Étiquette : IA

CodinGame: Spring Challenge 2020

J’aime les défis (réalisable!). Alors pendant cette période de confinement que nous avons tous subi, il y avait un événement que je ne pouvais rater!
Une compétition proposé par CodinGame: « Spring Challenge 2020 ». Je suis arrivée à la ligue d’Argent.

CodinGame est la plateforme permettant de pratiquer nos compétences de programmation en développant des IA dans plus de 25 langages et en les confrontant aux autres joueurs.

Le post A Look Back at the Greatest Event on CodinGame replace le contexte du jeu, propose une analyse en quelques chiffres et enfin donne quelques pistes de développement pour les stratégies les plus utilisées.

XAI – eXplainable AI

Dans le domaine mathématique, j’adhère à la branche calcul scientifique, « qui regroupe un ensemble de champs mathématiques et informatiques qui permettant la simulation numérique des phénomènes de la physique, chimie, biologie, et sciences appliquées en général. » [1]
Lorsque dans les approches utilisant du Deep Learning, le concept de « Boîte noire » est utilisé, j’ai souvent envie de comprendre le corps de l’algo…. et si il n’est pas disponible, des techniques de XAI restent applicables.

La plus grande difficulté est de trouver un compromis entre la précision d’un modèle et son explicabilité [2]. Les principales raisons d’utiliser XAI est de justifier, contrôler, améliorer ou découvrir. Plusieurs problèmes dans le cas d’explication d’une boîte noire (Black Box Explanation Problem) peuvent être défini, que ce soit l’explication du modèle ou de la prédiction.

[1] http://cermics.enpc.fr/cours/CS/poly.pdf
[2] DARPA

ECCV 2018

La conférence ECCV pour European Conference on Computer Vision est l’une des plus conférences en vision par ordinateur des prestigieuses. Elle est organisée dans une ville européenne tous les deux ans. Cette année, c’était à Munich en Allemagne.

ECCV’18 en quelques chiffres

  • 3200 participants
  • 3 jours d’ateliers
  • 4 jours de conférences plénières
  • 9 sessions de posters avec 777 posters

Principaux courants

Les approches dites de Deep Learning (DL) ou apprentissage profond sont à l’honneur cette année. Peu de travaux utilisent les approches traditionnelles et descriptives.

J’ai pu participer à des plénières présentées par:

  • Raquel Urtasun – Uber
  • Malik Jitendra – Berkley
  • Alexei Efros – Berkley
  • Daniel Cremers – TUM Technical University of Munich

En ce qui concerne les champs d’application, j’ai pu noter qu’il sagit principalement des véhicules autonomes, de la comprehension de vidéo, l’analyse d’actions et/ou de position de l’Homme et de la reconstruction et de la mise en correspondance 3D. D’autres sujets tels que l’art, l’optimisation, réalité augmentée et réalité virtuelle sont également abordés.

Je suis très enthousiaste de voir que les problème de détection de marquage au sol ou d’extraction de point de fuite dans les images sont encore d’actualité.

Références

Pour ceux que cela intéresse toutes les publications sont accessibles sur http://openaccess.thecvf.com/ECCV2018.py