move a talk

master
Igor Laborie 5 years ago
parent a40a389028
commit 62914a3d84
  1. 6
      data/schedule.yml
  2. 4
      static/api/site.json
  3. 102
      static/schedule/schedule.ics

@ -56,8 +56,7 @@
- slot: pause-3 - slot: pause-3
talk: __pause talk: __pause
- slot: slot-3 - slot: slot-3
talk: >- talk: quand_les_rates_des_ias_nous_renvoient_a_nos_propres_biais_societaux
_numerique_et_environnement__ou__on_aurait_pu_sauver_les_abeilles__on_a_prefere_sortir_un_nouvel_iphone_
- slot: slot-lt-1 - slot: slot-lt-1
talk: machine_learning_avec_des_allumettes_et_des_cotillons talk: machine_learning_avec_des_allumettes_et_des_cotillons
- slot: lunch - slot: lunch
@ -85,7 +84,8 @@
- room: room3 - room: room3
slots: slots:
- slot: slot-1 - slot: slot-1
talk: quand_les_rates_des_ias_nous_renvoient_a_nos_propres_biais_societaux talk: >-
_numerique_et_environnement__ou__on_aurait_pu_sauver_les_abeilles__on_a_prefere_sortir_un_nouvel_iphone_
- slot: pause-2 - slot: pause-2
talk: __pause talk: __pause
- slot: slot-2 - slot: slot-2

@ -2185,7 +2185,7 @@
}, },
{ {
"slot": "slot-3", "slot": "slot-3",
"talk": "_numerique_et_environnement__ou__on_aurait_pu_sauver_les_abeilles__on_a_prefere_sortir_un_nouvel_iphone_" "talk": "quand_les_rates_des_ias_nous_renvoient_a_nos_propres_biais_societaux"
}, },
{ {
"slot": "slot-lt-1", "slot": "slot-lt-1",
@ -2238,7 +2238,7 @@
"slots": [ "slots": [
{ {
"slot": "slot-1", "slot": "slot-1",
"talk": "quand_les_rates_des_ias_nous_renvoient_a_nos_propres_biais_societaux" "talk": "_numerique_et_environnement__ou__on_aurait_pu_sauver_les_abeilles__on_a_prefere_sortir_un_nouvel_iphone_"
}, },
{ {
"slot": "pause-2", "slot": "pause-2",

