Architectures de calcul pour le machine learning
Cité internationale – Collège d’Espagne
05/04/2019

Les techniques de Machine Learning (ML), notamment basés sur des réseaux neuronaux profonds, ou Deep Neural Networks (DNNs), sont largement utilisés pour de nombreuses applications d’Intelligence Artificielle (IA) dont la vision par ordinateur, la reconnaissance vocale, la robotique, etc. Bien que les techniques de ML offrent une précision de pointe pour de nombreuses tâches d’IA, cela se fait au prix d’une grande complexité de calcul. Par conséquent, la conception d’architectures matérielles efficaces pour les réseaux neuronaux profonds est une étape importante vers le déploiement à grande échelle des algos de ML dans les systèmes IA.
A travers cette journée thématique, nous souhaitons initier des discussions et des échanges autour des différents compromis architecturaux qu’impliquent l’exécution des charges de calcul liées au machine learning que ce soit sur CPU, GPU, FPGA et ASIC, voir même sur leur impact sur les hiérarchies mémoires et le stockage.
Cette journée est donc destiné à discuter des résultats récents dans le domaine de plus en plus important de l’accélération matérielle que ce soit sur des systèmes embarqués, des machines dédiées ou dans des centres de calcul. L’objectif est aussi d’échanger autour de dépôt de projets pour les différents appels en 2019 (ANR, FUI, H2020, etc.).
À l’issue de cette journée, une autre journée thématique sera organisée sur des problématiques ciblées dans le courant de l’année 2019 afin de poursuivre les discussions scientifiques et de faire maturer les idées de projets.
A l’issue de l’année 2019, nous ciblons l’organisation d’une session spéciale dans la thématique dans une conférence internationale avec une publication des actes dans une revue reconnue du domaine.
Thématiques proposées, mais non limitées :
  • Parallel and Distributed Systems
  • Computer Architecture for learning
  • Learning for Embedded Systems
  • Software architecture tools for leaning, compiler, DSL,…
  • Memory hierarchy for learning
  • Storage systems and learning
  • Learning and Edge-computing, and Cloud
Organisateurs :
Soumissions:
Les propositions se feront sous la forme d’un titre et d’un résumé de moins d’une dizaine de lignes à envoyer avant le 22 mars 2019 par simple mail aux 3 organisateurs.