BEGIN:VCALENDAR VERSION:2.0 PRODID:-// - ECPv6.15.15//NONSGML v1.0//EN CALSCALE:GREGORIAN METHOD:PUBLISH X-ORIGINAL-URL:https://isdm.umontpellier.fr X-WR-CALDESC:Évènements pour REFRESH-INTERVAL;VALUE=DURATION:PT1H X-Robots-Tag:noindex X-PUBLISHED-TTL:PT1H BEGIN:VTIMEZONE TZID:Europe/Paris BEGIN:DAYLIGHT TZOFFSETFROM:+0100 TZOFFSETTO:+0200 TZNAME:CEST DTSTART:20240331T010000 END:DAYLIGHT BEGIN:STANDARD TZOFFSETFROM:+0200 TZOFFSETTO:+0100 TZNAME:CET DTSTART:20241027T010000 END:STANDARD BEGIN:DAYLIGHT TZOFFSETFROM:+0100 TZOFFSETTO:+0200 TZNAME:CEST DTSTART:20250330T010000 END:DAYLIGHT BEGIN:STANDARD TZOFFSETFROM:+0200 TZOFFSETTO:+0100 TZNAME:CET DTSTART:20251026T010000 END:STANDARD BEGIN:DAYLIGHT TZOFFSETFROM:+0100 TZOFFSETTO:+0200 TZNAME:CEST DTSTART:20260329T010000 END:DAYLIGHT BEGIN:STANDARD TZOFFSETFROM:+0200 TZOFFSETTO:+0100 TZNAME:CET DTSTART:20261025T010000 END:STANDARD BEGIN:DAYLIGHT TZOFFSETFROM:+0100 TZOFFSETTO:+0200 TZNAME:CEST DTSTART:20270328T010000 END:DAYLIGHT BEGIN:STANDARD TZOFFSETFROM:+0200 TZOFFSETTO:+0100 TZNAME:CET DTSTART:20271031T010000 END:STANDARD END:VTIMEZONE BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20260309T103000 DTEND;TZID=Europe/Paris:20260309T120000 DTSTAMP:20260405T091635 CREATED:20260216T084034Z LAST-MODIFIED:20260216T084034Z UID:10000341-1773052200-1773057600@isdm.umontpellier.fr SUMMARY:Un workflow de communication pour le jumeau numérique basé sur une ontologie et la narration DESCRIPTION:Salle Saltus – Maison de la Teledetection\, 500 rue Jean François Breton 34090 Montpellier\nSEmantic web SeminAr MontpEllier (MISTEA) – Fatma CHAMEKH (BRGM) \nNews du W3C en 10 minutes par Pierre Antoine CHAMPIN du W3C / INRIA/ Université Lyon 1 \nUn workflow de communication pour le jumeau numérique basé sur une ontologie et la narration par Fatma CHAMEKH du BRGM \nRésumé: \nUn des objectifs majeurs du projet JUNON sur le plan économique est de pouvoir développer de nouveaux services innovants en numérique et en métrologie environnementale autour de la création de Jumeaux Numériques de Plaine. Plus spécifiquement\, les jumeaux visés concernent la problématique de l’eau et la qualité de l’air à l’interface des sols. L’architecture du digital twin est composé de 3 couches : une interface\, les données et les applications (les algorithmes de prédiction). Les utilisateurs interrogent le DT via cette surface afin d’afficher les résultats scientifiques des traitements (des algorithmes de traitement). Tout même\, nous constatons qu’il y a une hétérogénéité des profils des utilisateurs\, les actions ciblées et les indicateurs de décisions. Afin d’homogénéiser ces différents aspects\, nous proposons un workflow de communication utilisateur-système basée sur la narration des données (storytelling) et une ontologie. Ce workflow permet de créer une synergie entre les actions des utilisateurs (la requête)\, les données\, les algorithmes de prédiction et la représentation des résultats. \n En savoir plus URL:https://isdm.umontpellier.fr/event/un-workflow-de-communication-pour-le-jumeau-numerique-base-sur-une-ontologie-et-la-narration/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/png:https://isdm.umontpellier.fr/wp-content/uploads/2025/05/SESAME.png END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20260209T103000 DTEND;TZID=Europe/Paris:20260209T120000 DTSTAMP:20260405T091635 CREATED:20260126T144328Z LAST-MODIFIED:20260126T144328Z UID:10000338-1770633000-1770638400@isdm.umontpellier.fr SUMMARY:BAGO une ontologie pour modéliser les bioagresseurs des plantes et BAG-GV le graphe de connaissances des bioagresseurs de la vigne DESCRIPTION:Salle des conseils P. Raynaud\, bâtiment 11\, Campus La Gaillarde\nSEmantic web SeminAr MontpEllier (MISTEA) \nNews du W3C en 10 minutes Pierre-Antoine CHAMPIN\, W3C / INRIA / Université de Lyon \nBAGO une ontologie pour modéliser les bioagresseurs des plantes et BAG-GV le graphe de connaissances des bioagresseurs de la vigne par Catherine ROUSSEY\, Marine COURTIN\, Robert BOSSY\, Florence AMARDEILH\, Xavier DELPUECH\, Nicolas SAUVION\, Stephan BERNARD \nRésumé: \nLe terme « bioagresseur » est récent\, il a été défini en août 2018 par le Journal officiel français comme « organisme vivant causant des dommages aux plantes cultivées ou à la production agricole ». Nous présenterons comment l’expertise de l’INRAE et des instituts techniques agricoles a été utilisée pour construire un consensus sur la modélisation des bioagresseurs des plantes par le biais d’une ontologie (BAGO). L’objectif est de réutiliser des graphes de connaissances taxonomiques existants (TAXREF\, NCBITAXON\, FCU) pour définir les interactions entre organismes vivants dans le cadre de la santé des plantes (vecteur biotique\, agent pathogène\, etc…). Cette modélisation a permis de réutiliser plusieurs patrons de conception ontologiques issus d’autres ontologies (C3PO d’Elzeard\, OESO d’OpenSilex\, …). Initiée lors du projet D2KAB et continuée dans le projet casdar STAR\, cette ontologie a pour but d’être instanciée pour construire plusieurs graphes de connaissances de bioagresseurs par culture ou groupe de culture. Ainsi\, nous avons commencé par construire un graphe de connaissances des bioagresseurs de la vigne (BAG-GV). Les connaissances représentées dans ce graphe sont issues d’une extraction d’information des bulletins de santé du végétal viticoles. Ces connaissances ont ensuite été consolidées par des ressources venant de l’Institut Français de la vigne et du Vin (site web des fiches techniques de IFV\, …) ou de l’INRAE (site Ephytia\, …) . \nRéférence F Amardeilh\, S Bernard\, R Bossy\, M Courtin\, M Hirschy\, et al.. Une ontologie pour modéliser les bioagresseurs des plantes. 