T8 - Programmer et déployer votre IA

Ou La programmation et le déploiement de l'IA.

Titre plus complet : Du Calcul à l'IA : Comment programmer, augmenter et déployer votre intelligence.

La Plénière est plannifié le 8 Juillet 2020 (voir plus bas).

Objectifs

A l’heure où les données instrumentales et les données computationnelles explosent, l’IA fait actuellement une percée remarquable avec l’utilisation massive des données. La recherche par les données révolutionne la démarche scientifique. Les outils d’apprentissage automatique comme l’apprentissage profond ont comme verrou la puissance de calcul, la préparation et l’accès aux données. D’autre part, l’offre de calcul se diversifie en terme d’architectures et d’organisation des capacités de calcul et est en constante mutation. L’IA nécessite un changement complet de méthode, architectures (GPU), d’outils et de savoir-faire par rapport à l’ HPCs. Par ailleurs, les centres de calcul classiques sont amenés à évoluer vers un cluster de data science (HPC, HPDA). Notre communauté doit s’adapter et participer à ce nouveau contexte.

Mots Clés

  • Langages (python, julia, R, …)
  • IA, intelligence artificielle , prédiction
  • Traitement et analyse des données.
  • Calcul (GPU, containers,…)
  • Algorithmes.
  • Apprentissage automatique et/ou profond …
  • Environnements/outils/frameworks (compute lab,Keras, google collab, notebook, pytorch, tensorflow, Réseaux de neurones, deep learning ) Cloud ( Saas, AWS, google collab, google earth engine, Pangeo…)
  • Notebooks.
  • Sciences des données.

GPU, apprentissage automatique, apprentissage profond, compute lab, deep learning, IA, Keras, Julia, machine learning, notebook, passage à l'échelle, pytorch, tensorflow, Réseaux de neurones, Intelligence artificielle , Sciences des données.

Lexique

  • CNN : Convolutionnal Neural network.
  • COMET : COMmunautés d'ExperTs du CNES (ex CCT).
  • GAN : Generative Adversarial Network (Réseaux antagonistes génératifs).
  • RNN : 2 sens francais/anglais : Réseaux de NeuroNes/Recurrent Neural network.
  • DL = Deep learning = apprentissage profond.
  • ML = Machine learning = apprentissage automatique.
  • IA : Intelligence artificielle.
  • 3IA : Instituts Interdisciplinaires d'Intelligence artificielle: http://www.agence-nationale-recherche.fr/3IA-2018
  • RdA : Research Data Alliance. https://www.rd-alliance.org/
  • RL : Reinforcement Learning (Apprentissage par Renforcement).
  • REX : Retour d'EXpériences (ou plus souvent RETEX).
  • SDU : Sciences De l'Univers.
  • SIG : Systèmes d'Information Géographiques.
  • SIL : Système Informatiques et génie Logiciel. * TSI = Traitement du SIgnal.

Programme préliminaire

Statut :

  • AC : A Confirmer.
  • ER : En recherche de propositions.
  • OK : Confirmé.

Plénière de la thématique 8 du 8 Juillet 2020

  • 09h00-09h15 : Présentation de la T8 et de ses enjeux : E. Gondet (OBS-MIP/CNRS) et L. Risser (ANITI/3IA & IMT).
  • 09h15-09h45 : Apprentissage Automatique :
    • Un autre paradigme pour les sciences numériques. J.L Parouty (CNRS).
  • 09h45-10H15 : Synthèse sur les outils et pratiques pour l'IA. ER.
    • A. Boucaud (APC/IN2P3), P. Navaro (IRMAR), L. Risser (ANITI).
  • 10h15-10h45 : Quelles Infrastructures pour les datasciences et l'IA. ER.
  • 10h45-11h15 : Les infrastructures nationales pour le déploiement de l'IA en France et en Europe. - J-P Proux (GENCI). (AC)
  • 11h15-12h00 : Séances Questions Réponses aux intervenants via le tchat.
  • Pause
  • 14h00-15h00 : Machine Learning et Deep Learning :
    • Comprendre les enjeux en 60 mns - F. Camps (LAAS/CNRS).
  • 15h00-15h30 : Séances Questions Réponses via le tchat.
  • 15h30-16h00 : Pause
  • 16h00-17h30 : 2 Groupes de travail simultanées : (AC)
    • T8.GT03 : JULIA. Un successeur de Matlab, Python, R? P. Navaro (IRMAR/CNRS) et F. Pont (ONCOPOLE/INSERM) OK.
    • T8.GT05 : Discussions sur les thèmes de l'apprentissage machine, automatique & co.” Soraya Arias (INRIA) & E. Maldonado (INRA) & J.L Parouty (CNRS). OK

Ateliers

Les ateliers auront lieu après la plénière de cette thématique prévue le 8 juillet.

