Adaptabilité des modèles fondations
Dans cette présentation, le scientifique de la défense Mathieu Pagé Fortin analysera comment les modèles fondations, grâce à leur formation sur des données massives et diversifiées, peuvent être adaptés pour résoudre efficacement des tâches spécialisées.
Date
- 27 septembre 2024
Heure
12h00 à 13h00
Localisation
Événement hybride
Sur Zoom
À l'Université Laval, local 2700, pavillon Adrien-Pouliot
Coûts
Gratuit
L’événement sera présenté par le biais de la plateforme Zoom.
Rendez-vous au local 2765 du pavillon Pouliot, à l’Université Laval. Un diner-pizza sera offert aux personnes présentes.
À propos de la conférence
Dans cette présentation, nous analyserons comment les modèles fondations, grâce à leur formation sur des données massives et diversifiées, peuvent être adaptés pour résoudre efficacement des tâches spécialisées. Cette adaptabilité permet de tirer parti de leur compréhension des données pour répondre à des besoins spécifiques sans nécessiter de nouveaux entraînements exhaustifs.
Nous examinerons également les mécanismes qui sous-tendent cette adaptabilité tels que l’apprentissage par transfert, l’apprentissage avec peu d’exemples, et l’ingénierie d’invites.
À propos du conférencier
Mathieu Pagé Fortin, scientifique de la défense, Recherche et Développement pour la Défense Canada
Mathieu Pagé Fortin a récemment obtenu son doctorat en informatique à l’Université Laval, où il s’est spécialisé dans l’étude des réseaux de neurones profonds.
Ses recherches se sont concentrées sur l’adaptabilité et l’extensibilité de ces réseaux, c’est-à-dire leur capacité à apprendre de nouvelles tâches efficacement et à acquérir continuellement de nouvelles connaissances sans oublier celles déjà acquises. Ses travaux se sont portés notamment sur l’apprentissage avec peu d’exemples (few-shot learning), l’apprentissage continuel ainsi que l’apprentissage multimodal.
Restons en contact!
Vous souhaitez être informé des nouvelles et activités de l'IID? Abonnez-vous dès maintenant à notre infolettre mensuelle.