BASTRI - Fiches Equipes
Base des structures de recherche Inria
Base des structures de recherche Inria
Large Scale Collaborative Data Mining
DREAM (SR0104HR) → LACODAM → LACODAM (SR0800DR)
Statut:
Terminée
Responsable :
Alexandre Termier
Mots-clés de "A - Thèmes de recherche en Sciences du numérique - 2023" :
Aucun mot-clé.
Mots-clés de "B - Autres sciences et domaines d'application - 2023" :
Aucun mot-clé.
Domaine :
Perception, Cognition, Interaction
Thème :
Représentation et traitement des données et des connaissances
Période :
01/01/2016 ->
31/10/2017
Dates d'évaluation :
Etablissement(s) de rattachement :
<sans>
Laboratoire(s) partenaire(s) :
<sans UMR>
CRI :
Centre Inria de l'Université de Rennes
Localisation :
Centre Inria de l'Université de Rennes
Code structure Inria :
031119-0
Numéro RNSR :
201622044W
N° de structure Inria:
SR0723YR
Le but de l’équipe LACODAM est de faciliter considérablement le processus visant à expliciter du sens à partir de grandes quantités de données, soit en dérivant de nouvelles connaissances, soit pour prendre de meilleures décisions. Actuellement, ce processus est en grande partie manuel et s’appuie sur la compréhension du domaine par l’analyste, sur les données disponibles et sur une pléthore de d’outils informatiques complexes. Nous visons une nouvelle génération d’approches de l’analyse des données où les différentes manières de découvrir la structure sous-jacente des données sont explorées de manière automatique, et où seules les structures les plus pertinentes sont présentées à l’analyste. Une telle notion de pertinence dépend fortement de la connaissance du domaine et des propres connaissances de l’analyste : ce type de connaissances occupera une place centrale dans notre approche. Les solutions que nous envisageons requièrent de combler le fossé entre les techniques de fouille de données et les approches provenant de l’intelligence artificielle, à la fois pour prendre en compte la connaissance du domaine de manière générique et pour introduire des techniques de raisonnement formel dans les workflows de découverte de connaissances. De plus, afin d’acquérir le plus de connaissances possible, nous nous intéressons aux approches basées sur les communautés, s’adressant aux communautés d’analystes et de praticiens travaillant sur un domaine particulier et partageant ensembles de données, connaissances et résultats, et mettant à la disposition de la communauté des retours d’expérience.
Collaborations internationales:
Collaborations industrielles:
La position est calculée automatiquement avec les informations dont nous disposons. Si la position n'est pas juste, merci de fournir les coordonnées GPS à web-dgds@inria.fr