AISTATS 2021

Depuis sa création en 1985, AISTATS est un rassemblement interdisciplinaire de chercheurs au croisement de l’intelligence artificielle, de l’apprentissage automatique, des statistiques et des domaines connexes.

L’équipe de la chaire Data Science and Artificial Intelligence for Digitalized Industry and Services a présentés quatre articles lors de l’édition 2021, qui s’est tenue en ligne du 13 au 15 avril :

Nonlinear Functional Output Regression: A Dictionary Approach
Dimitri Bouche, Marianne Clausel, François Roueff, Florence d’Alché-Buc
Proceedings of The 24th International Conference on Artificial Intelligence and Statistics, PMLR 130:235-243

When OT meets MoM: Robust estimation of Wasserstein Distance
Guillaume Staerman, Pierre Laforgue, Pavlo Mozharovskyi, Florence d’Alché-Buc
Proceedings of The 24th International Conference on Artificial Intelligence and Statistics, PMLR 130:136-144

Nearest Neighbour Based Estimates of Gradients: Sharp Nonasymptotic Bounds and Applications
Guillaume Ausset, Stephan Clémençon, François Portier
Proceedings of The 24th International Conference on Artificial Intelligence and Statistics, PMLR 130:532-540

Learning Fair Scoring Functions: Bipartite Ranking under ROC-based Fairness Constraints
Robin Vogel, Aurélien Bellet, Stephan Clémençon
Proceedings of The 24th International Conference on Artificial Intelligence and Statistics, PMLR 130:784-792