Chaire IDAML

Les objectifs

La chaire Industrial Analytics and Machine Learning (IDAML) basée au Centre Borelli de l’ENS-Paris-Saclay à Gif sur Yvette  a pour principal objectif de développer une expertise scientifique autour de la science des données motivée par des applications industrielles présentées par les partenaires de la chaire.  

Depuis 2017, la chaire IDAML

• Construit des programmes scientifiques permettant le développement de la recherche et des connaissances scientifiques sur des thématiques choisies en collaboration avec des partenaires académiques et de recherche.
• Accueille et participe à la formation des étudiants, doctorants et post-doctorants pour en faire des acteurs de l’Intelligence Artificielle pour l’industrie.
• Anime une communauté scientifique internationale autour du machine learning appliqué aux données industrielles, sous forme notamment de colloques et de séminaires.
• Diffuse les résultats de la recherche, par le biais de publications et d’interventions, mais aussi par la production de logiciels libres facilitant le transfert de connaissances et de technologie vers l’industrie.

Les thématiques principales

1. Le « Transfer learning »

L’apprentissage par transfert de règles de décision est la clé pour pouvoir accélérer l’apprentissage sur de nouvelles instances du système avec moins de données d’apprentissage. Il s’agit de produire des règles performantes ET robustes.

2. Le « Graph Signal Processing » 

Les signaux multivariés mesurés sur une structure de graphes sont typiques de l’information temporelle et spatiale produite par des réseaux de capteurs. C’est une approche qui se développe rapidement au carrefour du traitement du signal, de la théorie des graphes et du machine learning.

3. Le « Monitoring de systèmes complexes »

Ce sujet emblématique des cas industriels repose sur la modélisation de données multivariées complexes à des fins de détection/prédiction d’événements, ce qui requiert notamment d’opérer une fusion de données hétérogènes et de prendre en compte la nature et l’organisation du système à surveiller.

4. La « Recherche opérationnelle »

Ces problématiques renvoient à des problèmes d’optimisation discrète dont la résolution est critique pour le calcul embarqué et l’allocation optimale de ressources dans la gestion des réseaux.

Les partenaires de la Chaire

• CEA (2016 - .)
• ENSIIE Paris-Evry (2018)
• ATOS (2016-2021)
• Banque de France (2018-2021)
• Bertin Technologies / ChapsVision (2018-2021) 
• Michelin (2018 - .)
• SNCF (2018 - .)