Projets financés
Monitoring et amélioration continus pour une IA de confiance : Etude de cas sur les classifieurs de contenu – WestOps
Ouest-France, société de médias de premier plan, utilise des techniques de Machine Learning (ML) pour la classification, l'extraction et la recommandation de contenu. Ouest-France souhaite explorer de nouvelles approches afin de rationaliser le processus d'évaluation, d'assurer une détection rapide
MLOps Adaptatif – AdaptiveMLOps
Etendant les principes du DevOps aux Data Sciences et au Machine Learning, le MLOps outille les processus d’entraînement, de déploiement et de maintien en conditions opérationnelles de modèles d’IA intégrés à des architectures logicielles. Un élément clé de ces processus est la gestion de l’entraîn
BenchArk - Une suite d'évaluation numérique efficace et robuste pour l'intelligence artificielle – BenchArk
Les comparaisons numériques sont un pilier de la démarche scientifique dans le domaine de l'apprentissage automatique. En raison de nombreux obstacles pratiques et statistiques, la reproductibilité des résultats publiés est cependant souvent insuffisante : de nombreux détails peuvent invalider les
Intégration des propriétés FATES dans le développement continu des systèmes basés Machine Learning : application au MLOps – FATES-MLOps
Le mouvement MLOps reprend les objectifs DevOps de réduction les écarts entre les équipes de développement et d'opérations en intégrant la collaboration avec les équipes de data scientists et les phases liées à la construction et le déploiement des modèles de Machine Learning (ML). Notre projet a
Opérationnaliser l'apprentissage fédéré dans des applications de santé réelles – Fed-Ops
L'utilisation pratique de l'apprentissage fédéré (FL) dans les applications de soins de santé a jusqu'à présent été limitée en termes de portée et d'étendue, essentiellement en se concentrant sur la démonstration de la faisabilité de FL dans analyses ad hoc basées sur des modèles et des ensembles de
