Écoles thématiques
Les écoles thématiques soutenues par le pôle MIPS ont pour ambition de favoriser la formation avancée, de stimuler les échanges interdisciplinaires et de renforcer les liens entre équipes de recherche autour de sujets à fort enjeu scientifique.
Ces événements scientifiques permettent de partager des savoirs de pointe, d’approfondir des problématiques émergentes, et de créer un espace propice à l’émergence de nouvelles collaborations.
Retrouvez ci-dessous l’école actuellement en cours :
Core AI
Porteur du projet : Konstantin Todorov (LIRMM)
En collaboration avec : André Mas (IMAG)
L’intelligence artificielle connaît un essor considérable, porté par les progrès en apprentissage automatique : modèles génératifs, optimisation distribuée, explicabilité, IA neuro-symbolique, adaptation de domaine…
Derrière ces avancées très médiatisées se trouvent des fondements théoriques solides, au croisement des mathématiques et de l’informatique.
Une école thématique pour les jeunes chercheur·es
L’École Thématique CoreAI 2026, financée par le Projet Thématique Long COLORS, propose :
- des séminaires avancés et des mini-cours,
- destinés aux doctorant·es, postdoctorant·es, ingénieur·es, chercheur·es et enseignant·es-chercheur·es,
- et ouverte également aux étudiant·es de Master 2.
Une initiative interdisciplinaire
Ouverte à toutes les communautés du site, cette école vise à :
- encourager les échanges au sein de MIPS,
- favoriser les discussions scientifiques dans un cadre stimulant,
- susciter de nouvelles collaborations au-delà des disciplines IA, maths et informatique.
Les inscriptions seront gratuites mais obligatoires, à partir de la mi-janvier.
Retrouvez ici les slides de l’événement :
- Mini-course Dino Lenco & Giuseppe Guarino (INRAE Montpellier) Domain Adaptation for Computer Vision and Remote Sensing: Concepts, Algorithms, Frameworks, and Applications
- Axel Ngonga Ngomo (University of Leipzig) – Concept Leraning is Reinforcement Learning
- Nirupam Gupta (University of Copenhagen) – Machine Learning in Untrusted Environments
- Hadrien Hendrikx (Inria Grenoble) – Theoretical foundations towards practical decentralized optimization
- Gérard Biau (Sorbonne University – Academy of Sciences) – Learning with Physical Constraints (PINNs, Physics-informed Kernel Learning)
- Céline Robardet (INSA Lyon) – Understanding and Explaining Graph Neural Networks: From Post-hoc Methods to Self-Explaining Models