Apprendre avec des données biaisées : quels risques et quelles solutions en pratique ?

Dans cet atelier, Stéphan Clémençon, professeur à Télécom Paris et spécialiste du machine learning et des statistiques, explore les risques liés aux biais dans les données d’apprentissage et leurs conséquences sur les performances des modèles. À partir de travaux de recherche et d’exemples concrets, il présente les méthodes permettant de mieux gérer les données non représentatives, censurées ou tronquées. Découvrez comment identifier ces biais et adapter vos modèles pour améliorer leur fiabilité en conditions réelles.