Communication / Événement

Workshop LARGR Lille 2023 : conférences sur l'apprentissage statistique pour les graphes

Date:
9–10 mars 2023
Lieu :
Centre Inria de l'Université de Lille
,

40 avenue Halley , 59650 Villeneuve d'Ascq

Mis à jour le 27/03/2023
Hemant Tyagi et Christophe Biernacki (équipe-projet MODAL) organisent un workshop de deux jours sur l'apprentissage statistique pour les graphes à grande échelle (statistical learning for LARge scale GRaphs - LARGR), les 9 et 10 mars 2023, dans l'amphithéâtre du bâtiment B du Centre Inria de l'Université de Lille.

Ce workshop couvrira des sujets relevant des problèmes d'apprentissage statistique sur les réseaux à grande échelle, en particulier relatifs au clustering, au ranking, à l'appariement de graphes, aux GNN (Graph Neural Networks), au traitement du signal de graphe et aux processus dynamiques sur les réseaux.

Il comprendra une combinaison de six longs exposés (1 heure chacun, par des conférenciers invités faisant référence dans leurs thématiques, liste ci-dessous) et de 15 exposés plus courts (20 minutes chacun, principalement données par des doctorants/postdoctorants/jeunes chercheurs). Tous les exposés comprendront une introduction générale pour les rendre accessibles à un large public, pas nécessairement spécialiste du domaine.

Intervenants invités :

  • Stéphane Chrétien (Université de Lyon, Lyon 2, ERIC UR 3083) ;
  • Pierre Borgnat (CNRS, ENS Lyon) ;
  • Julien Hendrickx (UCLouvain) ;
  • Marc Lelarge (Inria et ENS Paris) ;
  • Pietro Liò (Université de Cambridge) ;
  • Catherine Matias (CNRS, Sorbonne Université).

Pourquoi s'intéresser à l'apprentissage sur les graphes ?

Dans de nombreux problèmes en sciences et en ingénierie, nous avons accès à des données sous la forme de relations par paires entre un ensemble de n objets. Ces relations par paires conduisent naturellement à un graphe sous-jacent, avec des nœuds correspondant aux objets, et des arêtes codant les paires d'objets pour lesquels des informations sont disponibles. L'objectif est alors d'apprendre une structure latente sous-jacente associée aux objets en utilisant les données par paires disponibles.

De tels problèmes se posent dans un large éventail d'applications, telles que la vision par ordinateur, les systèmes de recommandation, les tournois sportifs, la biologie, les sciences sociales, pour n'en citer que quelques-unes. Dans de nombreux cas, les données sont de grande dimension avec n de l'ordre de milliers, voire de millions (par exemple les réseaux sociaux), rendant ainsi la tâche algorithmique difficile d'un point de vue pratique. La dernière décennie a été témoin d'un éventail impressionnant de résultats – à la fois d'un point de vue théorique et pratique – avec plusieurs résultats fondamentaux, ainsi que des percées récentes réalisées par les Graph Neural Networks dans de nombreuses applications importantes.

Graphes

 

Objectif du workshop

Ce workshop réunira des chercheurs de différentes communautés en mathématiques, statistique, informatique et traitement du signal, et fournira un environnement stimulant pour les discussions interdisciplinaires. Il intéressera à la fois les théoriciens et les praticiens.

L'objectif de ce workshop est triple. L'objectif principal est d'obtenir une meilleure compréhension de certaines des avancées récentes dans ce domaine – à la fois en théorie et en pratique. Dans un deuxième temps, nous cherchons à identifier des pistes intéressantes et pertinentes pour de futures recherches. Enfin, notre objectif est la diffusion de l'information parmi les participants, et nous espérons cultiver l'intérêt pour le vaste domaine de la "science des réseaux" auprès d'un public plus large.