Les médias sociaux fournissent aujourd'hui des données en quantité exponentielle. Et ces données se présentent sous plusieurs formes : texte, audio et vidéo. Pour être en mesure de progresser, l’apprentissage machine doit encore annoter chacune de ces données. Et comme la production de ces annotations s'appuie sur des experts, celles-ci coûtent cher. De plus, ces experts arrivent difficilement à faire face à la masse croissante de données.
Marco Pedersoli, nouveau professeur-
chercheur au Département de génie de
la production automatisée.
Marc Pedersoli, qui vient tout juste de joindre les rangs de l'ÉTS en tant que professeur-chercheur, se penchera sur les moyens d'améliorer le processus d'apprentissage machine, plus particulièrement du côté des images. Il tentera de développer des méthodes d’apprentissage qui nécessiteront le moins d’annotations possible.
Son parcours
Marco Pedersoli a obtenu un baccalauréat en génie électronique à l’Université de Brescia, en Italie, d'où il est originaire. Ses études l'ont ensuite fait beaucoup voyager en Europe. Il a tout d'abord réalisé une maîtrise et un doctorat à Barcelone sur la vision artificielle et la reconnaissance des objets, très utilisées pour les systèmes de conduite automatique, l’évitement de piétons, la reconnaissance et l’identification de visages, etc.
Il a ensuite réalisé deux postdoctorats, l'un en Belgique et l'autre en France. Le premier portait sur la reconnaissance des poses humaines (human pose estimation) et l’apprentissage machine faiblement supervisé. Le second était axé sur la description automatique d’images.
Marco Pedersoli a enseigné à l’Université de Barcelone et à KU Leuven en Belgique, tout en suivant plusieurs étudiants dans leurs travaux de maîtrise et de doctorat.
Il a également travaillé à un projet de recherche qui a résulté en la création d’une entreprise. Appelée Visual Tagging, cette entreprise permet d'analyser le marché à partir d'images ou de films qui ont été vus ou aimés par les internautes.