35. Journées francophones d’Ingénierie des Connaissances (IC 2024) @ Plate-Forme Intelligence Artificielle (PFIA 2024)\, AFIA-Association Française pour l’Intelligence Artificielle\, Jul 2024\, La Rochelle\, France. pp.8-13. ⟨hal-04638343⟩ \n En savoir plus URL:https://isdm.umontpellier.fr/event/bago-une-ontologie-pour-modeliser-les-bioagresseurs-des-plantes-et-bag-gv-le-graphe-de-connaissances-des-bioagresseurs-de-la-vigne-2/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/png:https://isdm.umontpellier.fr/wp-content/uploads/2025/05/SESAME.png END:VEVENT BEGIN:VEVENT DTSTART;VALUE=DATE:20260123 DTEND;VALUE=DATE:20260124 DTSTAMP:20260405T091635 CREATED:20251205T075947Z LAST-MODIFIED:20260119T073744Z UID:10000275-1769126400-1769212799@isdm.umontpellier.fr SUMMARY:L’IA au service du pilotage des TPE-PME : outils\, enjeux et perspectives DESCRIPTION:B112 MOMA – Campus Richter – Université de Montpellier\nOuidad YOUSFI\, Pascal NGUYEN\, Suhila KACI \nLes TPE/PME sont souvent exclues des grandes innovations technologiques\, elles disposent pourtant d’un potentiel considérable pour tirer parti de l’IA \n Programme URL:https://isdm.umontpellier.fr/event/lia-au-service-du-pilotage-des-tpe-pme-outils-enjeux-et-perspectives/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/png:https://isdm.umontpellier.fr/wp-content/uploads/2025/12/LIA-au-service-du-pilotage-des-TPE-PME.png END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20260108T103000 DTEND;TZID=Europe/Paris:20260108T120000 DTSTAMP:20260405T091635 CREATED:20260119T073751Z LAST-MODIFIED:20260119T073751Z UID:10000335-1767868200-1767873600@isdm.umontpellier.fr SUMMARY:BAGO une ontologie pour modéliser les bioagresseurs des plantes et BAG-GV le graphe de connaissances des bioagresseurs de la vigne DESCRIPTION:Salle des conseils P. Raynaud\, bâtiment 11\, Campus La Gaillarde\nSEmantic web SeminAr MontpEllier (MISTEA) \nNews du W3C en 10 minutes Pierre-Antoine CHAMPIN\, W3C / INRIA / Université de Lyon \nBAGO une ontologie pour modéliser les bioagresseurs des plantes et BAG-GV le graphe de connaissances des bioagresseurs de la vigne par Catherine ROUSSEY\, Marine COURTIN\, Robert BOSSY\, Florence AMARDEILH\, Xavier DELPUECH\, Nicolas SAUVION\, Stephan BERNARD \nRésumé: \nLe terme « bioagresseur » est récent\, il a été défini en août 2018 par le Journal officiel français comme « organisme vivant causant des dommages aux plantes cultivées ou à la production agricole ». Nous présenterons comment l’expertise de l’INRAE et des instituts techniques agricoles a été utilisée pour construire un consensus sur la modélisation des bioagresseurs des plantes par le biais d’une ontologie (BAGO). L’objectif est de réutiliser des graphes de connaissances taxonomiques existants (TAXREF\, NCBITAXON\, FCU) pour définir les interactions entre organismes vivants dans le cadre de la santé des plantes (vecteur biotique\, agent pathogène\, etc…). Cette modélisation a permis de réutiliser plusieurs patrons de conception ontologiques issus d’autres ontologies (C3PO d’Elzeard\, OESO d’OpenSilex\, …). Initiée lors du projet D2KAB et continuée dans le projet casdar STAR\, cette ontologie a pour but d’être instanciée pour construire plusieurs graphes de connaissances de bioagresseurs par culture ou groupe de culture. Ainsi\, nous avons commencé par construire un graphe de connaissances des bioagresseurs de la vigne (BAG-GV). Les connaissances représentées dans ce graphe sont issues d’une extraction d’information des bulletins de santé du végétal viticoles. Ces connaissances ont ensuite été consolidées par des ressources venant de l’Institut Français de la vigne et du Vin (site web des fiches techniques de IFV\, …) ou de l’INRAE (site Ephytia\, …) . \nRéférence F Amardeilh\, S Bernard\, R Bossy\, M Courtin\, M Hirschy\, et al.. Une ontologie pour modéliser les bioagresseurs des plantes. 35. Journées francophones d’Ingénierie des Connaissances (IC 2024) @ Plate-Forme Intelligence Artificielle (PFIA 2024)\, AFIA-Association Française pour l’Intelligence Artificielle\, Jul 2024\, La Rochelle\, France. pp.8-13. ⟨hal-04638343⟩ \n En savoir plus URL:https://isdm.umontpellier.fr/event/bago-une-ontologie-pour-modeliser-les-bioagresseurs-des-plantes-et-bag-gv-le-graphe-de-connaissances-des-bioagresseurs-de-la-vigne/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/png:https://isdm.umontpellier.fr/wp-content/uploads/2025/05/SESAME.png END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20260108T100000 DTEND;TZID=Europe/Paris:20260108T120000 DTSTAMP:20260405T091635 CREATED:20251216T082304Z LAST-MODIFIED:20260105T130029Z UID:10000276-1767866400-1767873600@isdm.umontpellier.fr SUMMARY:Ontologies as Catalysts in AI-Powered Convergence of Agriculture\, Health and Wealth: Reality\, Possibilities and Challenges DESCRIPTION:Salle des conseils P. Raynaud\, bâtiment 11\, Campus La Gaillarde\nSEmantic web SeminAr MontpEllier (MISTEA) – Laurette DUBE McGill Center for the Convergence of Health and Economics \nIn a world ever more fractured\, connected and interdependent at the same time\, ontologies\, with their linkages to data and AI algorithms\, can serve as catalysts in the transformation at scale of systems as complex and dynamic as agriculture\, food\, health systems if these are to move toward the convergence needed for addressing recurrent modern crises. Each system involves multiple actors\, processes\, jurisdictions\, geographies and temporal scales\, with their convergence relying on next-generation human-human\, human-machine\, machine-machine communication and interoperability. I will first present a roadmap (Dube et al 2012 ; 2014) bridging individual and collective action across typically-siloed disciplines and sectors to move toward such self-sustaining transformation for a world reset form economic convergence (i.e. the Rest converging with the West) to convergence economy (i.e.\, an economy where human health\, planetary health\, and sustained\, inclusive prosperity can be achieved around the world). Second\, taking health systems as entry point\, I will report on early ontology development for real-time population health surveillance (PopHR\, Here) and obesity prevention (COPE\, Here). Thirdly\, taking food as a key bridge domain between agriculture\, health and wealth\, I will discuss challenges and possibilities of recent collaborative work with ontologists and data scientists that push the boundaries of multi-domain and top-level ontology development\, alignment\, adaptation and federation\, with the aim to specify engineering requirements for a real-world embedded digital backbone that can accelerate such whole-society transformation at scale. \nLa pause café vous sera offerte par les Halles de l’IA \n En savoir plus URL:https://isdm.umontpellier.fr/event/ontologies-as-catalysts-in-ai-powered-convergence-of-agriculture-health-and-wealth-reality-possibilities-and-challenges/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/png:https://isdm.umontpellier.fr/wp-content/uploads/2025/05/SESAME.png END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20251212T100000 DTEND;TZID=Europe/Paris:20251212T120000 DTSTAMP:20260405T091635 CREATED:20251205T075939Z LAST-MODIFIED:20251205T075939Z