Accéder directement au contenu

Mélanie MUNCH

Ingénieure de Recherche INRAE
35
Documents

Présentation

Je suis actuellement chercheur dans l'équipe Protéine, Structure, Fonction à l'INRAE STLO (Science et Technologie du Lait et des Œufs). Mes recherches portent sur l'application des techniques d'apprentissage automatique pour la modélisation de systèmes complexes et la prise de décision multicritère.

Je m'intéresse aux interactions entre les connaissances expertes et les approches de modélisation. Après un diplôme d'ingénieur agronome à AgroParisTech, j'ai préparé ma thèse sur la combinaison de modèles relationnels probabilistes et de bases de connaissances, dans le but de mettre en évidence l'importance de l'intégration des connaissances expertes dans les méthodes automatiques pour une meilleure explicabilité des modèles appris.

Certains de mes travaux sont présentés dans mon [Git-Lab] (https://gitlab.com/melanie.munch).

Compétences

Intelligence artificielle et algorithmes d'apprentissage automatique avec un accent sur l'explicabilité des modèles Intégration des connaissances d'experts Causalité et découverte des causes Modélisation de systèmes complexes

Postes

Jan 2023 Ingénieur de recherche. UMR STLO, équipe PSF, INRAE Rennes, France. Jan 2021 - Dec 2023 Chercheur postdoctoral. Équipe I2M, Université de Bordeaux, France. Modélisation de la qualité du blé Oct 2020 - Dec 2021 Ingénieur de recherche. UMR IATE, équipe ICO, INRAE Centre Occitanie-Montpellier, France. Éco-conception d'emballages bio-composites par la combinaison de modèles graphiques probabilistes et de graphes de connaissances et Prédiction de la solubilité des aliments en fonction de la composition. Sep 2019 - Dec 2019 Chercheur invité. Équipe DISI, Université de Trento, Italie. Apprentissage sous contrainte pour la modélisation des préférences de choix.

Formation académique

2017- 2020 Doctorat en informatique appliquée. Amélioration du raisonnement incertain combinant modèles relationnels probabilistes et connaissances expertes (AgroParisTech, France). 2017 Master of Science : Informatique, Systèmes Intelligents (Université Paris Dauphine, France). 2013-2017 Diplôme d'ingénieur (AgroParisTech, France).

Communications Orales

2025

WFC 14 Exploring Explainable AI in Food Processing: Machine Learning Models for Skimmed Milk Microfiltration Transmission Ratio for UTP and GP Membranes Dairy Drying Technology & Recombined Milk Products Searching for clues of protein stratification in spray-dried powders of dairy protein mixes GreenFoodTech 2025 Exploring Explainable AI in Food Processing: Machine Learning Models for Skimmed Milk Microfiltration Transmission Ratio for UTP and GP Membranes

2024

ICBC 24 Smart use of sensory data for wheat grain quality grading PangBorn 15 Combining Probabilistic Models With Expert Knowledge Integration For Wheat Quality Assessment

2023

ICEF 14 Expert knowlege integration for smart tools modeling: application to wheat use

Enseignements

Python et base de données, étudiants de niveau L3 (AgroParisTech) Excel VBA, étudiants de niveau M2 (AgroParisTech)

Subventions et prix

Fait Marquant INRAe - Département Transform 2025: Évaluation multicritère de la qualité du blé à partir de données sensorielles Fait Marquant INRAe - Département Transform 2022 : Prédiction de la solubilité du CO2 dans les aliments pour le conditionnement sous atmosphère modifiée Fait Marquant INRAe - Département Transform 2021 : Modélisation d'emballages bio-composites par intégration de données et de connaissances expertes **Melanie Munch, Patrice Buche, Cristina Manfredotti, Pierre-Henri Wuillemin, Helene Angellier-Coussy. A process reverse engineering approach using Process and Observation Ontology and Probabilistic Relational Models : application to processing of bio-composites for food packaging. *15ème Conférence internationale sur les métadonnées et la recherche sémantique, Nov 2021, Madrid, Espagne. Bourse Dufrenoy 2019 de l'académie d'agriculture pour un projet de science innovante. Label EIR-A du centre de recherche international Agreenium pour une ouverture interdisciplinaire et internationale pendant la thèse.

Autres

Contributeur à la bibliothèque PyAgrum Printemps de la donnée (INRAE) : https://nextcloud.inrae.fr/s/MPXoktJRYDYpTLd (français)

Revues

CARI2022, EGC2023, Journal of Expert Systems with Application, Journal of Food Engineering

Domaines de recherche

Intelligence artificielle [cs.AI]

Compétences

Machine learning Knowledge Engineering Modeling

Publications

12
11
9
8
7
6
5
5
4
4
3
3
3
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
5
5
4
3
3
3
3
2
2
2
2
2
2
2
2
2
2
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
12
1
7
7
1
1
2
1
1

Publications