Annonce
Soutenance HDR Michaël Aupetit à 10h le 11 juillet 2012 à INSTN, CEA Saclay
26 Juin 2012
Catégorie : Soutenance HdR
Je vous prie d’excuser les réceptions multiples. J'ai le plaisir de vous inviter à la soutenance de mon Habilitation à Diriger des Recherches ainsi qu'au pot qui suivra.
Le titre de mon exposé sera :
"Approches topologiques pour l’analyse exploratoire de données et l’aide à la décision"
Date et Lieu
Mercredi 11 juillet 2012 à 10h00 dans l’amphithéâtre Jules Horowitz de l'INSTN – Centre CEA de Saclay (voir plan d’accès joint)
Rapporteurs
M. Guy MELANCON, Professeur, LABRI, Université Bordeaux 1
M. Michel VERLEYSEN, Professeur, DICE, Université Catholique de Louvain
M. Djamel ZIGHED, Professeur, Institut des Sciences de l’Homme, Lyon
Jury
M. Younes BENNANI, Professeur, LIPN, Université Paris 13
M. Jean-Daniel FEKETE, Professeur, INRIA, Université Paris 11
M. Gérard GOVAERT, Professeur, CNRS, UTC
Mme. Michèle SEBAG, Professeur, LRI, Université Paris 11
M. Michel VERLEYSEN, Professeur, DICE, Université Catholique de Louvain
M. Djamel ZIGHED, Professeur, Institut des Sciences de l’Homme, Lyon
Résumé
Les systèmes de mesure génèrent des masses de données tant en termes de nombre de variables (capteurs) que d’individus (taille de l’échantillon). Ces données doivent être analysées interactivement par un analyste. Les outils d’aide à la décision ont un rôle crucial : ils doivent appuyer la décision de l’analyste et pour cela lui rendre intelligibles les données brutes pour lui permettre de construire un modèle mental du phénomène observé. Les représentations graphiques sont naturellement privilégiées pour transmettre l’information de l’outil vers l'analyste. La chaîne de mesure transfert l’information du signal à l’écran qui lui-même la transmet aux systèmes visuel puis cognitif de l’analyste. L’ensemble des distorsions accumulées le long de cette chaîne ne permet pas de préserver complètement l’information initiale. En particulier, l’information de nature géométrique, liée à la mesure de similarités entre données (individus ou variables) ou probabiliste caractérisant la distribution des individus dans l’espace des capteurs, n’est préservée à un facteur d’échelle prêt que lorsque la fonction de transfert globale est une similitude. Au contraire, l'information de nature topologique est beaucoup plus robuste car elle est préservée dans ce qu'elle a d'essentiel, par homotopie, une classe très large de transformations contenant les similitudes et homéomorphismes. Je défends l’hypothèse dans mes travaux que la Topologie est la clef de l’intelligibilité. Nous verrons comment au travers de différentes applications, l'information de nature topologique apporte des réponses à plusieurs problèmes fondamentaux de la fouille de données et de l'apprentissage statistique, et ouvre de nouvelles perspectives pour la recherche en Intelligence Artificielle.
Michaël Aupetit
Ingénieur Chercheur – Expert Senior CEA
Fouille de Données, Visual Analytics, Apprentissage Statistique
Laboratoire Information, Modèles et Apprentissage
CEA LIST
Centre CEA de Saclay
PC45
b451 p37
91191 Gif-sur-Yvette
01 69 08 88 61
http://michael.aupetit.free.fr