L’atelier est organisé suivant trois grands thèmes, les contributions sur d’autres thèmes étant naturellement les bienvenues :

1. Abstraction de la connaissance (annotation des données, métadonnées, ontologie ; principes FAIR ; représentations de la connaissance ; extraction de données)
2. Big Data (apprentissage profond, métamodélisation/surrogates ; réduction de modèles, réduction de dimensionnalité, sélection de variables ; vision par ordinateur, détection d’objets, segmentation)
3. Small Data (IA explicable, IA symbolique, fusion de connaissances ; apprentissage par transfert, apprentissage par renforcement ; données synthétiques ; validation de la généralisation, validation de la robustesse)

Des exposés invités ouvriront les différents thèmes :

• Konrad Hinsen (SOLEIL) : Des données aux modèles et vice versa: l’évolution de la science à l’ère numérique
• Pierre Kerfriden (Centre des Matériaux) : L’IA et la science des données pour la modélisation des matériaux : progrès, succès et perspectives
• Jean-Luc Parouty (SIMaP) : Des données et des neurones pour représenter le monde et l’interpréter
• Jean-Philippe Poli (CEA)
• Franck Tancret (Université de Nantes)

Au-delà de ces thèmes, toutes contributions orales portant sur l’apprentissage statistique appliqué à des données expérimentales ou simulées sont les bienvenues, qu’elles accordent une importance à la préparation des données, à la construction des modèles, à leur validation ou à leur usage. Il est également possible de présenter un poster.