- Fouille de données (DM) qui poursuit les travaux historiques en mettant particulièrement l’accent sur la proposition d’approches de pattern mining intégrant soit de nouvelles dimensions comme, par exemple, la dimension spatiale dans le cas de motifs spatio-temporels et de trajectoires ou bien les dimensions associées aux différents types d’arcs qui peuvent exister dans des multigraphes ;
- Visualisation analytique (VA) qui met l’accent sur le raisonnement analytique facilité par des interfaces visuelles interactives. De telles interfaces, intégrant des méthodes variées de représentation de l’information, d’interaction ou bien encore d’extraction automatique de connaissances, ont pour objectif de permettre à des utilisateurs d’extraire, à partir de données complexes et/ou hétérogènes, des informations soutenant directement l’analyse, la planification et la prise de décision ;
- Apprentissage automatique (ML) qui, outre les différents travaux menés sur la définition de nouvelles approches de machine learning (e.g. détection de clusters rares, labellisation de topics), se focalise sur la prise en compte de petits ou de très grands jeux de données via des approches plus traditionnelles (e.g. SVM, Gradient Boosting, active learning) ou plus récentes (e.g. deep learning). En effet, le Deep Learning a montré son efficacité pour la classification de données en grand volume ou avec un grandsnombresde dimensions (e.g. images, sons, textes). Toutefois, l’explicabilité des résultats, ou encore la définition d’une bonne architecture restent des exercices très expérimentaux et constituent de réels challenges pour la communauté scientifique.
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
Simon Besga, 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
Julien Thomazo, CDD Ingénieur-Technicien, CNRS
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 :
Pascal Poncelet,
Arnaud Sallaberry
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 :
Konstantin Todorov,
Sandra Bringay
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 :
Sandra Bringay,
Pascal Poncelet
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