CAp 2016 - Conférence sur l'Apprentissage Automatique

Appel à communications

Le comité de programme de CAp 2016 sollicite la soumission de travaux dans le domaine de l'apprentissage automatique, qu'il s'agisse de travaux théoriques ou appliqués.

Aucune exclusivité n'est demandée. Nous encourageons à soumettre à CAp les articles soumis et/ou récemment acceptés dans les grandes conférences internationales. Les soumissions peuvent être faites en français ou en anglais.

Nous proposons trois types de soumission:

  • Communication "Recherche" : article long sur le thème de l'apprentissage automatique et de ses applications.
  • Communication "Industrie" : article court ou long portant sur une application de l'apprentissage automatique dans le monde industriel.
  • Communication "Big Picture" : nous sollicitons des interventions courtes et plutôt générales sur les nouvelles tendances de l'Apprentissage Automatique et sur son exploitation dans d'autres disciplines fondamentales.

Les contributions seront diffusées librement sur Internet via le site de la conférence sous réserve que les auteurs donnent leur accord.

La taille limite d'une soumission est de 10 pages. Le style Latex à utiliser est accessible via le lien suivant : cap2016.tar.gz

Vous pouvez récupérer l'appel à contribution distribué (english & français) ici.

Dates importantes

  • Date limite de soumission : 10 avril 24 avril 2016
  • Notification aux auteurs : 20 mai 2016 31 mai 2016
  • Inscription à tarif préférentiel : 31 mai 2016 8 juin 2016
  • Version finale des articles : 5 juin 2016 12 juin 2016
  • SEME : du 27 juin au 1 juillet 2016
  • HackDay : lundi 4 juillet
  • Conférence : du 5 au 7 juillet 2016

Thèmes

  • Théorie de l'apprentissage et paradigmes
    • Apprentissage symbolique
    • Apprentissage actif
    • Apprentissage en ligne
    • Apprentissage multi-tâches, multi-instances, multi-vues et transfert
    • Apprentissage non-supervisé et semi-supervisé
    • Apprentissage par renforcement
    • Apprentissage relationnel
    • Ranking
    • Théorie de l'apprentissage
    • Algorithmes de Bandit
    • Théorie des jeux
    • Inférence grammaticale
  • Méthodes et modèles
    • Apprentissage de représentations
    • Processus Gaussiens
    • Réseaux de neurones et apprentissage profond
    • Méthodes à noyaux
    • Méthodes Bayésiennes
    • Méthodes spectrales
    • Méthodes stochastiques
    • Modèles graphiques
    • Méthodes ensemblistes et boosting
    • Factorisation de matrices et de tenseurs
  • Problématiques connexes
    • Apprentissage et passage à l'échelle
    • Algorithmes d'optimisation
    • Apprentissage et données structurées (données spatio-temporelles, arbres, graphes)
    • Prédiction avec des données manquantes
  • Applications
    • Analyse de réseaux sociaux
    • Analyse de séries temporelles
    • Bioinformatique
    • Filtrage collaboratif et systèmes de recommandation
    • Neurosciences computationnelles
    • Traitement automatique du langage naturel
    • Vision
    • Fouille de données