AllegroAssai

Économiser les ressources sans perdre en puissance d’analyse
A_INRIA-0152-001_Gribonval_300_400.jpg
© INRIA / Photo M. Bourguet

Projet : Algorithms, Approximations, Sparsity and Sketching for AI

Porteur : Rémi Gribonval – équipe Dante – Inria Grenoble - Rhône-Alpes

Champ d’action : nombreux domaines de recherche et industriels, notamment, dans le cadre de cette chaire, cas des véhicules sans chauffeur.

Objectif : développer des méthodes fondées mathématiquement pour déterminer les compromis à faire entre efficacité, utilisation des ressources et fiabilité dans le cas de méthodes d’apprentissage automatique appliquées à de très grands volumes de données.