29,30 & 31 Juillet 2024
Université du Burundi, Bujumbura
À propos de l'événement
Rejoignez-nous à Bujumbura pour un événement exclusif dédié à l'intelligence artificielle, un rassemblement conçu pour ceux qui sont à la pointe de l'innovation et de la technologie. Cet événement est votre opportunité de plonger en profondeur dans les dernières avancées en matière d'IA, de réseauter avec des experts et d'acquérir des informations inestimables sur l'avenir de la technologie.
Ceci n'est pas qu'un événement ; c'est l'occasion de faire partie d'une communauté qui façonne l'avenir. Postulez maintenant pour assurer votre place parmi ceux qui entraînent le changement dans le monde de l'intelligence artificielle.
Participant(e)s
Jours
Conférencier(e)s
Sujets
ordre du jour
*Informations exactes pour le moment ; sujettes à modification ; revenez plus près de l'événement.
Sponsors & Partenaires
Map
Campus Kamenge
Université du Burundi, Campus Kamenga, Bujumbura
Université du Burundi
Elle a obtenu un doctorat en Sciences Informatiques et Technologies, spécialisée en Apprentissage Automatique et Reconnaissance des Formes, de l'Université des Sciences et Technologies de Pékin en janvier 2018. Elle a reçu son Master en Application Informatique de l'Université Jiangnan en mars 2010 et un Baccalauréat en Science Informatique et Technologie de l'Université Jiaotong de Pékin en juillet 2006. Elle a travaillé comme ingénieure informatique à l'Office National des Télécommunications (ONATEL Burundi) de 2007 à 2012. Depuis juillet 2012, elle est enseignante et chercheuse à l'Université du Burundi. Ses intérêts de recherche incluent l'Intelligence Artificielle, notamment dans les domaines de l'Apprentissage Automatique et de la Reconnaissance des Formes — couvrant les images, le son et le texte ; la Technologie Multimédia ; et la Programmation Web.
Baamtu
Il est ingénieur de recherche chez Baamtu, une entreprise spécialisée dans l'amélioration des données au Sénégal. Il est également doctorant en intelligence artificielle à l'Université Gaston Berger, où il travaille sur les techniques d'apprentissage profond appliquées aux deepfakes audio et vidéo pour les langues africaines.
ENIT
Le Dr. Moez Ben Hajhmida est reconnu pour ses contributions révolutionnaires au traitement automatique des langues et à l'intelligence artificielle pour les langues sous-représentées. Titulaire d'un doctorat de l'Université Tunis El Manar, Tunisie, le Dr. Ben Hajhmida occupe actuellement le poste de professeur associé à la prestigieuse École Nationale d'Ingénieurs de Tunis (ENIT), où il éclaire ses étudiants sur les subtilités du Big Data, de l'IA et au-delà. Ayant occupé des rôles clés dans des startups nationales et internationales spécialisées dans les systèmes d'intelligence artificielle, le Dr. Ben Hajhmida apporte une riche expérience pratique à ses interventions publiques. Son mandat en tant que directeur des opérations chez iCompass illustre sa capacité à traduire les concepts théoriques en solutions innovantes et tangibles. De plus, son passage en tant que boursier Fulbright à l'UC Berkeley en 2022, où il a exploré les subtilités de l'IA générative et l'explicabilité des modèles d'apprentissage profond.
