Projet d'apprentissage faiblement surpervisé

• Implémenter et adapter un modèle de l’état de l’art à partir d’un article scientifique 
• Concevoir et conduire une évaluation expérimentale, incluant le choix de métriques pertinentes, la comparaison à des baselines et l’analyse critique des résultats obtenus.

Le projet consiste à sélectionner un article de l’état de l’art en apprentissage faiblement supervisé (self-supervised, semi-supervised, deep clustering), puis à en proposer une réimplémentation fidèle en s’appuyant sur les informations disponibles (article, code éventuel, annexes). Les étudiants devront expliciter les hypothèses du modèle, détailler l’architecture et les fonctions de perte, ainsi que les protocoles d’entraînement et d’évaluation. Une expérimentation sera conduite sur une base de données simple (par exemple MNIST, CIFAR-10 ou équivalent) afin d’illustrer le comportement du modèle, d’analyser ses performances et de discuter ses limites. Le livrable attendu comprendra un rapport structuré et un notebook commenté.