Présentation

Scool est une équipe de recherche en apprentissage automatique.
Scool est dédié à l’étude de la prise de la décision séquentielle dans un environnement incertain, en particulier sur les problèmes de bandits et d’apprentissage par renforcement. Nous mettons l’accent sur les environnements non stationnaires et l’apprentissage continuel. Nous cherchons à concevoir des algorithmes ayant une efficacité garantie, en tenant compte de contraintes d’applications réalistes.
Concernant les champs d’application, nous favorisons les travaux en lien avec le secteur de la santé, celui du développement durable ou du e-learning.
Les activités vont de la recherche fondamentale à la valorisation au travers de collaborations ou contrats avec des partenaires académiques et privés.

Achraf Azize

Effect of Noisy Perturbations and Uncertainty Quantification in Sequential Decision Making under Uncertainty

Nathan Grinsztajn

Apprentissage par renforcement pour la résolution séquentielle de problèmes d'optimisation combinatoire incertains et partiellement définis

Marc Jourdan

Algorithmes adaptatifs pour la prise de décision en temps court

Hector Kohler

Représentations sémantiques pour l'apprentissage par renforcement interprétable

Cyrille Kone

Algorithmes de bandit pour les essais cliniques précoces en vaccinologie

Matheus Medeiros centa

Vers la réduction du fossé entre l'induction et la déduction : le cas de l'apprentissage par renforcement

Reda Ouhamma

Bandits non stationnaires et recommandations médicales

Fabien Pesquerel

Structures et regrets en apprentissage par renforcement

Patrick Saux

Bandits non-stationnaires et applications au suivi de patients

Sumit Vashishtha

Défis réels pour la théorie de l'apprentissage par renforcement

Les autres équipes du groupe thématique ' DatInG '

LINKS MAGNET SIGMA