UID:10000274-1765533600-1765540800@isdm.umontpellier.fr SUMMARY:Création de graphes de connaissances géohistoriques à partir de sources de données anciennes hétérogènes et fragmentaires DESCRIPTION:Salle 104 du bâtiment 11 dit le château\, 2 Place Pierre Viala Campus La Gaillarde\, 34000 Montpellier\nSEmantic web SeminAr MontpEllier (MISTEA) – Nathalie Abadie \nLes graphes de connaissances constituent un modèle de données privilégié pour représenter des entités – géographiques – qui évoluent au cours du temps. Plusieurs travaux ont proposé des ontologies et des méthodes de peuplement pour représenter l’évolution d’unités administratives ou statistiques à partir de jeux de données millésimés décrivant les états successifs de ces entités géographiques. Cependant\, les approches proposées sont peu adaptées aux sources de données historiques plus anciennes\, qui fournissent des données hétérogènes et fragmentaires\, décrivant tantôt sur les états des entités géographiques\, tantôt les événements qui concourent à leur évolution. Cette présentation reviendra sur deux travaux récents de création de graphes de connaissances géohistoriques représentant l’évolution des adresses et des parcelles à partir de diverses sources de données : plan de ville anciens à grande échelle\, plans et registres cadastraux\, données textuelles\, etc. \n En savoir plus\n Visio URL:https://isdm.umontpellier.fr/event/creation-de-graphes-de-connaissances-geohistoriques-a-partir-de-sources-de-donnees-anciennes-heterogenes-et-fragmentaires/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/png:https://isdm.umontpellier.fr/wp-content/uploads/2025/05/SESAME.png END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20251208T160000 DTEND;TZID=Europe/Paris:20251208T160000 DTSTAMP:20260405T091635 CREATED:20251203T150742Z LAST-MODIFIED:20251203T151035Z UID:10000272-1765209600-1765209600@isdm.umontpellier.fr SUMMARY:Secure Noise Sampling for Differentially Private Collaborative Learning DESCRIPTION:Inria Montpellier\, St-Priest Campus\, Building 5\, Room 02/124\nMachine Learning in Montpellier\, Theory et Practice – Emmy Fang & Arielle Zhang \nMachine Learning (ML) models typically benefit from access to large and diverse datasets across different parties. However\, privacy concerns often prohibit direct data sharing or centralized data aggregation. To address this\, various collaborative training frameworks have been proposed that enable joint model training while adhering to differential privacy (DP)\, the current golden standard privacy definition. In this talk\, I will provide an overview of existing privacy-preserving collaborative ML frameworks\, highlighting their core techniques and their limitations. To bridge this gap\, we proposed noise sampling mechanism based on chained table lookups\, which can be implemented inside a secure Multi-Party Computation protocol. Such a method is highly flexible and compatible with various DP mechanisms. Finally\, I will demonstrate an application of the proposed secure noise sampling method in DP collaborative ML training. The empirical results show that our method leads to improved efficiency and model performance compared to distributed DP that needs to account for colluding clients \n Visio URL:https://isdm.umontpellier.fr/event/secure-noise-sampling-for-differentially-private-collaborative-learning/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/png:https://isdm.umontpellier.fr/wp-content/uploads/2025/07/ml-mtp.png END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20251113T140000 DTEND;TZID=Europe/Paris:20251113T150000 DTSTAMP:20260405T091635 CREATED:20251022T060901Z LAST-MODIFIED:20251028T122721Z UID:10000264-1763042400-1763046000@isdm.umontpellier.fr SUMMARY:Deep Learning for Species Recognition under High Uncertainty: Application to jellyfish images DESCRIPTION:Building 5\, 02.124\, Campus St Priest\nMachine Learning in Montpellier\, Theory & Practice – Matthieu de Castelbajac (Univ. Montpellier) \nCitizen science records are a valuable source of biodiversity data\, and even more essential to help track mobile marine species like jellyfish. However\, these records can be highly uncertain\, containing many potential errors and biases. They are typically validated by experts\, which is impractical at scale. Although deep learning methods for automatic validation have shown promising results\, they fail to account for the uncertainty present in both the input data and their predictions. Here\, we present a semi-automated method to support record validation at scale while providing strong statistical guarantees\, including for highly uncertain citizen science records. URL:https://isdm.umontpellier.fr/event/deep-learning-for-species-recognition-under-high-uncertainty-application-to-jellyfish-images/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/png:https://isdm.umontpellier.fr/wp-content/uploads/2025/07/ml-mtp.png END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20251104T110000 DTEND;TZID=Europe/Paris:20251104T120000 DTSTAMP:20260405T091635 CREATED:20251022T060512Z LAST-MODIFIED:20251028T121314Z UID:10000262-1762254000-1762257600@isdm.umontpellier.fr SUMMARY:Seeing the forest and the trees: How hyperspatial drone imagery is revolutionizing tropical canopy studies (ecological focus) DESCRIPTION:CIRAD Campus Lavalette – Amphi Jacques Alliot – Bâtiment 4\nMachine Learning in Montpellier\, Theory & Practice – Étienne Laliberté (Université de Montréal) \nTropical forests hold the majority of terrestrial plant carbon and biodiversity\, but they are being altered with climate change. However\, we do not know how the vast majority of tropical tree species are responding to climate change and other stressors because traditional field-based approaches cannot collect sufficiently large sample sizes for most species. As part of the winning team of the XPRIZE Rainforest competition\, we have developed an AI solution using drone imagery that can greatly accelerate the mapping of tropical trees. The drone hardware needed is affordable and readily accessible to researchers and conservation agencies. In this talk\, I will present this technology\, which I will argue has the potential to revolutionize tropical forest science\, conservation\, and restoration. I will talk about the opportunities\, as well as some challenges that need to be addressed to unlock the potential of this technology for tropical canopy studies. \nVisio