Université de Manouba
Le Dr. Hatem Haddad a obtenu un doctorat en Informatique et Systèmes d'Information de l'Université Grenoble Alpes, France. Il a été chercheur postdoctoral au VTT Technical Research Center of Finland et à l'Université Norvégienne de Science et Technologie. Il a occupé des postes de professeur assistant à l'Université Grenoble Alpes (France), à l'UAEU (Émirats Arabes Unis), à l'Université de Sousse (Tunisie), à l'Université Mevlana (Turquie), et à l'ULB (Belgique). Il a travaillé pour des corporations industrielles en R&D au VTT Technical Research Centre of Finland et à l'Institut pour la Recherche en Infocomm, Laboratoire de Traitement d'Images et Applications de Singapour. Il a été chercheur invité à la Leibniz-Fachhochschule School of Business (Allemagne) et à l'Institut Polytechnique de Coimbra (Portugal). Ses intérêts de recherche actuels incluent le Traitement Automatique des Langues, l'Apprentissage Automatique, et l'Apprentissage Profond. Il est président de programme dans diverses conférences mondiales et sert comme réviseur pour des revues et conférences pertinentes dans le domaine de l'Intelligence Artificielle. Il est membre du conseil de Masakhane et de WiNLP (Widening NLP).
Masakhane
Née en 1972 en République démocratique allemande, Doreen Nixdorf a suivi un parcours professionnel remarquable et diversifié. En 1991, elle a commencé sa carrière professionnelle en tant que technicienne spécialisée dans les techniques de laboratoire en biochimie. Poussée par une passion pour les arts, elle a entrepris une deuxième carrière en 1997 en tant qu'actrice. Actuellement, elle poursuit sa troisième profession en étudiant l'informatique avec l'ambition de devenir informaticienne d'ici 2026. Ce parcours professionnel diversifié témoigne de son adaptabilité et de sa soif de connaissances. Amoureuse des langues, Doreen Nixdorf a exploré divers paysages linguistiques. Elle a appris le russe et l'anglais à l'école, s'est essayée au chinois en 1998, et a ensuite acquis l'espagnol. Son répertoire linguistique comprend également un peu de français, une brève rencontre avec l'arabe en 2015, et la découverte du kirundi en 2017. Doreen Nixdorf est membre active de Masakhane et a contribué au MasakhaNews-Corpus, montrant son engagement envers les projets linguistiques et culturels. En 2022, elle a visité le Burundi, favorisant la coopération avec le Département de linguistique de l'Université de Burundi et le Deutschzentrum de Bujumbura. Le parcours de Doreen Nixdorf est un mélange captivant de sciences, d'arts et de langues, soutenu par une quête incessante d'apprentissage et de collaboration interculturelle.
Université du Burundi
Il est titulaire d'un doctorat en Technologies de l'Information et de la Communication (TIC), spécialité Sécurité des Systèmes d'Information, de l'Université d'Abomey-Calavi. Il est professeur assistant senior à l'Université du Burundi et occupe également le poste de vice-doyen de l'Institut de Statistique Appliquée de l'Université du Burundi. Ses domaines d'intérêt comprennent les entrepôts de données, l'exploration de données, l'Internet des objets, l'intelligence artificielle, l'apprentissage automatique, l'apprentissage profond, l'analyse des mégadonnées, la sécurité du fog/edge/cloud computing, les réseaux de neurones artificiels, la cybersécurité et le piratage éthique.
Université du Burundi
Emmanuel est doctorant à l'Université du Burundi, où il concentre ses recherches sur l'Intelligence Artificielle et la Cybersécurité pour l'Aviation. En plus de ses activités académiques, il occupe le poste de gestionnaire des TIC à l'Autorité de l'Aviation Civile du Burundi, où il joue un rôle crucial dans la supervision et l'amélioration des infrastructures technologiques et des mesures de sécurité. Le parcours académique d'Emmanuel est marqué par un diplôme de master obtenu au Centre Africain d'Excellence en Sciences Mathématiques et Applications (IMSP/UAC) de l'Université d'Abomey-Calavi au Bénin. Il a également approfondi son expertise en apprentissage automatique en complétant le Master Africain en Intelligence Machine à l'Institut Africain des Sciences Mathématiques (AIMS/AMMI) au Sénégal. Actuellement, Emmanuel mène ses recherches au CRIET LAB (Centre de Recherche en Infrastructures, Environnements et Technologies) au sein de la Faculté des Sciences de l'Ingénieur. Son travail est essentiel pour faire progresser les domaines de l'IA et de la cybersécurité, en particulier dans leurs applications à l'aviation. De plus, il partage ses connaissances en tant que chargé de cours à temps partiel, enseignant des cours liés aux applications mobiles, aux réseaux, aux télécommunications et à l'électronique. L'expertise multidisciplinaire d'Emmanuel et ses contributions à la fois dans le milieu académique et dans l'industrie de l'aviation soulignent son engagement envers l'innovation et l'avancement technologique.
