Olivier Teste
2
Documents
Présentation
Mes recherches se situent dans le domaine des systèmes d'informations, et concernent principalement les systèmes de gestion non conventionnelle des données (**Data Management Systems**), et l'apprentissage machine (**Machine Learning**) dans les données massives.
L'objet de mes recherches est la donnée numérisée (**Data**) issues de différents systèmes de production et d'acquisition, et les traitements associés visant à intégrer, modéliser et analyser ces données numérisées. Les problématiques étudiées couvrent une large part de la chaîne de traitement des données, allant des processus d'intégration (**Data Matching**) et de modélisation des données (**Data Modeling**) jusqu'à l'analyse des données. Mes recherches portent en particulier sur les masses de données volumineuses, de structuration disparate (structurées à non-structurées), possiblement largement distribuées, pouvant être constituées de contenus atomiques, textuels ou de formes élaborées (espaces multidimensionnels, graphes, séries-temporelles, pixels). Les collections de données sur les quelles mes travaux sont appliqués sont : des données industrielles (aéronautique, assurance, énergie, biologie, santé), des benchmarks scientifiques (OAEI, SSB, TPC-H...), des données issues du Web (sites, réseaux sociaux, plateformes collaboratives) et les données ouvertes pouvant être liées sémantiquement (Open Data, Ontologies, Linked Data).
Ces masses de données sont exploitables pour aider aux processus de décision dans des domaines d'application variés tels que la maintenance prédictive, la détection d'anomalies, l'aide au diagnostics... Mes recherches s'inscrivent dans le cadre de la science des données, et traitent des algorithmes d'apprentissage machine (**Machine Learning**) et des réseaux de neurones artificiels (**Deep Learning**). Ces algorithmes permettent de détecter et de prédire des phénomènes complexes cachés au sein des masses de données, afin de construire des systèmes d'intelligence artificielle.
Publications
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 1
- 2
- 2
- 2
- 2
- 1
- 1
- 2
- 2
- 2
|
Alignement incrémental des données dans des environnements dynamiques41éme Congrès INFormatique des ORganisations et Systèmes d'Information et de Décision (INFORSID 2023), Laboratoire d’informatique L3i de La Rochelle Université, May 2023, La Rochelle, France. pp.177-182
Communication dans un congrès
hal-04176658v1
|
|
L’alignement des schémas hétérogènes : approche basée sur des embeddingsJournée inter-associations EGC/Inforsid : Les sciences des données dans les systèmes d’information (2022), Sep 2022, Toulouse, France
Communication dans un congrès
hal-04211235v1
|