Thème Données, Services, Intelligence
Présentation
Les travaux menés dans le thème DSI (Données, Services, Intelligence) portent sur trois problématiques interdépendantes :
- Gestion de grandes masses de données : il s'agit d'étudier ici les problèmes liés à l'intégration de données hétérogènes et à l'interrogation de grandes masses de données dans le cadre d'architectures distribuées et massivement parallèles. Les travaux développés s'intéressent à l'expérimentation à grande échelle de systèmes de gestion de grandes masses de données ainsi qu'à l'exploration de nouvelles approches pour l'optimisation des requêtes dans ce contexte.
- Extraction des connaissances et apprentissage artificiels. Les problèmes étudiés dans ce contexte concernent à la fois la proposition de nouveaux algorithmes d’extraction de connaissances et d’apprentissage artificiel en présence de données complexes et massives et l’étude, pour des objectifs de passage à l’échelle, du portage de ce type d’algorithmes vers des environnements de type Cloud (en liaison avec la problématique précédente). Les approches développées visent à définir un cadre de formalisation et de spécification d'un système intelligent capable d’extraire des connaissances ou d’apprendre à partir de données complexes, et de les contrôler par interaction avec un utilisateur. La qualité de la connaissance extraite ou apprise se trouve ici au coeur des préoccupations. Ainsi la prise en compte de la sémantique associée à cette connaissance facilite l’interaction avec l’utilisateur.
- Analyse, vérification, test des applications, des services web et des processus métier. Les travaux portent sur l'analyse de services, d'applications ou de processus métiers dans le but de les optimiser, fiabilier ou de les sécuriser. Les applications sont modélisées via des onthologies ou par des modèles (formels ou UML). D'une manière générale, ces modèles servent ensuite à optimer une propriété donnée, à vérifier si une propriété est satisfaite ou à générer des tests. Les travaux dévelopés s'articulent autour de trois activités : analyse et vérification des applications (services web et processus métier), la conformité et la sécurité de logiciels et la génération de modèles à partir de traces.
Actualités
Dernières Publications
Guillaume Levillain, P. Beaurepaire, Vincent Barra - 23 juin 2024
Neural network-based probability density function identification
European Safety and Reliability Conference
Amal Omrani, Anis Fradi, Chafik Samir - 1 juin 2024
Reduced run-time and memory complexity regression with a Gaussian process prior
JDS
Gwen Maudet, Mireille Batton-Hubert, Patrick Maillé, Laurent Toutain - 27 mai 2024
Grouper les Capteurs Similaires Grace à leurs Données dans le Contexte de Massive IoT
AlgoTel 2024 – 26èmes Rencontres Francophones sur les Aspects Algorithmiques des Télécommunications
Mireille Batton-Hubert, François Pinet, André Miralles - 21 mai 2024
Implementation and Computation of Fuzzy Geographic Objects in Agriculture
Kenneth Ezukwoke, Anis Hoayek, Mireille Batton-Hubert, Xavier Boucher, Pascal Gounet, Jérôme Adrian - 2 avril 2024
Big GCVAE: decision-making with adaptive transformer model for failure root cause analysis in semiconductor industry
Journal of Intelligent Manufacturing
Victor Charpenay - 29 février 2024
AI and the Environment: a Symbiosis?
Bootcamp IA & Data
Chao Zhang, Farouk Toumani - 24 février 2024
Sharing Queries with Nonequivalent User-Defined Aggregate Functions
ACM Transactions on Database Systems
François Pinet, Mireille Batton-Hubert, Eric Desjardin - 19 février 2024
Geographical Data Imperfection 2
Oshma Chakoory, Vincent Barra, Emmanuelle Rochette, Loïc Blanchon, Vincent Sapin, Etienne Merlin, Maguelonne Pons, Denis Gallot, Sophie Comtet-Marre, Pierre Peyret - 14 février 2024
DeepMPTB: a vaginal microbiome-based deep neural network as artificial intelligence strategy for efficient preterm birth prediction
Biomarker Research
Louis Vaslin, Samuel Calvet, Vincent Barra, Julien Donini - 8 février 2024
pyBumpHunter: A model independent bump hunting tool in Python for High Energy Physics analyses
Neural network-based probability density function identification
European Safety and Reliability Conference
Amal Omrani, Anis Fradi, Chafik Samir - 1 juin 2024
Reduced run-time and memory complexity regression with a Gaussian process prior
JDS
Gwen Maudet, Mireille Batton-Hubert, Patrick Maillé, Laurent Toutain - 27 mai 2024
Grouper les Capteurs Similaires Grace à leurs Données dans le Contexte de Massive IoT
AlgoTel 2024 – 26èmes Rencontres Francophones sur les Aspects Algorithmiques des Télécommunications
Mireille Batton-Hubert, François Pinet, André Miralles - 21 mai 2024
Implementation and Computation of Fuzzy Geographic Objects in Agriculture
Kenneth Ezukwoke, Anis Hoayek, Mireille Batton-Hubert, Xavier Boucher, Pascal Gounet, Jérôme Adrian - 2 avril 2024
Big GCVAE: decision-making with adaptive transformer model for failure root cause analysis in semiconductor industry
Journal of Intelligent Manufacturing
Victor Charpenay - 29 février 2024
AI and the Environment: a Symbiosis?
Bootcamp IA & Data
Chao Zhang, Farouk Toumani - 24 février 2024
Sharing Queries with Nonequivalent User-Defined Aggregate Functions
ACM Transactions on Database Systems
François Pinet, Mireille Batton-Hubert, Eric Desjardin - 19 février 2024
Geographical Data Imperfection 2
Oshma Chakoory, Vincent Barra, Emmanuelle Rochette, Loïc Blanchon, Vincent Sapin, Etienne Merlin, Maguelonne Pons, Denis Gallot, Sophie Comtet-Marre, Pierre Peyret - 14 février 2024
DeepMPTB: a vaginal microbiome-based deep neural network as artificial intelligence strategy for efficient preterm birth prediction
Biomarker Research
Louis Vaslin, Samuel Calvet, Vincent Barra, Julien Donini - 8 février 2024
pyBumpHunter: A model independent bump hunting tool in Python for High Energy Physics analyses
Toutes les publis se trouvent ici