Les activités de recherche menées par l’équipe ADVANSE (ADVanced Analytics for data SciencE) s’inscrivent dans le domaine de l’analyse des grandes bases de données afin d’en extraire de nouvelles connaissances. Elles concernent les deux axes suivants :
- L’axe visualisation d’information se concentre sur la conception d’interfaces graphiques pour visualiser, explorer et raisonner sur des ensembles de données. Nous nous intéressons aussi bien à l’élaboration de nouveaux modes de représentation et/ou d’interaction (conception de ces modes, proposition d’algorithmes efficaces pour les mettre en œuvre), qu’à la conception d’interfaces d’exploration évoluées destinées à des utilisateurs finaux. Les types de données traitées sont principalement les graphes et les données spatio‐temporelles, mais certains de nos travaux portent aussi sur les textes et les données tabulaires.
- L’axe apprentissage automatique s’appuie sur des approches complémentaires d’intelligence artificielle symbolique et statistique pour formaliser des connaissances en automatisant l’inférence et en généralisant sur des jeux de données multidimensionnels et/ou temporels. Nous mobilisons des algorithmes avancés pour optimiser la prise de décision et favoriser la découverte de nouvelles connaissances exploitables dans des contextes applicatifs.
L’équipe ADVANSE, dans ses deux axes, développe des travaux sur des bases autant théoriques qu’expérimentaux pour aborder les problématiques associées. Elle est emmenée à croiser ces différents axes pour divers projets. Les modèles d’apprentissage automatique peuvent aider à générer et à évaluer des visualisations (ML4Vis), tandis que la visualisation peut aider à explorer et à mieux interpréter les résultats des approches d’apprentissage (Vis4ML).
Permanents
Jérôme Azé, Professeur des universités, UM
Nadine Jacquet, Assistant ingénieur, CNRS
Arnaud Sallaberry, Professeur des universités, UPVM
Pascal Poncelet, Professeur des universités, UM
Nancy Rodriguez, Maître de conférences, UM
Pierre Pompidor, Maître de conférences, UM
Konstantin Todorov, Maître de conférences, UM
Sandra Bringay, Professeur des universités, UPVM
Maximilien Servajean, Maître de conférences, UPVM
Doctorants
Florian Lecourt, UM
Leonardo Moros, UM
Melanie Karlsen, sanofi
Matthieu De Castelbajac, UM
Raphael Benerradi, UM
Theophile Mandon, Acelys
Louis Remy, Acelys
Ensiyeh Raoufi, UM
Antoine Toffano, UM
Autres personnels
Clemence Espinoux, Doctorant externe, UM
Luc Pomme Cassierou, , UM
Alexis Guyot, CDD Chercheur, UM
Titre : Réalité virtuelle adaptative indépendante de la tâche : Exploration et évaluation de systèmes daide sans connaissance de l’objectif de lutilisateur.
Doctorant : Simon Besga
Date de soutenance : 2025-05-15
Directeurs de thèse :
Arnaud Sallaberry,
Pascal Poncelet
Titre : Détection, liage et interprétation d’énoncés scientifiques et leurs contextes à partir de discours en ligne
Doctorant : Salim Hafid
Date de soutenance : 2024-11-19
Directeurs de thèse :
Sandra Bringay,
Konstantin Todorov
Titre : Prédiction d’événements cliniques inattendus : représentation latente du parcours patient par graphes temporels et visualisation de trajectoires
Doctorant : Hugo Le Baher
Date de soutenance : 2024-11-18
Directeurs de thèse :
Pascal Poncelet,
Sandra Bringay
Titre : Vers une hybridation des méthodes sémantiques et d’apprentissage pour l’optimisation et la planification de cultures maraîchères en agroécologie
Doctorant : Baptiste Darnala
Date de soutenance : 2024-10-08
Directeurs de thèse :
Clement Jonquet,
Konstantin Todorov
Titre : Visualisation de données quantitatives géolocalisées
Doctorant : Laetitia Viau
Date de soutenance : 2023-12-20
Directeurs de thèse :
Arnaud Sallaberry,
Pascal Poncelet
Titre : Analyse, détection et quantification de la controverse dans les médias sociaux par lutilisation de modèle dapprentissage profond sur des données structurelles et textuelles
Doctorant : Samy Benslimane
Date de soutenance : 2023-12-08
Directeur de thèse :
Sandra Bringay
Titre : Visualisation pour l’interprétation et l’explicabilité des prédictions issues de modèles d’apprentissage profond en TAL
Doctorant : Alexis Delaforge
Date de soutenance : 2022-11-07
Directeurs de thèse :
Caroline Mollevi,
Sandra Bringay
Titre : Réduction de lencombrement visuel : Application à la visualisation et à lexploration de données prosopographiques
Doctorant : Fati Chen
Date de soutenance : 2022-06-29
Directeur de thèse :
Pascal Poncelet
Titre : Classification automatique de textes par réseaux de neurones profonds : Application au domaine de la santé
Doctorant : Yves Mercadier
Date de soutenance : 2020-11-17
Directeurs de thèse :
Sandra Bringay,
Jérôme Azé
Titre : Affective Behavior Modeling on Social Networks
Doctorant : Waleed Ragheb
Date de soutenance : 2020-11-06
Directeurs de thèse :
Sandra Bringay,
Jérôme Azé
Titre : Visualisations pour la Veille en Épidémiologie Animale
Doctorant : Samiha Fadloun
Date de soutenance : 2018-11-15
Directeurs de thèse :
Pascal Poncelet,
Mathieu Roche
Titre : Visualisation de données dynamiques et complexes : des séries temporelles hiérarchiques aux graphes multicouches
Doctorant : Erick Cuenca
Date de soutenance : 2018-11-12
Directeur de thèse :
Pascal Poncelet
Titre : Explorer les trajectoires hospitalières de patients via les bases médico-économiques : application à l’infarctus du myocarde
Doctorant : Jessica Pinaire
Date de soutenance : 2017-10-17
Directeur de thèse :
Jérôme Azé
Titre : Analyse des médias sociaux de santé pour évaluer la qualité de vie des patientes atteintes dun cancer du sein
Doctorant : Mike Donald Tapi Nzali
Date de soutenance : 2017-09-28
Directeur de thèse :
Sandra Bringay
Titre : Requêtes et Fouille de Multigraphes
Doctorant : Vijay Ingalalli
Date de soutenance : 2017-02-27
Directeurs de thèse :
Dino Ienco,
Pascal Poncelet
Titre : Fouille des médias sociaux français: expertise et sentiment
Doctorant : Amin Abdaoui
Date de soutenance : 2016-12-05
Directeurs de thèse :
Jérôme Azé,
Sandra Bringay