GRARI Vincent

PhD graduated
Team : MLIA
Departure date : 12/31/2021
https://lip6.fr/Vincent.Grari

Supervision : Marcin DETYNIECKI

Co-supervision : LAMPRIER sylvain

Fair machine learning

Ces dernières années, on a assisté à une augmentation spectaculaire de l'intérêt académique et sociétal pour l'apprentissage automatique équitable. En conséquence, des travaux significatifs ont été réalisés pour inclure des contraintes d'équité dans l'objectif d'apprentissage des algorithmes d'apprentissage automatique. Le but principal est de s'assurer que les prédictions des modèles ne dépendent d'aucun attribut sensible comme le sexe ou l'origine d'une personne par exemple. Bien que cette notion d'indépendance soit incontestable dans un contexte général, elle peut théoriquement être définie de manières totalement différentes selon la façon dont on voit l'équité. Cette thèse donne d'une part, une vue d'ensemble des méthodologies appliquées dans ces différentes familles afin d'encourager les bonnes pratiques. Ensuite, nous identifions et complétons les lacunes en présentant de nouvelles métriques et des algorithmes de machine learning équitables.

Defence : 06/22/2022 - 13h30 - Campus Pierre et Marie Curie, salle 65-66/304 ISIR

Jury members :

Nicolas Usunier, Rapporteur, Facebook
Patrick Loiseau, Rapporteur, Inria
Catuscia Palamidessi, Examinateur, Lix, Inria
Arthur Charpentier, Examinateur, UQAM
Christophe Marsala, Examinateur, LIP6 Sorbonne Université
Sylvain Lamprier, Directeur de thèse, ISIR Sorbonne Université
Marcin Detyniecki, Directeur de thèse, AXA

2022 Publications

  • 2022
    • V. Grari : “Fair machine learning”, thesis, defence 06/22/2022, supervision Detyniecki, Marcin, co-supervision : Lamprier, sylvain (2022)