 |
 |
 |
|
Mathieu D'Aquin
Open University, KMI
|
Sebastien Mustiere
IGN, COGIT
|
Mathieu Roche
CIRAD, TETIS
|
8 juin - Mathieu Daquin, Knowledge Media Institute, Open University
| |
Mathieu D'Aquin est Senior Research Fellow (~DR) au Knowledge Media Institute de l’Open University en Angleterre. Son parcours de recherche est lié au thèmes de l’intelligence artificielle, de la représentation des connaissances et de l'ingénierie des connaissances. Mathieu s’intéresse en particulier à la création et l'application de technologies du web sémantique, y compris les ontologies, le raisonnement, la découverte de connaissances, les données liées (Linked Data) et la gestion des données distribuées à grande échelle. Mathieu est actuellement responsable de la création de l’architecture de données partagées à grande échelle (Big Data) du projet MK:Smart (le MK Data Hub). Mathieu est aussi coordinateur du projet européen AFEL (Analytics for Everyday Learning) qui traite de l’analyse de données provenant des réseaux sociaux pour l’apprentissage humain. Mathieu jouit d’une excellente réputation dans ses domaines de recherche, qui se traduit par une impressionnante liste de publications, ainsi qu’une implication forte dans l'animation des communautés de recherches dans lesquelles il s’inscrit : responsable du comité de programme d’ESWC 2016, responsable du “In-Use and Software Track” d’ISWC 2015, responsable to comité de programme de K-CAP 2013, directeur de la principale école d'été internationale de recherche sur le web sémantique (SSSW). En 2011, Mathieu a aussi été reconnu comme un des “AI’s 10 to Watch” (10 jeunes chercheurs “à suivre” dans le domaine de l’intelligence artificielle) par le magazine IEEE Intelligent Systems.
Site : http://people.kmi.open.ac.uk/mathieu/
|
Architectures ouvertes, distribuées et intelligentes de partage d’information : de l’enseignement aux villes intelligentes.
Dans cette présentation, je m’intéresse à la progression des thématiques liées au partage d’information en ligne, d’une manière distribuée et ouverte. Je me focalise en particulier sur les plateformes de recherche créées pour faciliter ce partage et sur la creation d’applications intelligentes fondées sur l'exploitation de données et de connaissances partagées. Partant des problématiques de modélisation de connaissances au cœur des recherches sur le web sémantique, je montre en particulier comment ces problématiques évoluent pour s’intéresser de plus en plus aux thèmes associés au Big Data, incluant le passage à l’échelle et le traitement efficace de données variées. Je montre aussi comment, dans la continuité de cette progression, mes recherches actuelles se concentrent sur l’intégration de ses deux approches (sémantique et Big Data), vers des architectures ouvertes et intelligentes de partage d’information. J’utilise, au cours de cette présentation, plusieurs exemples issus des domaines de l’apprentissage humain et des villes intelligentes (Smart Cities).
9 juin - Mathieu Roche, CIRAD, TETIS
| |
Mathieu Roche est Chercheur Cirad au laboratoire TETIS (Territoires, Environnement, Télédétection et Information Spatiale). Il a obtenu un doctorat en informatique à l’Université Paris 11 (Orsay) en 2004 et a soutenu une Habilitation à Diriger des Recherches (HDR) en 2011. De 2005 à 2013, il a été Maître de Conférences à l’Université Montpellier 2. Dans ce cadre, il eu la responsabilité du Master Intégration de Compétences (2008-2011) et de l’équipe Texte du LIRMM (2012-2013). Depuis 2005, Mathieu Roche a dirigé 11 thèses et coordonné de nombreux projets académiques et industriels dans le domaine de la fouille de textes, en particulier des projets pluridisciplinaires en collaboration avec des linguistes et géographes (porteur de 2 projets PEPS CNRS, du projet CNRS Mastodons Animitex et du projet Songes actuellement en cours - FEDER). Il a été co-chair de 12 conférences et workshops. Mathieu Roche a publié plus de 160 articles liés aux domaines de la fouille de textes, du Traitement Automatique du Langage Naturel (TALN), de l’Extraction d’Information (EI) et de la Recherche d’Information (RI).
Site : http://www.textmining.biz/Staff/Roche |
Science des Données Textuelles
L'analyse des masses de données textuelles nécessite l'utilisation de méthodes mêlant harmonieusement différentes disciplines comme l'informatique, les mathématiques ou les statistiques. L'ensemble de ces méthodes utiles pour traiter de telles données, souvent hétérogènes d'un point de vue syntaxique et sémantique, forme le socle de la Science des Données Textuelles. Dans ce cadre, les approches de fouille de textes permettent de découvrir des connaissances utiles pour des experts issus généralement de différents domaines d'application, en particulier les domaines environnementaux et sociétaux. L'exposé présentera les fondements des approches proposées et leurs mises en oeuvre dans le contexte de plusieurs projets pluridisciplinaires et mettra en relief les perspectives de recherche propres à la Science des Données Textuelles.
10 juin - Sebastien Mustiere, IGN, LaSTIG
 |
Sébastien Mustière est chercheur et responsable de l'équipe COGIT au sein du LaSTIG, laboratoire de recherche de l'IGN (Institut National de l'Information Géographique et Forestière). Après avoir travaillé sur l'automatisation du processus de généralisation cartographique, il effectue des recherches sur l'intégration de données géographiques hétérogènes, de l'appariement d'instances à la comparaison de modèles.
Site : http://recherche.ign.fr/labos/cogit/cv.php?nom=Musti%E8re
|
Comment appréhender l'hétérogénéité de représentation des données géographiques ?
Les données géographiques sont actuellement exceptionnellement nombreuses et diverses, que ce soit en raison de la mise en place d’infrastructures de données, des politiques de diffusion des données publiques, du développement des données dites ouvertes, du développement des projets de construction collaborative, ou des possibilités ouvertes par les nouvelles approches du Web. Ces données sont importantes pour la gestion des politiques publiques ou la production de connaissances en général, par exemple pour suivre l’évolution du territoire dans un contexte de développement durable. Mais appréhender efficacement la diversité des données n'est pas sans soulever de nombreux défis. Cette présentation illustrera l'hétérogénéité particulière des données géographiques, ainsi que quelques initiatives pour la manipuler.
