Accès direct au contenu

CMLA

Version anglaise

aide

Accueil > la Recherche au Centre Borelli

Apprentissage statistique et données massives

Thématiques de recherche


  • Scoring, ranking, théorie et algoritmes
  • Inférence et prédiction pour de très grands graphes
  • Plans d'expériences séquentiels et apprentissage actif
  • Méthodes de machine learning pour des séries temporelles multivariées
  • Applications sur données réelles : reconnaissance de formes, e-marketing, énergie, finance et économie, santé et domaine biomédical, réseaux de capteurs

C'est le dernier né des pôles de recherche du CMLA, créé en janvier 2012 autour des chercheurs actifs dans le domaine des modèles prédictifs calibrés sur des données complexes. Les chercheurs ont une formation de haut niveau en théorie de l'apprentissage statistique et algorithmes de machine learning. La motivation de leurs travaux de modélisation repose sur un double constat :

  1. Le monde a changé - L'expert du phénomène ne peut se dispenser d'un support statistique pour analyser pleinement un phénomène.
  2. La connaissance de la "physique" du phénomène n'est pas remplaçable - Les méthodes d'apprentissage statistique ne peuvent pas grand chose sans le support de l'expert du métier.

Ainsi, nos chercheurs sont généralement immergés dans des équipes interdisciplinaires, en entreprise ou en laboratoire, et développent des algorithmes en bonne intelligence avec les utilisateurs finaux.

Nouvelle chaire industrielle Big Data

Le Centre Borelli incarne deux des trois volets clés de la nouvelle chaire industrielle Big Data
signée le 20 octobre 2016 entre les partenaires ENS Paris-Saclay, CEA et ATOS (services au numérique), avec la "formation" (master MVA) et la "recherche" (équipe MLMDA), auxquelles s'ajoute le transfert de technologies vers les start-up et PME du plateau de Saclay.
Un article de l'Usine nouvelle...

Analyse de données industrielles et apprentissage automatique (PDF)
Industrial Data Analytics & Machine Learning (PDF)

DAP Data Analytics Post

Nouveau média d'information sur les Data Sciences au service du décryptage des problématiques de traitement et d'analyse des données, le DAP se veut au coeur de l'écosystème que constituent les équipes de recherche académiques, les entreprises et les filières de formation (enseignants, étudiants, alumni).



4-6 juin 2018 : French-German Summer School on Transfer Learning

dans le cadre de la chaire industrielle Big Data entre le CEA, ATOS et l'ENS Paris-Saclay, sur le campus de Cachan. Programme.
Une définition du Transfer Learning sur le site du DAP (Data Analytics Post)...

Partenariats