URL:https://isdm.umontpellier.fr/event/seeing-the-forest-and-the-trees-how-hyperspatial-drone-imagery-is-revolutionizing-tropical-canopy-studies-ecological-focus/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/png:https://isdm.umontpellier.fr/wp-content/uploads/2025/07/ml-mtp.png END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20251023T140000 DTEND;TZID=Europe/Paris:20251023T150000 DTSTAMP:20260405T091635 CREATED:20251014T094205Z LAST-MODIFIED:20251014T094205Z UID:10000260-1761228000-1761231600@isdm.umontpellier.fr SUMMARY:Learning from unlearning : how can we design ML systems that aremore trustworthy ? DESCRIPTION:Amphi Moreau\, B2. Campus St Priest\nMachine Learning in Montpellier\, Theory & Practice – Nicolas Papernot (Univ. Toronto) \nPour cette session exceptionnelle du séminaire ML-MTP\, nous aurons l’honneur d’accueillir Nicolas Papernot\, chercheur de renommée mondiale en IA de confiance et expert des questions de sécurité et de vie privée. Il a été l’un des pionniers de plusieurs axes de recherche majeurs\, notamment les attaques adversariales sur les réseaux de neurones et le machine unlearning. Il est titulaire d’une Inria International Chair (2025–2027) associée à l’équipe PreMeDICaL. \nVisio URL:https://isdm.umontpellier.fr/event/learning-from-unlearning-how-can-we-design-ml-systems-that-aremore-trustworthy/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/png:https://isdm.umontpellier.fr/wp-content/uploads/2025/07/ml-mtp.png END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20251014T150000 DTEND;TZID=Europe/Paris:20251014T150000 DTSTAMP:20260405T091635 CREATED:20250916T072712Z LAST-MODIFIED:20250916T072712Z UID:10000254-1760454000-1760454000@isdm.umontpellier.fr SUMMARY:Ensuring Social Scientific Data Quality and Reproducibility in the Big Data/AI Era: Challenges and Pathways DESCRIPTION:Salle de séminaire du Bât 4 – Campus Saint Priest\nLIRMM – Prof. Stefan Dietze \nThroughout the last decades\, the social sciences have increasingly adopted novel forms of research data\, e.g. data mined from the web and social media platforms. This together with the recent advances in artificial intelligence (AI) and related areas\, e.g. natural language processing (NLP)\, led to a much more widespread adoption of diverse computational methods\, including techniques from machine learning and\, most prominently\, large language models. However\, increasingly complex computational methods lead to new challenges with respect to transparency\, reproducibility and overall quality of social science research and data\, further elevating an already widely recognised reproducibility crisis. This talk will\, one the one hand\, introduce challenges posed by the use of AI-based methods in social science research. On the other hand\, it will show pathways to address such problems. Examples are works geared towards sharing computational (AI) methods in the social sciences in a reproducible and citable way\, for understanding and tracing adoption of and relations between methods and datasets at large scale\, e.g. in social science research in general (e.g. by mining scientific publications) or novel ways for providing access to sensitive research data in the social sciences (e.g. social media data) to facilitate reproducible research without violating ethical or legal constraints or principles. \nEn savoir plus URL:https://isdm.umontpellier.fr/event/ensuring-social-scientific-data-quality-and-reproducibility-in-the-big-data-ai-era-challenges-and-pathways/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/jpeg:https://isdm.umontpellier.fr/wp-content/uploads/2025/09/StefanDietze.jpg END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20251007T090000 DTEND;TZID=Europe/Paris:20251007T090000 DTSTAMP:20260405T091635 CREATED:20250904T061237Z LAST-MODIFIED:20250904T061237Z UID:10000250-1759827600-1759827600@isdm.umontpellier.fr SUMMARY:Les langages de programmation : comprendre une diversité DESCRIPTION:Campus Triolet\, Bat 36\, SC36.08\nMontpellier BioInfo – présenté par Iago Bonnici \nR\, Python\, Perl\, Java\, C++\, Julia\, Rust.. Mais qu’est-ce qui les relie vraiment ? Voici quelques repères pour s’orienter et trouver le bon outil au bon usage. Petit déjeuner offert par les Halles de l’IA. URL:https://isdm.umontpellier.fr/event/les-langages-de-programmation-comprendre-une-diversite/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/png:https://isdm.umontpellier.fr/wp-content/uploads/2025/09/BIM_07_10_2025.png END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20250908T100000 DTEND;TZID=Europe/Paris:20250908T120000 DTSTAMP:20260405T091635 CREATED:20250717T080811Z LAST-MODIFIED:20250717T080811Z UID:10000245-1757325600-1757332800@isdm.umontpellier.fr SUMMARY:Leveraging Knowledge Graphs for Earth System Dataset Discovery DESCRIPTION:Salle 104 du bâtiment 11 dit le château\, 2 Place Pierre Viala Campus La Gaillarde\, 34000 Montpellier\nSEmantic web SeminAr MontpEllier (MISTEA) – Vincent ARMAND (IRD Montpellier) \nThanks to open science initiatives\, thousands of standardised datasets on Earth System compartments are now available on the web. In particular\, we have widely used ISO 19115 to encode spatiotemporal aspects of Earth System observations. However\, this standard does not specify the multiple dimensions of observations\, including the features of interest\, the observable properties\, and the provenance. As a result\, researchers interested in Earth System multi-disciplinary studies may miss meaningful datasets when querying independently domain-specific data portals. […] \n En savoir plus URL:https://isdm.umontpellier.fr/event/leveraging-knowledge-graphs-for-earth-system-dataset-discovery/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/png:https://isdm.umontpellier.fr/wp-content/uploads/2025/05/SESAME.png END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20250703T153000 DTEND;TZID=Europe/Paris:20250703T153000 DTSTAMP:20260405T091635 CREATED:20250630T095224Z LAST-MODIFIED:20250717T073820Z UID:10000219-1751556600-1751556600@isdm.umontpellier.fr SUMMARY:Machine Learning in Montpellier\, Theory & Practice DESCRIPTION:Simulating Environment-Conditioned Seabird Trajectories with Generative AI \nCampus St Priest (860 Rue Saint Priest 34095 Montpellier Cedex 5)\, bat. 5\, Room: 02.124\nMachine Learning in Montpellier\, Theory & Practice – Pedro Valdeira \nJulien Patras (IRD / Marbec) will give a talk : Seabirds serve as key bioindicators of ocean health\, and with modern tracking technologies like GPS tags\, we now have rich datasets capturing their offshore movements. These trajectory data enable us to study behavioral states and identify ecologically significant foraging zones. However\, modeling how environmental variables (like wind\, sea surface temperature\, or currents) shape these trajectories remains largely unexplored. Trajectory simulation using generative artificial intelligence has shown great promise in fields like autonomous driving and human motion modeling. Inspired by these advances\, we introduce a novel approach in movement ecology by adapting DiffTraj (Zhu et al.