Apprentissage Automatique pour la Science des Données (MLDS)
responsable: Mohamed NADIF
equipe webpage
Dans l’ère de la science des données, il est plus que jamais nécessaire de relever plusieurs défis par des techniques d’apprentissage automatique. L’évaluation et le développement de nouvelles méthodes d’apprentissage non supervisé, semi-supervisé ou supervisé, et de visualisations appropriées sont nécessaires.
L’équipe MLDS au LIPADE a une longue expérience dans ce domaine. Elle possède toutes les compétences nécessaires en mathématiques appliquées et en informatique pour traiter plusieurs problématiques présentes dans l’apprentissage automatique. Au sein de l’équipe diverses approches sont utilisées telles que les modèles de mélange, la factorisation, les réseaux de graphes, l’analyse des données, la visualisation et les méthodes ensemble. Les recherches réalisées sont à la fois d’ordre théorique et appliquée dans divers domaines, notamment la bio-informatique, l’analyse textuelle, les systèmes de recommandation et l’imagerie. Des modèles mathématiques et des algorithmes efficaces sont proposés pour répondre efficacement aux besoins de l’utilisateur dans un objectif d’extraction des connaissances à partir de bases de données volumineuses et de haute dimension.