@ -241,33 +241,38 @@ TRANSP:TRANSPARENT
CATEGORIES:method___tools CATEGORIES:method___tools
END:VEVENT END:VEVENT
BEGIN:VEVENT BEGIN:VEVENT
DESCRIPTION:Le numérique fait-il partie du problème ou de la solution quand DESCRIPTION:Un chatbot créé par Microsoft qui dérive avec des propos antisé
on parle de réchauffement climatique ?\n\n5 milliards de smartphones en ci mites\, Amazon qui scanne des CVs et finit par ne recruter que des hommes b
rculation en 2020\, ça représente quoi en consommation énergétique\, en gaz lancs\, des algorithmes de reconnaissance faciale qui ont du mal avec les p
à effet de serre\, en pollution chimique ?\n\nLe streaming illimité à 10 e ersonnes de couleur noire\, ... Que d'exemples où l'IA a intégré nos propre
uros par mois c'est le pied mais aujourd'hui Netflix a à peu près l'emprein s biais sociétaux. Il est urgent que nous\, développeurs\, prenions nos res
te carbone du plus gros cimentier mondial\, qui va payer la facture environ ponsabilités et mesurons les enjeux éthiques de l'IA pour éviter que les st
nementale ?\n\nTous les mails de votre vie (que vous ne lirez plus jamais) éréotypes\, les inégalités et les préjugés se retrouvent au cœur de nos fut
disponibles sur Gmail\, très utile\, mais après 2020 on ne saura peut-être urs systèmes.\n\nCette présentation propose des root cause analysis sur des
plus produire industriellement les équipements nécessaires à leur stockage. exemples concrets de ces biais et présente des alternatives qui auraient p
\n\nOn arrive dans "l'âge des limites"\, pour le numérique comme pour le re ermis d'éviter ces biais en "production" autant d'un point de vue humain qu
ste. Quels sont les leviers pour basculer vers un numérique durable ?\n\nEt e technique.\n\nNous verrons notamment que l’éthique peut directement être
si malgré tout on décidait de s'en foutre ? 2 degrés en plus\, c'est juste abordée au niveau des données et de leur préparation à l’apprentissage. Nou
un pull en moins non ? Non. Par contre c'est 30% en moins sur les rendemen s nous concentrerons principalement sur l’impact des statistiques des donné
ts agricoles pour ... 30 % de population en plus en 2050. En 1970\, Dennis es d’entraînement et les transformations à appliquer en pré-processing (mét
Meadows modélisait sur les ordinateurs du MIT un crash du système planétair riques de fairness\, améliorer la fairness sur des données annotées)\, et n
e pour les décennies 2020-2030. Pour l'instant\, c'est cette trajectoire qu ous montrerons comment des benchmarks permettent d'appréhender l’impact des
e notre monde suit. méthodes de fairness sur la précision des modèles entraînés.\n\nLa confian
ce et l’équité passe avant tout par une compréhension de la prise de décisi
on par l’utilisateur. Par conséquent\, nous présenterons diverses méthodes
pour expliquer la prise de décision d’un modèle boîte noire (principalement
des algorithmes de deep learning) et mettons en garde contre une mauvaise
interprétation de ces explications.
DTSTART:20191003T120000 DTSTART:20191003T120000
DURATION:PT40M DURATION:PT40M
LOCATION:#2 LOCATION:#2
SUMMARY:"Numérique et environnement" ou "On aurait pu sauver les abeilles\, SUMMARY:Quand les ratés des IAs nous renvoient à nos propres biais sociétau
on a préféré sortir un nouvel iPhone" x
UID:zDbtrtvdLPG1okj07wyI UID:ZsAGxn6UZi1hfzz2bwR7
URL:https://devfesttoulouse.fr/sessions/_numerique_et_environnement__ou__on URL:https://devfesttoulouse.fr/sessions/quand_les_rates_des_ias_nous_renvoi
_aurait_pu_sauver_les_abeilles__on_a_prefere_sortir_un_nouvel_iphone_ ent_a_nos_propres_biais_societaux
TRANSP:TRANSPARENT TRANSP:TRANSPARENT
CATEGORIES:wtf CATEGORIES:big_data___ml___ai
END:VEVENT END:VEVENT
BEGIN:VEVENT BEGIN:VEVENT
DESCRIPTION:Dans ce talk je vous montrerai comment expliquer simplement le DESCRIPTION:Dans ce talk je vous montrerai comment expliquer simplement le
@ -399,38 +404,33 @@ TRANSP:TRANSPARENT
CATEGORIES:wtf CATEGORIES:wtf
END:VEVENT END:VEVENT
BEGIN:VEVENT BEGIN:VEVENT
DESCRIPTION:Un chatbot créé par Microsoft qui dérive avec des propos antisé DESCRIPTION:Le numérique fait-il partie du problème ou de la solution quand
mites\, Amazon qui scanne des CVs et finit par ne recruter que des hommes b on parle de réchauffement climatique ?\n\n5 milliards de smartphones en ci
lancs\, des algorithmes de reconnaissance faciale qui ont du mal avec les p rculation en 2020\, ça représente quoi en consommation énergétique\, en gaz
ersonnes de couleur noire\, ... Que d'exemples où l'IA a intégré nos propre à effet de serre\, en pollution chimique ?\n\nLe streaming illimité à 10 e
s biais sociétaux. Il est urgent que nous\, développeurs\, prenions nos res uros par mois c'est le pied mais aujourd'hui Netflix a à peu près l'emprein
ponsabilités et mesurons les enjeux éthiques de l'IA pour éviter que les st te carbone du plus gros cimentier mondial\, qui va payer la facture environ
éréotypes\, les inégalités et les préjugés se retrouvent au cœur de nos fut nementale ?\n\nTous les mails de votre vie (que vous ne lirez plus jamais)
urs systèmes.\n\nCette présentation propose des root cause analysis sur des disponibles sur Gmail\, très utile\, mais après 2020 on ne saura peut-être
exemples concrets de ces biais et présente des alternatives qui auraient p plus produire industriellement les équipements nécessaires à leur stockage.
ermis d'éviter ces biais en "production" autant d'un point de vue humain qu \n\nOn arrive dans "l'âge des limites"\, pour le numérique comme pour le re
e technique.\n\nNous verrons notamment que l’éthique peut directement être ste. Quels sont les leviers pour basculer vers un numérique durable ?\n\nEt
abordée au niveau des données et de leur préparation à l’apprentissage. Nou si malgré tout on décidait de s'en foutre ? 2 degrés en plus\, c'est juste
s nous concentrerons principalement sur l’impact des statistiques des donné un pull en moins non ? Non. Par contre c'est 30% en moins sur les rendemen
es d’entraînement et les transformations à appliquer en pré-processing (mét ts agricoles pour ... 30 % de population en plus en 2050. En 1970\, Dennis
riques de fairness\, améliorer la fairness sur des données annotées)\, et n Meadows modélisait sur les ordinateurs du MIT un crash du système planétair
ous montrerons comment des benchmarks permettent d'appréhender l’impact des e pour les décennies 2020-2030. Pour l'instant\, c'est cette trajectoire qu
méthodes de fairness sur la précision des modèles entraînés.\n\nLa confian e notre monde suit.
ce et l’équité passe avant tout par une compréhension de la prise de décisi
on par l’utilisateur. Par conséquent\, nous présenterons diverses méthodes
pour expliquer la prise de décision d’un modèle boîte noire (principalement
des algorithmes de deep learning) et mettons en garde contre une mauvaise
interprétation de ces explications.
DTSTART:20191003T100000 DTSTART:20191003T100000
DURATION:PT40M DURATION:PT40M
LOCATION:#3 LOCATION:#3
SUMMARY:Quand les ratés des IAs nous renvoient à nos propres biais sociétau SUMMARY:"Numérique et environnement" ou "On aurait pu sauver les abeilles\,
x on a préféré sortir un nouvel iPhone"
UID:ZsAGxn6UZi1hfzz2bwR7 UID:zDbtrtvdLPG1okj07wyI
URL:https://devfesttoulouse.fr/sessions/quand_les_rates_des_ias_nous_renvoi URL:https://devfesttoulouse.fr/sessions/_numerique_et_environnement__ou__on
ent_a_nos_propres_biais_societaux _aurait_pu_sauver_les_abeilles__on_a_prefere_sortir_un_nouvel_iphone_
TRANSP:TRANSPARENT TRANSP:TRANSPARENT
CATEGORIES:big_data___ml___ai CATEGORIES:wtf
END:VEVENT END:VEVENT
BEGIN:VEVENT BEGIN:VEVENT
DESCRIPTION:The singe most important feature of Rust is memory safety. Writ DESCRIPTION:The singe most important feature of Rust is memory safety. Writ

Loading…
Cancel
Save