\, 2023)\,a pretrained diffusion model originally developed for vehicle trajectories. We then adapt and fine-tune the model on seabird movement data\, so that it supports multi-species\, multi-site simulation\, with the aim of environmental conditioned generation\, and improving state-of-the-art seabird trajectory simulation. \nVisio\nEn savoir plus URL:https://isdm.umontpellier.fr/event/simulating-environment-conditioned-seabird-trajectories-with-generative-ai/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/png:https://isdm.umontpellier.fr/wp-content/uploads/2025/06/ml-mtp.png END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20250627T140000 DTEND;TZID=Europe/Paris:20250627T170000 DTSTAMP:20260405T091635 CREATED:20250627T142324Z LAST-MODIFIED:20250627T142324Z UID:10000217-1751032800-1751043600@isdm.umontpellier.fr SUMMARY:Soutenance de stage : de la théorie à la pratique DESCRIPTION:Salle SC 003\, Bâtiment 31\, Polytech\, Campus Triolet\nÉquipe Montpellier BioInfo \nC’est l’occasion pour les étudiants de Master 1 et 2 en bioinfo de présenter l’avancée de leur stage\, en vue de leur soutenance. L’objectif : s’entraîner à l’oral\, partager ses travaux et recevoir des retours constructifs dans une ambiance bienveillant. Quelques sujets au programme : développement de l’outil INpalm pour prédire les émissions d’azote\, étude de la frustration locale des protéines et analyse de l’impact du génome de référence sur le mapping et l’hétérozygotie en génomique et bien d’autres encore ! Venez nombreux pour encourager les présentateurs et découvrir la diversité des projets. URL:https://isdm.umontpellier.fr/event/soutenance-de-stage-de-la-theorie-a-la-pratique/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/png:https://isdm.umontpellier.fr/wp-content/uploads/2025/06/MBI.png END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20250616T100000 DTEND;TZID=Europe/Paris:20250616T120000 DTSTAMP:20260405T091635 CREATED:20250521T131248Z LAST-MODIFIED:20250717T073716Z UID:10000143-1750068000-1750075200@isdm.umontpellier.fr SUMMARY:SEmantic web SeminAr MontpEllier DESCRIPTION:FAIRiser les données du réseau d’observatoires de la zone critique Français (OZCAR) : cas d’utilisation de l’ontologie I-ADOPT \nSalle 104 du bâtiment 11 dit le château\, 2 Place Pierre Viala Campus La Gaillarde\, 34000 Montpellier\nSEmantic web SeminAr MontpEllier \n(1) News du W3C en 10 minutes Pierre-Antoine CHAMPIN\, W3C / INRIA / Université de Lyon \n(2) FAIRiser les données du réseau d’observatoires de la zone critique Français (OZCAR) : cas d’utilisation de l’ontologie I-ADOPT par Charly COUSSOT\, IRD Université Grenoble Auvergne Rhône Alpes \nLe système d’information (SI) Theia/OZCAR est une initiative nationale conçue pour soutenir la découverte\, l’accès et la réutilisation des données environnementales in-situ collectées par les observatoires français et leurs partenaires internationaux. Cela inclut les données des 22 observatoires de l’infrastructure française de recherche sur les zones critiques (OZCAR-RI)\, qui surveillent la zone critique de la Terre dans toute une série de compartiments environnementaux. Historiquement\, ces données étaient gérées par des systèmes indépendants\, chacun ayant ses propres formats\, vocabulaires et protocoles d’accès\, ce qui créait des obstacles importants à l’interopérabilité et à la recherche interdisciplinaire.\nPour remédier à cette fragmentation\, le SI Theia/OZCAR a été co-développé avec la communauté scientifique depuis 2017\, dans le but de fédérer des données de séries temporelles hétérogènes dans une infrastructure unifiée conforme aux principes FAIR (Trouvable\, Accessible\, Interopérable\, Réutilisable) (Wilkinson et al.\, 2016). Ce travail soutient des initiatives nationales et européennes plus larges\, notamment l’infrastructure de recherche française Data Terra et la plateforme de données OneWater\, ainsi que des efforts internationaux tels que eLTER-RI\, en permettant l’échange et l’intégration normalisés des données du système terrestre.\nPour atténuer l’hétérogénéité des informations\, un élément central de ce système est un modèle de données partagé – appelé « modèle pivot » – qui permet une structuration cohérente des métadonnées depuis la description des jeux de données jusqu’aux observations individuelles. Ce modèle s’appuie sur des normes de métadonnées reconnues (ISO 19115\, O&M\, DataCite) (Braud et al.\, 2020) et est associé à un service de vocabulaire contrôlé\, le Thésaurus Theia/OZCAR. Ce thésaurus\, aligné sur les ontologies SKOS et I-ADOPT (Coussot et al.\, 2024)\, permet la décomposition sémantique des noms de variables hétérogènes et parfois complexe tout en améliorant les fonctionnalités de découverte des données\, et l’alignement entre les thésaurus. \nEn savoir plus URL:https://isdm.umontpellier.fr/event/fairiser-les-donnees-du-reseau-dobservatoires-de-la-zone-critique-francais-ozcar-cas-dutilisation-de-lontologie-i-adopt/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/png:https://isdm.umontpellier.fr/wp-content/uploads/2025/05/SESAME.png END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20250527T160000 DTEND;TZID=Europe/Paris:20250527T170000 DTSTAMP:20260405T091635 CREATED:20250521T131218Z LAST-MODIFIED:20250521T131218Z UID:10000142-1748361600-1748365200@isdm.umontpellier.fr SUMMARY:Vertical Federated Learning with Missing Features During Training and Inference DESCRIPTION:Machine Learning in Montpellier\, Theory & Practice – Pedro Valdeira \nVertical federated learning trains models from feature-partitioned datasets across multiple clients\, who collaborate without sharing their local data. Standard approaches assume that all feature partitions are available during both training and inference. Yet\, in practice\, this assumption rarely holds\, as for many