Appel à candidatures de l'UE: Programme NGI Explorers aux Etats-Unis - Apprentissage automatique efficace à partir de données

Cette rubrique est consacrée à la recherche et au développement de méthodes d’apprentissage automatique efficaces à partir de données, capables de tirer parti des connaissances issues de sources de données existantes / existantes, d’exploiter la structure de données non supervisées et de combiner les tâches consistant à obtenir efficacement des étiquettes et à former un modèle supervisé.
Fin du dépôt des candidatures

Le programme des explorateurs NGI recherche les meilleurs chercheurs et innovateurs européens en technologies Internet émergentes pour saisir une occasion unique aux États-Unis.

EXPÉDITION DE 3-6 MOIS AUX ÉTATS-UNIS

Travaillez directement avec un partenaire américain pour accélérer votre idée.

PARRAINAGE À 100%

L'aide financière sera financée à 100% avec des subventions publiques de l'UE.

PROGRAMME DE MENTORAT

Un coach apportera un soutien direct tout au long de l'expédition

Les objectifs

Cette rubrique est consacrée à la recherche et au développement de méthodes d’apprentissage automatique efficaces à partir de données, capables de tirer parti des connaissances issues de sources de données existantes / existantes, d’exploiter la structure de données non supervisées et de combiner les tâches consistant à obtenir efficacement des étiquettes et à former un modèle supervisé. Les domaines d’intérêt incluent, mais ne sont pas limités à: l’apprentissage actif, l’apprentissage semi-supervisé, l’apprentissage à partir d’étiquettes / supervision "faibles", l’apprentissage direct / unique, l’apprentissage par transfert / l’adaptation de domaine, les modèles génératifs (adversaires), ainsi que méthodes qui exploitent la connaissance structurelle ou du domaine.

En outre, si les travaux fondamentaux d’apprentissage automatique présentent un intérêt, il en va de même des applications basées sur l’utilisation rationnelle des données dans, entre autres: la vision par ordinateur (catégorisation de l’image / de la vidéo, la détection d’objet, la réponse à une question visuelle, etc.), les réseaux sociaux et informatiques et le temps -série d'analyse et systèmes de recommandation.
 
Détails
 
De nombreux efforts récents en apprentissage automatique se sont concentrés sur l’apprentissage à partir d’énormes quantités de données, ce qui a permis d’améliorer considérablement les capacités et les applications d’apprentissage automatique.
 
Cependant, de nombreux domaines n’ont pas accès aux grandes données supervisées requises, de grande qualité et supervisées, et ne sont donc pas en mesure de tirer pleinement parti de ces techniques d’apprentissage intensives en données. Cela nécessite de nouvelles techniques d'apprentissage efficaces en termes de données, capables d'apprendre dans des domaines complexes sans avoir besoin de grandes quantités de données supervisées.
 
Compétences requises
 
Une compréhension de base de l'apprentissage machine
 
Date limite pour candidater (en anglais): 31 juillet 2019
 
Traduction non officielle
 
Source: NGI Explorers Program

Photo d'illustration: Logiciel d'apprentissage automatique avec des algorithmes personnalisés pour identifier les choix de mode les plus courants à Soho New York. (crédits: nøcomputer / Flickr Creative Commons Attribution-NonCommercial-NoDerivs 2.0 Generic (CC BY-NC-ND 2.0))

Plus d'info

Si votre organisation publie un appel à propositions, un appel à projets ou un appel à candidatures pour les startups, les entrepreneurs ou les chercheurs, nous serons heureux de le publier gratuitement sur notre site web. Nous partagerons aussi votre appel sur les médias sociaux (Facebook, Twitter, LinkedIn, PInterest, Tumblr, Instagram).
Merci de déposer vos fichiers pdf et/ou votre lien URL sur notre WhatsApp +85577778919 ou par courriel à info@adalidda.com


Merci
L'équipe Adalidda

Commentaires

Pas de commentaire à afficher.