Accéder directement au contenu

Olivier Teste

3
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

max-chevalier
"andre-peninou"

Impact of similarity measures on clustering mixed data

Abdoulaye Diop , Nabil El Malki , Max Chevalier , André Péninou , Olivier Teste
34th International Conference on Scientific and Statistical Database Management (SSDBM 2022), Jul 2022, Copenhague, Denmark. ⟨10.1145/3538712.3538742⟩
Communication dans un congrès hal-03711360v1
Image document

Querying heterogeneous data in graph-oriented NoSQL systems

Mohammed El Malki , Hamdi Ben Hamadou , Max Chevalier , André Péninou , Olivier Teste
20th International Conference on Data Warehousing and Knowledge Discovery (DaWaK 2018), Sep 2018, Regensburg, Germany. pp.289-301
Communication dans un congrès hal-02279379v1
Image document

Interrogation de données hétérogènes dans les systèmes NoSQL orientés graphes

Mohammed El Malki , Hamdi Ben Hamadou , Max Chevalier , André Péninou , Olivier Teste
36e Congres Informatique des Organisations et Systemes d'Information et de Decision (INFORSID 2018), May 2018, Nantes, France. pp.179-194
Communication dans un congrès hal-03635372v1