samples only a subset of the clients observe their partition. However\, not utilizing incomplete samples during training harms generalization\, and not supporting them during inference limits the utility of the model. Moreover\, if any client leaves the federation after training\, its partition becomes unavailable\, rendering the learned model unusable. Missing feature blocks are therefore a key challenge limiting the applicability of vertical federated learning in real-world scenarios. To address this\, we propose LASER VFL\, a vertical federated learning method for efficient training and inference of split neural network-based models that is capable of handling arbitrary sets of partitions. Our approach is simple yet effective\, relying on the sharing of model parameters and on task-sampling to train a family of predictors. We show that LASER-VFL achieves a convergence rate for nonconvex objectives and\, under the Polyak-Łojasiewicz inequality\, it achieves linear convergence to a neighborhood of the optimum. Numerical experiments show improved performance of LASER-VFL over the baselines. Remarkably\, this is the case even in the absence of missing features. For example\, for CIFAR-100\, we see an improvement in accuracy of % when each of four feature blocks is observed with a probability of 0.5 and of % when all features are observed. The code for this work is available at https://github.com/Valdeira/LASER-VFL. \nVisio\nEn savoir plus URL:https://isdm.umontpellier.fr/event/vertical-federated-learning-with-missing-features-during-training-and-inference/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/jpeg:https://isdm.umontpellier.fr/wp-content/uploads/2025/02/ml-mpt-1.jpg END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20250516T110000 DTEND;TZID=Europe/Paris:20250516T120000 DTSTAMP:20260405T091635 CREATED:20250603T085618Z LAST-MODIFIED:20250603T085618Z UID:10000178-1747393200-1747396800@isdm.umontpellier.fr SUMMARY:Unified Breakdown Analysis for Byzantine Robust Gossip DESCRIPTION:Inria Montpellier\, St-Priest Campus\, Building 5\, Room 02/022\nMachine Learning in Montpellier\, Theory & Practice \nIn decentralized machine learning\, different devices communicate in a peer-to-peer manner to collaboratively learn from each other’s data. Such approaches are vulnerable to misbehaving (or Byzantine) devices. We introduce F-RG\, a general framework for building robust decentralized algorithms with guarantees arising from robust-sum-like aggregation rules F. We then investigate the notion of breakdown point\, and show an upper bound on the number of adversaries that decentralized algorithms can tolerate. We introduce a practical robust aggregation rule\, coined CSours\, such that CSours-RG has a near-optimal breakdown. Other choices of aggregation rules lead to existing algorithms such as ClippedGossip or NNA. We give experimental evidence to validate the effectiveness of CSours-RG and highlight the gap with NNA\, in particular against a novel attack tailored to decentralized communications. \n Visio URL:https://isdm.umontpellier.fr/event/unified-breakdown-analysis-for-byzantine-robust-gossip/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/png:https://isdm.umontpellier.fr/wp-content/uploads/2025/06/ml-mpt-ZV3BFD.png END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20250505T100000 DTEND;TZID=Europe/Paris:20250505T100000 DTSTAMP:20260405T091635 CREATED:20250603T085620Z LAST-MODIFIED:20250603T085620Z UID:10000179-1746439200-1746439200@isdm.umontpellier.fr SUMMARY:Séminaire SESAME : Propagation de propriétés entre entités contextuellement identiques DESCRIPTION:Salle 104 du bâtiment 11 dit le château\, 2 Place Pierre Viala Campus La Gaillarde\nLe séminaire commencera par un café offert par les Halles de l’IA. Au programme :\n(1) News du W3C en 10 minutes\, par Pierre-Antoine CHAMPIN\, W3C / INRIA / Université de Lyon\n(2) Propagation de propriétés entre entités contextuellement identiques par Pierre Henri PARIS\, Universite Paris-Saclay : \n En savoir plus URL:https://isdm.umontpellier.fr/event/seminaire-sesame-propagation-de-proprietes-entre-entites-contextuellement-identiques/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/png:https://isdm.umontpellier.fr/wp-content/uploads/2025/04/Seminaire-SESAME.png END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20250415T173000 DTEND;TZID=Europe/Paris:20250415T193000 DTSTAMP:20260405T091635 CREATED:20250603T085622Z LAST-MODIFIED:20250603T085622Z UID:10000182-1744738200-1744745400@isdm.umontpellier.fr SUMMARY:Épistémologie de l’apprentissage machine – pour un formalisme critique DESCRIPTION:Faculté des Sciences Campus Triolet\nbâtiment 16 salle SC.16.01.\nJuan Luis GASTALDI (ETH Zürich) \nL’impact des modèles neuronaux de langage dans les aspects les plus divers des pratiques sociales est si massif que l’élaboration d’une perspective critique à leur égard est devenue urgente. Pourtant\, la complexité réputée de ces dispositifs et des principes formels qui les animent ne laisse souvent d’autre choix que celle d’une critique externaliste\, entraînant presque invariablement leur dépréciation en tant qu’instruments de savoir sans qu’une véritable analyse épistémologique puisse avoir lieu. Ici je voudrais défendre l’idée qu’il est possible d’échapper à cet écueil tout en défendant une position critique. Cette perspective permettra\, dans un deuxième temps\, de proposer une analyse alternative des principes formels qui sous-tendent l’efficacité des réseaux neuronaux pour le traitement du langage\, révélant des structures algébriques sous-jacentes aux objets statistiques qui les caractérisent. \n Juan Luis GASTALDI URL:https://isdm.umontpellier.fr/event/epistemologie-de-lapprentissage-machine-pour-un-formalisme-critique/ CATEGORIES:Séminaire END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20250404T110000 DTEND;TZID=Europe/Paris:20250404T110000 DTSTAMP:20260405T091635 CREATED:20250603T085623Z LAST-MODIFIED:20250603T085623Z UID:10000183-1743764400-1743764400@isdm.umontpellier.fr SUMMARY:Optimal Classification under Performative Distribution Shift DESCRIPTION:Campus St Priest (860 Rue Saint Priest 34095 Montpellier Cedex 5)\, bat. 5\, Room: 02.124\nMachine Learning in Montpellier\, Theory & Practice – Olivier Cappé (CNRS / ENS / Université PSL) \nPerformative 