Dans la simulation numérique ou la conception de systèmes, on peut souvent formaliser les questions de plan d’expérience ou les problèmes inverses comme des problèmes de régression généralisés qui mettraient en correspondance espace de conception et espace de performance. Dans ces contextes, il est plutôt question de « small data » car les évaluations ou la réalisation de prototypes sont coûteux, il est pourtant tout aussi crucial de développer des approches dites prédictives permettant d’explorer ces espaces, parfois structurés, de façon ciblée.

Au cours de l’exposé, un cadre méthodologique permettant de mettre en oeuvre des algorithmes d’apprentissage répondant aux enjeux de la prise de décision sera proposé. Les perspectives de la démarche proposée seront illustrées sur des exemples académiques ainsi que sur dans des applications dans le cadre de projets collaboratifs.

 

En savoir plus sur Nicolas Vayatis >>>

S’inscrire >>>