Deep Learning Relationnel pour le clustering de données

Stage de recherche rémunéré (Master 2 / Ingénieur A3)
Deep Learning Relationnel
pour le clustering de données massives et complexes
Contexte :
L’apprentissage profond (ou Deep Learning) est un ensemble de méthodes d’apprentissage
automatique tentant de modéliser des connaissances avec un haut niveau d’abstraction grâce à des
architectures hiérarchiques de neurones artificiels. Ces techniques ont permis des progrès
importants et rapides dans les domaines de l’analyse du signal sonore ou visuel et notamment de
la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement
automatisé du langage. En 2016, le programme alphaGo, ayant appris à jouer au jeu de go par la
méthode de l’apprentissage profond, a battu le champion du monde Lee Sedol. Cet exploit, qui
semblait impossible il y a quelques années seulement étant donné la complexité du jeu de go, a
démontré les formidables capacités d’apprentissage et d’abstraction des méthodes profondes.
Nous nous intéresserons dans ce stage à l’apprentissage profond appliqué aux données nonvectorielles. En effet, dans de nombreuses applications, les observations ne sont pas
naturellement représentées sous forme d’un nombre fixé de valeurs numériques, i.e., sous forme
de vecteurs. Les données réelles peuvent en effet être de taille variable, être décrites par des
variables qui ne sont pas directement comparables, ne pas être numériques, etc. On peut évoquer
par exemple les données textuelles ou les données symboliques (intervalles, distributions, etc.).
Or, beaucoup de méthodes d’analyse de données ont été construites pour des données
représentées dans un espace vectoriel. Pour être appliquées à des données non vectorielles, les
méthodes en question doivent être modifiées et adaptées. Une approche particulièrement
fructueuse consiste à s’appuyer sur la définition de mesures de (dis)similarités entre données
complexes. L’avantage évident de cette stratégie est de séparer la construction d’algorithmes
d’analyse et le choix de la représentation des données. Cela permet de proposer une
implémentation unique d’un algorithme d’analyse qui pourra être utilisée avec toute sorte de
données, à condition de pouvoir calculer une (dis)similarités entre les observations. L’algorithme
et son implémentation deviennent alors universels.
Cependant, ce type de méthodes s’adapte difficilement aux données massives, malgré une
augmentation très rapide de la taille des jeux de données due aux nouvelles technologies. Le
problème vient de l’impossibilité de placer l’ensemble de ces données en mémoire vive. Les
données doivent être traitées une par une ou par « paquets ». Or, dans les méthodes à base de
similarité, les données (ou leurs représentants) sont décrites par leurs distances à toutes les autres
données, ce qui est impossible si on ne conserve pas en mémoire l’ensemble des données. Il est
donc nécessaire de proposer de nouveaux algorithmes d’analyse de données à base de similarité
qui soient adaptés à ce type de problème.
L’objectif de ce stage sera de développer une nouvelle méthode d’apprentissage profond pour
données massives et complexes. La méthode mise au point se basera sur une mesure de similarité
entre objets pour apprendre une nouvelle représentation des données sous la forme de
pondérations qui formeront la couche d’entrée du réseau de neurone profond. Ces pondérations
seront mises à jour e temps réel par l’algorithme au cours de l’apprentissage, de façon à limiter le
temps de calcul et l’utilisation de la mémoire. Les performances de l’approche proposées seront
testés expérimentalement sur des jeux de données artificiels et réels.
Objectifs du stage :
•
Étudier l’état de l’art sur le Deep Learning et les méthodes d’analyse de données
relationnelles.
•
Développer une méthode de Deep Learning adaptée à l’analyse de données massives et
complexes.
•
Valider la méthode sur différents jeux de données.
Compétences souhaitées :
•
Formation en Apprentissage Automatique et Data Mining
•
Développement en Python.
•
Durée du stage : 6 mois
Lieu du stage : LIPN, UMR 7030, Sorbonne Paris Cité, Université Paris 13, Villetaneuse
Rémunération : Ce stage sera gratifié sur toute sa durée à hauteur d’environ 530 euros par mois
Contact : Basarab Matei ([email protected])