L'Introduction au Deep Learning explore le sous-ensemble de l'apprentissage automatique qui utilise des réseaux de neurones avec une profondeur considérable pour effectuer des prédictions et des décisions dans divers domaines tels que la vision par ordinateur, le traitement du langage naturel et la reconnaissance audio. Cette introduction couvre les principes fondamentaux des architectures d'apprentissage profond, telles que les réseaux de neurones convolutifs et récurrents, en soulignant l'importance des grands ensembles de données et d'une puissance de calcul substantielle. Comprendre ces bases permet aux apprenants d'apprécier comment les modèles d'apprentissage profond apprennent automatiquement des abstractions de haut niveau à partir des données, fournissant ainsi une base pour progresser vers des applications pratiques et plus complexes de l'IA.
Dr.Thierry Nsabimana
Apprentissage Automatique
La création et préparation d'ensembles de données pour l'apprentissage automatique implique une phase critique de collecte, de nettoyage et d'organisation des données pour garantir la qualité et l'efficacité des modèles d'apprentissage automatique. Le processus commence par la construction d'un ensemble de données : rassembler des données provenant de diverses sources et s'assurer qu'elles sont pertinentes par rapport au problème en question. Suit ensuite le nettoyage des données, qui implique la gestion des valeurs manquantes, la suppression des doublons et la correction des erreurs. Enfin, les données sont souvent transformées et normalisées pour répondre aux exigences des algorithmes d'apprentissage automatique, améliorant ainsi la précision et l'efficacité du modèle. Cette étape de préparation est fondamentale, car la qualité des données influence directement les capacités prédictives et le succès des projets de machine learning.
Ngenzirabona Emmanuel
Scientifique de données
La lemmatisation, en tant que tâche de prétraitement NLP fondamentale et cruciale, permet d'identifier le contenu, l'interprétabilité et la traduction. Basé sur un dictionnaire monolingue Rundi et les règles grammaticales de la langue Rundi, le logiciel lemmatise les textes en Rundi. Il associe chaque token à un lemme et à une étiquette de Part-of-Speech et effectue des recherches par ces étiquettes. Le lemmatiseur stocke le texte annoté, la distribution de fréquence basée sur les lemmes et une version du texte avec des lemmes au lieu des tokens.
Doreen Nixdorf
Specialiste en NLP
Le discours d'ouverture : "L'Odyssée de l'IA : tracer votre parcours du débutant à l'expert" fournit une feuille de route complète pour les individus à différentes étapes de leur parcours d'apprentissage de l'IA. Il vise à guider les participants depuis les concepts fondamentaux jusqu'aux applications avancées en intelligence artificielle. La présentation couvre les outils, méthodologies et compétences essentiels nécessaires pour progresser dans le domaine, tout en abordant les défis et les opportunités qui se présentent en cours de route. Ce discours est idéal pour tous ceux qui cherchent à approfondir leur compréhension et leur expertise en IA, en offrant des informations et des stratégies de croissance personnelle et professionnelle.
Chercheur en IA
Domaine d'expertise
L'administration électronique à l'ère de l'IA : une perspective mondiale explore l'impact transformateur de l'intelligence artificielle sur l'administration publique du monde entier. Cette présentation explore la manière dont les technologies d'IA sont intégrées dans les services gouvernementaux, améliorant ainsi l'efficacité, la transparence et l'engagement des citoyens. Il aborde également les défis, tels que les problèmes de confidentialité et la fracture numérique, liés à la mise en œuvre de l’IA dans les secteurs publics de différents pays. Ce sujet offre une vue d’ensemble des tendances actuelles, des opportunités et des orientations futures du gouvernement électronique dans un paysage mondial de plus en plus numérique.
