Clinique des données
17 mars 2025 @ 14 h 00 min – CBGP, Grande salle de réunion du CBGP (Présentiel) La Clinique des données est un service mis en place par l’ISDM afin de porter assistance à la communauté scientifique sur des thématique liées aux données. Ainsi, toute personne ayant une problématique, une question, un bug est la bienvenue lors des permanences de ce service. Vous serez […]
Symposium : IA-Multi-Omique pour les Maladies Rares
3 avril 2025 – 4 avril 2025 @ Toute la journée – Participez au 2ème symposium « IA, Multi-omique et Maladies Rares » qui aura lieu à la faculté de Médecine de Montpellier-Nîmes du 3 au 4 avril 2025. Jeudi 3 Avril à 14h30 : Soutenance d’HDR “Vers une médecine de précision : Développement d’algorithmes d’intelligence artificielle pour le diagnostic des maladies rares” par Kevin Yauy, suivie d’un social networking event. Vendredi 4 Avril […]
IA applicables aux textes : convergences entre les laboratoires de recherche publics et les entreprises
4 avril 2025 @ 0 h 00 min –
Textmine
Le groupe de travail Textmine vous invite à une journée exceptionnelle de rencontres et d’échanges entre acteurs du public et du privé autour des IA appliquées aux textes. Cet événement se tiendra le 02 juin 2025 à Montpellier, dans la salle du Conseil de l’Hôtel de Métropole (50 place Zeus – 34000 Montpellier), à seulement 10 minutes à pied de la gare. Vous êtes chercheur, entreprise, startup ou acteur public ? Venez présenter vos travaux (courtes interventions ou démos) ou simplement assister aux échanges ! Dans les deux cas, l’inscription est requise.
Optimal Classification under Performative Distribution Shift
4 avril 2025 @ 11 h 00 min –
Campus St Priest (860 Rue Saint Priest 34095 Montpellier Cedex 5), bat. 5, Room: 02.124
Machine Learning in Montpellier, Theory & Practice – Olivier Cappé (CNRS / ENS / Université PSL)
Performative learning addresses the increasingly pervasive situations in which algorithmic decisions may induce changes in the data distribution as a consequence of their public deployment. We propose a novel view in which these performative effects are modelled as push-forward measures. This general framework encompasses existing models and enables novel performative gradient estimation methods, leading to more efficient and scalable learning strategies. For distribution shifts, unlike previous models which require full specification of the data distribution, we only assume knowledge of the shift operator that represents the performative changes. Focusing on classification with a linear-in-parameters performative effect, we prove the convexity of the performative risk under a new set of assumptions. We also establish a connection with adversarially robust classification by reformulating the minimization of the performative risk as a min-max variational problem.
IA&Experts
Optimal Classification under Performative Distribution Shift
4 avril 2025 @ 14 h 00 min –
Room 02.124, Building 5, St Priest campus
Machine Learning in Montpellier, Theory & Practice – Olivier Cappé ()
Performative learning addresses the increasingly pervasive situations in which algorithmic decisions may induce changes in the data distribution as a consequence of their public deployment. We propose a novel view in which these performative effects are modelled as push-forward measures. This general framework encompasses existing models and enables novel performative gradient estimation methods, leading to more efficient and scalable learning strategies. For distribution shifts, unlike previous models which require full specification of the data distribution, we only assume knowledge of the shift operator that represents the performative changes. Focusing on classification with a linear-in-parameters performative effect, we prove the convexity of the performative risk under a new set of assumptions. We also establish a connection with adversarially robust classification by reformulating the minimization of the performative risk as a min-max variational problem.
Machine Learning in Montpellier, Theory & Practice