BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//labri.fr//NONSGML kigkonsult.se iCalcreator 2.41.92//
CALSCALE:GREGORIAN
METHOD:PUBLISH
UID:4f7c9f86-03bd-4ac9-9210-7e284b850ac7
X-WR-CALNAME:Atelier « Explainable Deep learning/AI » au congrès IAPR IEEE 
 ICPR’2021
X-WR-TIMEZONE:Europe/Paris
BEGIN:VTIMEZONE
TZID:Europe/Paris
TZUNTIL:20221030T010000Z
BEGIN:STANDARD
TZNAME:CET
DTSTART:20201025T030000
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
RDATE:20211031T030000
END:STANDARD
BEGIN:DAYLIGHT
TZNAME:CEST
DTSTART:20200329T020000
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
RDATE:20210328T020000
RDATE:20220327T020000
END:DAYLIGHT
END:VTIMEZONE
BEGIN:VEVENT
UID:4f7c9f86-03bd-4ac9-9210-7e284b850ac7
DTSTAMP:20260420T213557Z
CLASS:PUBLIC
DESCRIPTION:Jenny Benois Pineau animera l’atelier « Explainable Deep learni
 ng/AI » au congrès IAPR IEEE ICPR’2021.\nL'intérêt récent des communautés 
 de l'IA et de la reconnaissance des formes pour les approches d'apprentiss
 age supervisé\, et en particulier pour l'apprentissage profond/IA\, a entr
 aîné une augmentation considérable des performances des systèmes de reconn
 aissance des formes et d'IA\, mais a également soulevé la question de la f
 iabilité et de l'explicabilité de leurs prévisions pour la prise de décisi
 on. Au lieu de développer et d'utiliser l'apprentissage approfondi comme u
 ne boîte noire et d'adapter les architectures de réseaux de neurones connu
 es à divers problèmes\, l'objectif de l'apprentissage approfondi/IA explic
 able est de proposer des méthodes pour 'comprendre' et 'expliquer' comment
  ces systèmes produisent leurs décisions.\n\n&nbsp\;
DTSTART;TZID=Europe/Paris:20210111T090000
DTEND;TZID=Europe/Paris:20210111T190000
LOCATION:Milan
ORGANIZER;CN=Romain Giot:mailto:romain.giot@u-bordeaux.fr
SEQUENCE:0
SUMMARY:Atelier « Explainable Deep learning/AI » au congrès IAPR IEEE ICPR’
 2021
TRANSP:OPAQUE
END:VEVENT
END:VCALENDAR
