Titre : Vers de nouveaux défis en apprentissage statistique et en science des données

Quand: Le mardi 22 mai 2018 à 15h00
Où: En salle G09, à Télécom SudParis (Evry)

Résumé : L’exposé est consacré à l’analyse des données massives pour lesquelles la représentation classique des variables a des limites. Il existe actuellement un nombre conséquent de méthodes de clustering, mais elles ne s’adaptent pas toujours aux particularités de certains types de données (catégorielles, binaires, mixtes, séquences, flux, …). On distinguera deux familles de modèles de classification non supervisée topologique: les modèles probabilistes et les modèles « déterministes ». L’exposé abordera également des travaux récent sur l’apprentissage statistique scalable en utilisant les nouveaux paradigmes (Mapreduce…). En plus des difficultés soulevées par la variété des données dans la mouvance du Big data et des open data accompagnée par des plateformes nouvelles qui offrent un accès facile et lisible à l’information relationnelle, de nouveaux défis en apprentissage statistique sont ouverts.

Biographie
Mustapha LEBBAH est maître de conférences à l’université de Paris 13 depuis 2005 et HdR en 2012. Il est membre permanent de l’équipe « Apprentissage Artificiel et Applications » du laboratoire d’Informatique de l’Université Paris Nord et du CNRS. Son thème de recherche principal concerne les systèmes d’apprentissage automatique pour le traitement et la visualisation des données massives et complexes. Un de ses axes de recherche concerne la classification probabiliste non supervisée à base de modèles de mélanges et modèles topologiques. Un autre axe de recherche concerne le passage à l’échelle et l’apprentissage statistique massivement distribué et scalable. Mustapha Lebbah est aussi secrétaire de la Société Francophone de Classification (SFC), membre élu du bureau de l’association EGC (Extraction et Gestion des Connaissances) et du bureau du groupe « Data Mining et Apprentissage » de la SFdS (Société Française de Statistique).