Le sujet porte sur le développement de métriques d'interprétabilité en deep learning, plus précisément pour les architectures à base de méta-variables où chaque neurone latent modélise un sous-ensemble spécifique de variables d'entrée. Face aux limites des métriques usuelles, le travail consiste à analyser et corriger les biais existants, concevoir de nouvelles méthodes mesurant le confinement et le démêlement de l'information dans l'espace latent, puis les valider expérimentalement sur des données synthétiques et de transcriptomique unicellulaire.

• Niveaux d’étude
• Stage Bac+5