Laboratoire de théorie en apprentissage automatique

Le Laboratoire de Théorie en Apprentissage Automatique (TML) de l'EPFL se concentre sur le développement d'outils algorithmiques et théoriques pour améliorer la compréhension et la robustesse de l'apprentissage automatique. Leur recherche couvre des sujets tels que l'apprentissage automatique contradictoire, la théorie de l'apprentissage profond, l'optimisation stochastique et les algorithmes MCMC. L'équipe du laboratoire participe activement à l'étude de divers aspects de l'apprentissage automatique, y compris les méthodes agnostiques modèles, la régularisation des normes et la minimisation de la netteté. En mettant fortement l'accent sur l'avancement du domaine de l'apprentissage automatique, TML s'engage à explorer des approches novatrices pour améliorer la performance et la fiabilité des modèles d'apprentissage automatique.