Irakoze Bienvenu
Secrétaire Executif du SETIC
Dr. Mukeshimana Michele
Enseignante Chercheuse
Honorable Nitanga Célestin
Homme politique
La diversité linguistique inhérente aux langues africaines et à leurs dialectes dérivés présente des défis et des opportunités uniques dans le domaine du Traitement Automatique des Langues Naturelles (TAL). Cette conférence plonge dans les subtilités de l'exploitation des techniques de TAL pour libérer le vaste potentiel du TAL africain. Commencez par explorer les défis liés à la collecte, à l'annotation et au traitement des données dans divers contextes africains, nous démêlons les complexités du travail avec des formes et expressions linguistiques variées. Au fur et à mesure que nous naviguons à travers ces défis, nous entreprenons un voyage dans le domaine de l'apprentissage représentatif, mettant en lumière des techniques avancées telles que la formation de Modèles de Langage de Grande Taille (MLGT) spécialement adaptée pour les langues et dialectes peu ressourcés. En clarifiant les principes de la formation MLGT et ses implications pour les tâches de TAL, y compris la modération de contenu, l'analyse de sentiments, la Reconnaissance d'Entités Nommées (REN) et la génération de texte, nous dévoilons une multitude de possibilités pour tirer parti du TAL dans les contextes africains. À travers des exemples concrets et des études de cas, cette conférence démontre comment les applications de TAL nous permettent de naviguer dans les nuances des langues et dialectes africains, nous permettant d'extraire des informations précieuses, d'améliorer la communication et de favoriser des interactions significatives dans un monde de plus en plus numérisé. Rejoignez-nous alors que nous plongeons dans l'avant-garde de l'innovation en TAL, prêts à révolutionner notre façon de comprendre, d'analyser et d'interagir avec les données linguistiques africaines.
Dr. Hatem Haddad
Expert en IA
L' IA générative avec transformateurs explore l'utilisation spécialisée des modèles de transformateurs, un type d'architecture d'apprentissage profond qui excelle dans la génération de texte de type humain en fonction des entrées qu'il reçoit. Cette session examine comment les transformateurs ont révolutionné des domaines tels que le traitement du langage naturel en permettant une génération de texte plus précise et plus contextuelle. Les participants découvriront les mécanismes sous-jacents des modèles de transformateur, y compris les mécanismes d'auto-attention qui permettent au modèle de peser l'importance des différents mots dans une phrase, quelle que soit leur distance de position.
Aïmérou NDIAYE
Expert en IA
chatbots sont devenus des outils de communication essentiels dans de nombreux domaines et secteurs d'activité, offrant une interface conviviale et efficace pour interagir avec les utilisateurs. De Siri à ChatGPT, les chatbots font de plus en plus partie de notre quotidien, notamment en raison de leurs avancées récentes dues à l’Intelligence Artificielle. Cette présentation vise à explorer les méthodes avancées de conception et d'implémentation d'un chatbot basé sur l'IA, en mettant l'accent sur les défis et les opportunités qu'ils représentent. Nous aborderons les aspects fondamentaux de la conception conversationnelle, en mettant l'accent sur l'élaboration d'une architecture robuste pour créer un chatbot. Nous discuterons également des techniques d'apprentissage automatique utilisées pour améliorer les capacités de compréhension et de réponse du chatbot. Nous présenterons également des cas d’usage pratiques notamment avec le framework Rasa, ainsi que des perspectives sur les tendances à la pointe utilisant les grands modèles de langage tels que GPT-3, Llama ou Mistral.
Aïmérou NDIAYE
Expert en IA
