Navigation

Avide d’apprendre : des algorithmes ultrarapides pour dévorer les mégadonnées

 

L’humanité produit des quantités de plus en plus importantes de données. Les ordinateurs ont la capacité d’apprendre à partir de ces dernières, mais traiter cette énorme masse constitue encore un défi. Ce projet développe des algorithmes d’apprentissage puissants et ultrarapides.

Portrait / description du projet (projet de recherche en cours)

Les "processus gaussiens" se rapportent à une famille d’algorithmes puissants utilisés dans l’apprentissage automatique. Ils ont de nombreuses vertus et peuvent apprendre à partir de n’importe quelles données, peu importe leur complexité. Ils ont de bonnes propriétés mathématiques pour des prévisions fiables. Ils sont clairs et facilement compréhensibles. Mais cette puissance a un coût en matière de temps de traitement, celui-ci étant incompatible avec les mégadonnées. Dans certains cas, il est toutefois possible d’approximer ces algorithmes afin de traiter des données de toutes tailles. Ce projet entend étendre cette capacité à tous les cas en développant des algorithmes spécifiques aux mégadonnées.

Contexte

L’apprentissage automatique est un domaine de recherche qui créé des procédures informatiques de plus en plus sophistiquées (algorithmes) pour analyser des mégadonnées. Cette combinaison entre mégadonnées et algorithmes intelligents offre une opportunité sans précédent pour en apprendre davantage sur le monde et, donc, pour accélérer le progrès. Mais le volume considérable de données complexes disponibles présente aussi des défis : leur traitement se doit d’être efficace et leur analyse fiable et pertinente.

Objectif

L’utilité d’un algorithme dans l’analyse des données est limitée par la rapidité requise pour leur traitement. De nombreuses recherches en matière d’apprentissage automatique sont donc orientées sur la combinaison entre puissance et rapidité, mais cela reste encore à faire pour les mégadonnées. Ce projet se concentre sur une nouvelle approche afin de créer des algorithmes qui fournissent un maximum de puissance et de rapidité, permettant ainsi de remplir les promesses du Big Data.

Importance / Application

Ce projet englobe deux applications concrètes pour nos nouveaux algorithmes. La première est une collaboration avec MétéoSuisse pour améliorer les prévisions et les alertes météo sur l’intensité des précipitations à partir de données radar. La deuxième collaboration, avec armasuisse, entend fournir des prévisions en matière d’électrosmog. De nombreux autres problèmes peuvent être abordés en utilisant les mêmes algorithmes, par exemple dans les domaines de la médecine, des affaires et de la science.

Titre original

State space Gaussian processes for big data analytics

Responsables du projet

  • Professor Marco Zaffalon, Istituto Dalle Molle di Studi sull'Intelligenza Artificiale, Manno
  • Dr. Alessio Benavoli, Istituto Dalle Molle di Studi sull'Intelligenza Artificiale, Manno

 

 

Plus d’informations sur ce contenu

 Contact

Professor Marco Zaffalon Istituto Dalle Molle di Studi sull'Intelligenza Artificiale Galleria 2 6928 Manno zaffalon@idsia.ch

A ce sujet