Des algorithmes, en passant par les données, leur annotation, les composants matériels et en allant jusqu’aux procédures d’entraînement, les sources de variabilité sont nombreuses quand on emploie des méthodes d’apprentissage machine pour traiter de questions en imagerie du vivant. Dans cet exposé, nous passons en revue ces sources de variabilité et les illustrons sur des exemples variés (biomédical, sciences des plantes, biologie cellulaire); nous discutons enfin les conséquences de cette variabilité à l’heure de la loi européenne “AI act” qui attend des garanties notamment en termes de robustesse ou d’interprétabilité.

Ce webinaire a été par animé par David Rousseau, professeur à l’université d’Angers, chef de l’équipe ImHorPhen.

Le séminaire a eu lieu en distanciel. La vidéo de la présentation est disponible sur ce lien Vidéo. La présentation est disponible : Présentation.