Contexte : 

Avec le développement des technologies d’acquisition de données telles que l’Internet des objets, les jumeaux numériques et autres, de grands volumes de données sont produits au quotidien et leur exploitation peut apporter une aide considérable à la prise de décision. Ces données pour la plupart séquentielles ont souvent des incertitudes dans leur mesure. La prise en compte de l’aspect temporel et des incertitudes dans les données peut améliorer les résultats des analyses faites sur ces données et améliorer la prise de décision. 
De nombreuses applications peuvent de ces analyses se faire dans le contexte Camerounais: les outils d’intelligence artificielle (IA) peuvent d’une part aider des entreprises dans l’exploitation des données accumulées dans leurs serveurs; dans des situations de manques de données (ou avec des faibles quantités de données), l’apprentissage par transfert peut être utile pour réadapter les modèles construits sur des données secondaires. D’autres part, l’analyse des séries temporelles permet d’extraire des tendances observables dans le temps et les motifs graduels qui permettront d’observer les co-évolutions entre les attributs.

Objectifs : 

Cette école est portée par le projet FDMI-AMG (https://fdmi.limos.fr) financé par le CNRS. Elle est organisée en partenariat avec la société savante camerounaise CAIS . L’objectif principal est de fournir aux jeunes étudiants de thèse et Master, une culture large et spécialisée pour l’analyse des données, particulièrement en apprentissage artificiel, et en lien avec les applications potentielles dans le contexte local. 

Conséquences attendues : 

L’un des buts de l’école est de fournir une vue large de plusieurs concepts importants en Apprentissage artificiel en lien avec le contexte de développement au Cameroun et en Afrique.