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. URL:https://isdm.umontpellier.fr/event/optimal-classification-under-performative-distribution-shift/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/jpeg:https://isdm.umontpellier.fr/wp-content/uploads/2025/02/ml-mpt-1.jpg END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20250328T110000 DTEND;TZID=Europe/Paris:20250328T110000 DTSTAMP:20260405T091635 CREATED:20250603T085625Z LAST-MODIFIED:20250603T085625Z UID:10000186-1743159600-1743159600@isdm.umontpellier.fr SUMMARY:Learning structural biology DESCRIPTION:Inria Montpellier\, St-Priest Campus\, Building 5\, Room 02/124\nMachine Learning in Montpellier\, Theory & Practice – Vincent Mallet \nLearning on the 3D structure of biomolecules resulted in several\nbreakthroughs\, for instance the de-novo design of potent binders or\nfunctional luciferases\, eventually leading to a Nobel Prize. Most of\nthis work relies on modeling the structure of protein as\ngraphs\, with well-established tools. \n Visio URL:https://isdm.umontpellier.fr/event/learning-structural-biology/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/jpeg:https://isdm.umontpellier.fr/wp-content/uploads/2025/02/ml-mpt-1.jpg END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20250327T090000 DTEND;TZID=Europe/Paris:20250327T090000 DTSTAMP:20260405T091635 CREATED:20250603T085626Z LAST-MODIFIED:20250603T085626Z UID:10000187-1743066000-1743066000@isdm.umontpellier.fr SUMMARY:Les bonnes pratiques en Bioinformatique DESCRIPTION:Campus Triolet Polytech\, Salle du Conseil (1er étage)\nMontpellier BioInfo – Céline Mandier (ISDM) \nLa bioinformatique repose sur des analyses complexes et des volumes de données conséquents. Adopter de bonnes pratiques permet d’assurer fiabilité\, reproductibilité et efficacité.\nAccueil petit dej à partir de 9h00 \n Visio URL:https://isdm.umontpellier.fr/event/les-bonnes-pratiques-en-bioinformatique/ CATEGORIES:Séminaire END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20250326T143000 DTEND;TZID=Europe/Paris:20250326T143000 DTSTAMP:20260405T091635 CREATED:20250603T090059Z LAST-MODIFIED:20250603T090059Z UID:10000188-1742999400-1742999400@isdm.umontpellier.fr SUMMARY:Explainable and Interpretable Learning: Making Sense on Complex Modeling Domains DESCRIPTION:Room Nadir\, Maison de la Télédétection (500 rue Jean François Breton)\nMachine Learning in Montpellier\, Theory & Practice – Martin Atzmüller\, Scientific Director at DFKI and Full Professor at Osnabrück University (Germany) \nIn many applications\, modeling complex data is of utmost importance\, requiring the use of advanced machine learning models and approaches. However\, in many domains users require insight into models and/or their decisions\, which is not necessarily provided by the respective models per se. Explainable and interpretable learning approaches can facilitate such insights for making sense of models and decisions. The talk presents examples of such approaches in complex modeling domains\, including interpretable as well as explainable deep-learning-based methods\, and a neuro-symbolic architecture including domain knowledge for facilitating explainability. URL:https://isdm.umontpellier.fr/event/explainable-and-interpretable-learning-making-sense-on-complex-modeling-domains/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/jpeg:https://isdm.umontpellier.fr/wp-content/uploads/2025/02/ml-mpt-1.jpg END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20250325T160000 DTEND;TZID=Europe/Paris:20250325T160000 DTSTAMP:20260405T091635 CREATED:20250603T090101Z LAST-MODIFIED:20250603T090101Z UID:10000189-1742918400-1742918400@isdm.umontpellier.fr SUMMARY:Combining T-learning and DR-learning: a framework for oracle-efficient estimation of causal contrasts DESCRIPTION:Room Nadir\, Maison de la Télédétection (500 rue Jean François Breton)\nMachine Learning in Montpellier\, Theory & Practice – Lars Van der Laan \nWe introduce efficient plug-in (EP) learning\, a novel framework for the estimation of heterogeneous causal contrasts\, such as the conditional average treatment effect and conditional relative risk. The EP-learning framework enjoys the same oracle-efficiency as Neyman-orthogonal learning strategies\, such as DR-learning and R-learning\, while addressing some of their primary drawbacks\, including that (i) their practical applicability can be hindered by loss function non-convexity; and (ii) they may suffer from poor performance and instability due to inverse probability weighting and pseudo-outcomes that violate bounds. To avoid these drawbacks\, EP-learner constructs an efficient plug-in estimator of the population risk function for the causal contrast\, thereby inheriting the stability and robustness properties of plug-in estimation strategies like T-learning. Under reasonable conditions\, EP-learners based on empirical risk minimization are oracle-efficient\, exhibiting asymptotic equivalence to the minimizer of an oracle-efficient one-step debiased estimator of the population risk function. In simulation experiments\, we illustrate that EP-learners of the conditional average treatment effect and conditional relative risk outperform state-of-the-art competitors\, including T-learner\, R-learner\, and DR-learner. Open-source implementations of the proposed methods are available in our R package hte3. \n Visio URL:https://isdm.umontpellier.fr/event/combining-t-learning-and-dr-learning-a-framework-for-oracle-efficient-estimation-of-causal-contrasts/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/jpeg:https://isdm.umontpellier.fr/wp-content/uploads/2025/02/ml-mpt-1.jpg END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20250324T100000 DTEND;TZID=Europe/Paris:20250324T100000 DTSTAMP:20260405T091635 CREATED:20250603T090102Z LAST-MODIFIED:20250603T090102Z UID:10000191-1742810400-1742810400@isdm.umontpellier.fr SUMMARY:Datalog Fact Explanation Using Group-SAT Solver DESCRIPTION:Salle des conseils P Raynaud\, au 2ème étage\, du bâtiment 11 dit le château\, 2 Place Pierre Viala Campus La Gaillarde\nSEmantic web SeminAr MontpEllier\nPierre BISQUERT (INRAE IATE) \nAbstract: One of the major benefits of symbolic AI is explainability. When new knowledge is obtained via a reasoning process\, it is possible to determine precisely the elements of the knowledge base that yield this knowledge. Typically\, one would use a SAT solver to compute the explanations. However\, SAT-solving is computationally expensive\, and as the knowledge base grows\, the time required increases exponentially. \nIn this talk\, we will 