Fédération de recherche Math-STIC de l'université Paris 13

FR3734

Objectif principal : développer des approches issues de l'apprentissage et de l'optimisation pour le traitement

  • de données non structurées de grandes dimensions : images, . . .
  • de données structurées : textes, graphes, . . .

Responsables : R. Wolfler-Calvo, A. Beghdadi

Contact: responsable axe 1

Liste des membres

Equipes impliquées :

 

Les 3 laboratoires ont largement collaboré les années précédentes à l’interface des domaines de l’optimisation, de l’apprentissage et de l’analyse de contenus numériques. Si de nombreux travaux ont été réalisés ces 20 dernières années, il reste néanmoins de nombreux problèmes ouverts, avec de fortes possibilités de valorisations industrielles. L’objectif principal est de développer des approches issues de l’apprentissage et de l’optimisation pour le traitement de données structurées (qu’il s’agisse de textes, de graphes, . . .) et non structurées (images) de grandes dimensions. Les données pourront provenir de différentes sources :

  • Bases d’images, notamment issues de l’imagerie médicale. A noter que des collaborations avec l’hôpital Avicenne et des laboratoires de médecine de l’université Paris 13 existent.
  • Patrimoine numérique. Les 3 laboratoires participent du reste aux actions du pôle de compétitivité Cap Digital, pour lequel la gestion du patrimoine numérique est une des priorités. L’INA (Institut National de l’Audiovisuel) peut ainsi fournir des données substantielles dans ce cadre.
  • Entreprises impliquées dans Cap Digital.