Présentation générale
L’objectif de l’équipe LACODAM est de faciliter considérablement l’émergence de sens à partir de volumes importants de données, soit en dérivant de nouvelles connaissances, soit en entreprenant de meilleures actions. Actuellement, ce processus est principalement manuel et repose sur la compréhension qu’a l’analyste du domaine, des données à disposition et d’une pléthore d’outils de traitement complexes. Nous envisageons une nouvelle génération d’approches d’analyse de données où les nombreuses façons de découvrir des structures dans les données sont explorées de manière automatique parmi lesquelles seules les plus pertinentes sont présentées à l’analyste. Une telle notion de pertinence dépend fortement des connaissances du domaine et des propres connaissances de l’analyste : de telles connaissances seront centrales dans notre approche. Les solutions que nous envisageons requièrent d’établir un pont entre techniques de fouille de données et les approches issues de l’intelligence artificielle, à la fois pour prendre la connaissance en compte de manière générique et pour introduire des technique de raisonnement dans les workflows relatifs à la découverte de connaissances. De plus, de manière à acquérir autant de connaissances que possible, nous étudierons les approches communautaires, dédiées aux communautés d’analystes et d’utilisateurs travaillant sur un même domaine, partageant des corpus de données, de la connaissance, des résultats, et des retours d’expérience.
Axes de recherche
- Automatisation de l’exploration de l’espace de recherche KDD
- Opérateurs de fouille de données
- Passage à l’échelle à travers des approches parallèle
- Interactions système/utilisateur
- Gestion collaborative des connaissances et des retours