1) discuss the notion(s) of explanation of a query in the context of a (Datalog) knowledge base\, then 2) we will present a method to optimise the time used by the SAT solver (by creating a hypergraph representing the grounded knowledge base and pruning the nodes that are not reachable from the fact that we want to explain)\, and finally 3) we will see its implementation in the context of InteGraal\, a tool for reasoning over heterogeneous and federated data sources. URL:https://isdm.umontpellier.fr/event/datalog-fact-explanation-using-group-sat-solver-2/ CATEGORIES:Séminaire END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20250324T100000 DTEND;TZID=Europe/Paris:20250324T100000 DTSTAMP:20260405T091635 CREATED:20250603T090101Z LAST-MODIFIED:20250603T090101Z UID:10000190-1742810400-1742810400@isdm.umontpellier.fr SUMMARY:Datalog Fact Explanation Using Group-SAT Solver DESCRIPTION:Salle des conseils P Raynaud\, au 2ème étage\, du bâtiment 11 dit le château\, 2 Place Pierre Viala Campus La Gaillarde\nSEmantic web SeminAr MontpEllier\nPierre BISQUERT (INRAE IATE) \nOne of the major benefits of symbolic AI is explainability. When new knowledge is obtained via a reasoning process\, it is possible to determine precisely the elements of the knowledge base that yield this knowledge. Typically\, one would use a SAT solver to compute the explanations. However\, SAT-solving is computationally expensive\, and as the knowledge base grows\, the time required increases exponentially. \n En savoir plus URL:https://isdm.umontpellier.fr/event/datalog-fact-explanation-using-group-sat-solver/ CATEGORIES:Séminaire END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20250313T110000 DTEND;TZID=Europe/Paris:20250313T110000 DTSTAMP:20260405T091635 CREATED:20250603T090106Z LAST-MODIFIED:20250603T090106Z UID:10000192-1741863600-1741863600@isdm.umontpellier.fr SUMMARY:Using and contributing to the data.table package for efficient big data analysis DESCRIPTION:Inria Montpellier\, St-Priest Campus\, Building 5\, Room 02/022\nMachine Learning in Montpellier\, Theory & Practice\nToby Hocking \nData.table is one of the most efficient open-source in-memory data manipulation packages available today. First released to CRAN by Matt Dowle in 2006\, it continues to grow in popularity\, and now over 1500 other CRAN packages depend on data.table. This talk will start with data reading from CSV\, discuss basic and advanced data manipulation topics\, and finally will end with a discussion about how you can contribute to data.table. \nhttps://github.com/tdhock/2023-10-LatinR-data.table?tab=readme-ov-file#source-files-for-latinr-datatable-tutorial-slides \n Visio URL:https://isdm.umontpellier.fr/event/using-and-contributing-to-the-data-table-package-for-efficient-big-data-analysis/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/jpeg:https://isdm.umontpellier.fr/wp-content/uploads/2025/02/ml-mpt-1.jpg END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20250310T153000 DTEND;TZID=Europe/Paris:20250310T153000 DTSTAMP:20260405T091635 CREATED:20250603T090108Z LAST-MODIFIED:20250603T090108Z UID:10000193-1741620600-1741620600@isdm.umontpellier.fr SUMMARY:Distributional Matrix Completion via Nearest Neighbors in the Wasserstein Space DESCRIPTION:Campus St Priest (860 Rue Saint Priest 34095 Montpellier Cedex 5)\, bat. 5\, Room: 02.124\nMachine Learning in Montpellier\, Theory & Practice\nJacob Feitelberg \nWe study the problem of distributional matrix completion: Given a sparsely observed matrix of empirical distributions\, we seek to impute the true distributions associated with both observed and unobserved matrix entries. This is a generalization of traditional matrix completion where the observations per matrix entry are scalar-valued. To do so\, we utilize tools from optimal transport to generalize the nearest neighbors method to the distributional setting. Under a suitable latent factor model on probability distributions\, we establish that our method recovers the distributions in the Wasserstein metric. We demonstrate through simulations that our method (i) provides better distributional estimates for an entry compared to using observed samples for that entry alone\, (ii) yields accurate estimates of distributional quantities such as standard deviation and value-at-risk\, and (iii) inherently supports heteroscedastic distributions. In addition\, we demonstrate our method on a real-world quarterly earnings predictions dataset. We also prove novel asymptotic results for Wasserstein barycenters over one-dimensional distributions. \n Visio URL:https://isdm.umontpellier.fr/event/distributional-matrix-completion-via-nearest-neighbors-in-the-wasserstein-space/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/jpeg:https://isdm.umontpellier.fr/wp-content/uploads/2025/02/ml-mpt-1.jpg END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20250306T153000 DTEND;TZID=Europe/Paris:20250306T153000 DTSTAMP:20260405T091635 CREATED:20250603T090111Z LAST-MODIFIED:20250603T090111Z UID:10000196-1741275000-1741275000@isdm.umontpellier.fr SUMMARY:How Should We Construct Prediction Sets? Insights from Conformal Prediction DESCRIPTION:Campus St Priest (860 Rue Saint Priest 34095 Montpellier Cedex 5)\, bat. 5\, Room: 02.124\nMachine Learning in Montpellier\, Theory & Practice\nTiffany Ding (UC Berckley) \nIn the first part of the talk\, I will present some reflections on the purpose of prediction sets and the role that statistics can play in forming useful prediction sets. In particular\, I will discuss how prediction sets fit into a decision making pipeline and the different kinds of decisions one may make using a prediction set. In the second part of the talk\, I will describe a particular statistically motivated set-generating procedure for the classification setting called clustered conformal prediction\, which gives all classes an equal chance of being correctly included in the prediction set (“class-conditional coverage”). This procedure can be useful in situations where it is important to identify instances of all classes\, even the rare ones. We demonstrate the performance of this method on ImageNet and other image classification datasets. \n Visio URL:https://isdm.umontpellier.fr/event/how-should-we-construct-prediction-sets-insights-from-conformal-prediction/ CATEGORIES:Séminaire ATTACH;FMTTYPE=image/jpeg:https://isdm.umontpellier.fr/wp-content/uploads/2025/02/ml-mpt-1.jpg END:VEVENT END:VCALENDAR