À partir de cette année, @LeCnam propose un certificat de spécialisation en intelligence artificielle. Il s'agit d'une formation en cours du soir permettant de se professionnaliser en IA « moderne », notamment en machine/deep learning.

(RT appréciés 🙂)

formation.cnam.fr/rechercher-par… L'objectif est former des professionnel⋅les qui souhaitent manipuler des données et construire des modèles décisionnels.

La formation démarre avec des prérequis niveau bac+3 en math/info et termine sur des cours niveau M2 (bac+5).

Ça me rend bien triste mais ce fil est un exemple de très mauvaise médiation scientifique. Sous prétexte de vouloir défendre le principe de modèle prédictif basé sur des corrélations, on finit par promouvoir de la très mauvaise science.

https://twitter.com/ChatSceptique/status/1262285470702227456

L'argumentaire tourne autour d'un article (en preprint) qui construit un modèle (de réseaux de neurones) pour prédire la sexualité à partir d'une photo.

Le preprint a été unanimement décrié par la communauté scientifique en ML quand il est sorti.

(sorry to my english readers, this thread is about French research policies)

Vu que ça cause de ça aujourd'hui, un petit fil sur mon point de vue de jeune MCF recruté sur un poste IA.

Sur Opérations Postes, je compte 42 postes de MCF ouverts en info dont 19 en IA/data. 1/(n=?) Mettons tout de suite les pieds dans le plat : j'ai un profil "deep learning" appliqué à des domaines en vogue (images). C'est vraisemblablement ce qui m'a permis d'être recruté rapidement et je sais que j'ai de la chance d'être arrivé au bon moment sur le bon sujet.

2/n

Je réfléchis à voix haute : quel sens est-ce que cela a de demander aux élèves ingénieurs de présenter leur école dans leurs prépas d'origine ? Les prépas les mieux représentées recevront plus de publicité, est-ce que ça n'encourage la reproduction du recrutement ? 1/? Est-ce que ça ne serait pas plus enrichissant pour les étudiants de présenter leur école là où elle est moins connue ? Tout le monde connaît les Mines à Ginette ou Henri IV. Mais dans les DUT ? Les licences ? Combien d'étudiants savent que l'admission sur titres existe ? 2/?

I have been reviewing a few papers in the last month and I have a (minor) rant. I hate when authors say "We will open source the code/release the dataset on acceptance".

I hate it for 3 reasons. ⤵️ 1⃣ This means that I cannot review your code. Having the code when reviewing would crush my skepticism about your results I have any. This is especially annoying when I am not sure that your model is properly evaluated (e.g. you report validation metrics instead of test).

After a long wait, I am glad to say that our review of deep nets for hyperspectral image classification has been accepted for publication! It goes with a PyTorch based toolbox that has been openly available for about a year : github.com/nshaud/DeepHyp… This manuscript is important for me since it deals (mostly) with us failing to reproduce many results from the state of the art. Why? I have four reasons:
1. Wrong methodology (test set leakage)
2. Unclear network architecture
3. No answer from authors
4. Failure from our side

mkdir Manuscrit
git init
git add *.tex
git commit -m "Commit initial"

#TeamRédaction ✍️ Update. This is daunting.