SKWDRO - Une Bibliothèque pour Rendre vos Modèles Robustes Face à des Changements dans la Distribution des Données

Découvrez skwdro, une bibliothèque open source dédiée à la robustification de modèles d'apprentissage face aux changements dans la distribution des données lors de cette session technique d'une heure organisée par ANITI Toulouse. Explorez comment cette bibliothèque permet de créer des modèles robustes qui généralisent mieux et maintiennent de bonnes performances même lorsque les données d'entrée diffèrent du jeu d'entraînement, grâce à une base théorique mathématique solide rendue tractable par une approche duale et des avancées récentes en régularisation entropique. Apprenez à utiliser les deux modes proposés par la bibliothèque : l'utilisation de robustifications de modèles classiques (régression logistique, régression linéaire) avec une interface compatible scikit-learn, et la robustification de modules PyTorch pour une intégration directe dans des réseaux de neurones. Comprenez comment identifier les situations les plus difficiles pour le couple modèle-jeu d'entraînement et découvrez les capacités pratiques de skwdro à travers des exemples concrets de régression et de petits réseaux de neurones. Maîtrisez l'intégration de cette bibliothèque dans vos projets PyTorch pour améliorer la robustesse de vos modèles face aux changements de distribution, tout en explorant les dernières avancées dans ce domaine ainsi que les possibilités pratiques et limites de la robustification à l'entraînement.