance 1: Machine Learning pour la classification supervisée

Avatar

Blaise Hanczar

PR, IBISC, UEVE

Avatar

Emmanuel Moebel

Ingénieur de recherche en traitement d’image

Avatar

Fadwa Fatmaoui

PhD student Cryo-Electron Tomography

Séance 2: Identification de structures par classification non-supervisée

Avatar

Cathy Maugis

MCF, INSA/IMT

Avatar

François Massol

Researcher at CNRS

Avatar

Sophie Donnet

Researcher at INRAE, division Mathnum

Séance 3: Identification de structures par réduction de dimension

Avatar

Franck Picard

DR CNRS, Statistics

Avatar

Olivier Gandrillon

DR CNRS, Systems Biology

Avatar

Stéphanie Allassonnière

PR, U-Paris, PR[AI]RIE fellow

Séance 4: Introduction à l’extraction d’information

Avatar

Arnaud Ferré

CR INRAE, Mathnum

Avatar

Robert Bossy

IR INRAE, Mathnum

Organisateurs

Avatar

Julien Chiquet

DR2 INRAE, Mathnum

Avatar

Marie-Laure Martin

DR2 INRAE, Mathnum/BAP

Digit-bio IA

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.