Axe Modélisation et Apprentissage Statistiques

Nos activités s’organisent autour des thèmes suivants:

• Apprentissage statistique. Une de nos motivations est de développer des méthodes d'apprentissage capables d'intégrer des connaissances biologiques ou physiques complexes. Dans cette optique, nous développons des méthodes bayésienne d'apprentissage de type ABC ainsi que des méthodes d'apprentissage profond sur données temporelles guidées par la physique. En réponse au développement de capteurs en agriculture numérique, nous menons également des travaux en détection de ruptures et analyse robuste de séries temporelles. Enfin, nous avons une activité de recherche en détection de communautés et plus généralement en clustering afin d'identifier des patrons d'organisation dans des grands jeux de données.
   
• Expertise et modélisation statistiques.  Nous menons des travaux en analyse de donnée fonctionnelles (données courbes) afin d'identifier des facteurs de croissance de plantes ou de cinétique de fermentation en lien avec nos partenaires. Par ailleurs, nous travaillons sur le couplage de modèles génératifs avec des modèles déterministes (ex: couplage climat et modèles de culture). Plus généralement, nous développons des modèles d'analyse de données hétérogènes et agrégées. 
   

Les thématiques finalisées de l'axe incluent l'étude des biosolutions, l'analyse de processus de vinification et plus généralement l'agroécologie ainsi que l'agriculture et l'élevage numérique. 

Nos travaux se concrétisent notamment par des actions de dissémination telles que la réalisation de packages R/Python ou de tutoriels à destination de nos collègues biologistes.

Membres permanents de l'axe :

• Meïli Baragatti
• Bertrand Cloez
• Bénédicte Fontez
• David Métivier
• Isabelle Sanchez
• Nicolas Verzelen (coordinateur)