Les modalités précises sont encore à l'étude. Ils seront regroupés thématiquement 2 par 2 sur une journée autour de pratiques en terme d'outils ou de langages.

T8.APX : Atelier préparatoires numéro X de la thématique 8 T8.AX : Atelier numéro X de la thématique 8.

Les journées prévues ou à l'étude sont les suivantes :

Journées Keras/Tensorflow

  • T8.AP04 : Introduction au Deep Learning, avec TensorFlow et Keras. Soraya Arias (INRIA) & E. Maldonado (INRA) & J.L Parouty (CNRS). OK.
  • T8.A09 : Réseaux de neurones convolutifs (CNN) et Réseaux antagonistes génératifs (GAN)avec Keras/Tensorflow S. Arias (INRIA) & E. Maldonado (INRA) & J.L Parouty (CNRS). OK.

Journée Introduction au DL et ML

  • T8.A10 : Deep learning F.Camps (LAAS). AC
  • T8.A11 : Machine learning F.Camps (LAAS). AC

Journée Julia

  • T8.AP02 : Atelier JULIA pour les débutants le 7 Juillet matin. F. Pont (Oncopôle/INSERM). OK
  • T8.A12 : Packaging et Deep Learning avec JULIA (Flux, Knet) P. Navaro (IRMAR/CNRS). OK.

Journée ML avec Python

  • T8.A04 : Python pour l'apprentissage automatique (machine learning) avec pandas et scikit learn. A. Boucaud (APC/IN2P3) et Laurent Risser (ANITI/3IA & IMT) . OK.
  • T8.A05 : Python pour l'apprentissage automatique (machine learning) avec pandas et scikit learn. A. Boucaud (APC/IN2P3) et L. Risser (ANITI/3IA & IMT) . OK.

Journées Pytorch

  • T8.AP01 : Initiation au framework Pytorch pour le DL. L. Risser (ANITI/3IA & IMT) . OK.
  • T8.A01: Le Framework Pytorch pour le DL. R. Tavenard (LETG) . AC.

Journée R, shiny

Autres ateliers à l'étude

  • T8.AP03 : Programmation distribué dans le Cloud avec Dask et l'écosystème pangeo”. G. Eynard-Bontemps (CNES). AC
  • A06 : Mise en œuvre et optimisation de DL sur GPU . ER.
  • A07 : Ateliers sur les moyens nationaux d'IA (T1/GENCI) . AC
  • A08 : R, R++ et datasciences. ER.
  • T8.AP05 : Dans les entrailles d'un réseau de neurones. (Constitution et fonctionnement d'un réseau de neurones) A. Boucaud (APC/IN2P3/CNRS). OK

Groupes de travail

2 GT ont été insérées à la journée de la plénière le 8 Juillet 2020. Les dates et modalités pour les autres sont encore à l'étude.

  • T8.GT01 Openstack pour la convergence données et HPC. G. Eynard Bontemps (CNES). OK.
    • Etude pour un cluster à base d’Open Stack pour déployer des nœuds HPC bare metal, des VMs, ou du Kubernetes indifféremment accolé au Datalake CNES en stockage objet pour tout ce qui est manipulation de données, mais en gardant un espace scratch haute performance. AC
  • T8.GT02 : Le langage GO. Exemple en génétique F. Pont (Oncopôle/INSERM). OK.
  • T8.GT03 : JULIA. Un successeur de Matlab, Python, R? P. Navaro (IRMAR/CNRS) et F. Pont (ONCOPOLE/INSERM) OK.
  • T8.GT04 : Préparation des Bases/jeux d'apprentissage (Biais, Etiquetage (semi)automatique …) . ER.
  • T8.GT05 : Discussions sur les thèmes de l'apprentissage machine, automatique & co.” Soraya Arias (INRIA) & E. Maldonado (INRA) & J.L Parouty (CNRS). OK
  • T8.GT06 : Apprentissage semi-supervisé, apprentissage actif. ER
  • T8.GT07 : Apprentissage non supervisée. ER.
  • T8.GT08 : Interprétabilité de l'IA L. Risser (ANITI/3IA & IMT) et A Boucaud (APC/IN2P3).
  • T8.GT09 : Machine Learning et incertitudes. A. Boucaud (APC/IN2P3) et L. Risser (ANITI/3IA & IMT) .
  • T8.GT10 Création d'extension R et l'utilisation de système d'intégration continue (github actions, travis, appveyor, etc.). M. Canouil (UMR 1283/8199 (INSERM/CNRS/Université de Lille/Institut Pasteur de Lille/CHU Lille) . AC.
 
jdev2020/t8.txt · Dernière modification: 2020/05/25 15:54 par etienne.gondet@get.obs-mip.fr
 
Recent changes RSS feed Powered by PHP Powered by Pxxo Driven by DokuWiki