What we're about

Ce groupe cherche à créer un espace d'échange sur la commune de Rennes et ses alentours autour de la data science, le machine learning et les statistiques, par l'alternance d'interventions générales, sur des concepts et idées principales de la discipline, et applicatives, par la présentation de cas réels. Les intervenants auront des profils d'universitaires, d'entrepreneurs ou plus techniques comme des data scientists ou des data engineers et s'attacheront à présenter les derniers algorithmes en vogue, leurs derniers résultats de recherche ou encore leurs applications.

Upcoming events (1)

Analyser les sons ambiants de façon automatique. Enjeux et problématiques.

Le Village by CA Ille-et-Vilaine

Bonjour à tous,

Le meetup ML rennais reprend du service (et en présentiel) le 17 novembre prochain.
Au village By CA d'Ille-et-Vilaine, nous accueillerons Nicolas Turpault, ingénieur de recherche à l'INRIA de Rennes pour nous parler des enjeux et des problématiques liés à la reconnaissance de sons ambiants (résumé ci-dessous).

On ne change pas les bonnes habitudes: inscrivez-vous sur le site du meetupML et nous vous attendons à 19h le 17/11; la présentation sera suivie d'un moment convivial ;)

Au plaisir de vous retrouver,
Les organisateurs.

Résumé:
Notre vie est constamment bercée par les sons ambiants. De l’eau qui coule dans notre douche aux bruits de notre clavier, les sons ambiants sont partout. Les humains sans pertes auditives reconnaissent inconsciemment les sons qui les entourent et prennent de nombreuses décisions en tenant compte des sons ambiants (réactions à des pleurs de bébé par exemple).
L’analyse des sons ambiants de manière automatique est un problème difficile à résoudre en raison de la complexité des scènes sonores et de leur manque de structure apparente. Afin de reconnaître les événements sonores de façon automatique, on a généralement recours à des méthodes de deep learning qui reposent sur l’utilisation de jeux de données contenant les événements que l’on souhaite reconnaître avec leur annotation. Cependant annoter ces données coûte cher.

Dans cette intervention, nous discuterons des enjeux de la reconnaissance de sons ambiants, ainsi que des problèmes qui interviennent en environnement réel. Nous indiquerons ensuite comment faire une solution à faible coût en utilisant peu de données réelles et réduire l'effort d'annotation.

Bio
2021 - : Porteur de projet startup à l'Inria de Rennes
2021: Docteur en informatique (reconnaissance de sons ambiants en environnement réel) à l'université de Lorraine
2018: Master management et administration des entreprises (MAE)
2017: Ingénieur en mathématiques appliquées à Polytech Nice Sophia

Photos (39)