Pôle : Science des données

En pénétrant tous les secteurs de notre société, les données numériques prennent une place de plus en plus centrale et leur maîtrise est au coeur d'enjeux scientifiques, sociétaux et économiques cruciaux. Dans ces nouveaux contextes, les données peuvent être hétérogènes, structurées ou non, très nombreuses, volumineuses, distribuées, produites de manière continue et rapide, etc. Il s'agit alors de disposer de nouveaux modèles de représentation, de traitement, d'accès, d'exploitation et de protection robustes et adaptés à ces besoins.

 

Compétences réunies dans le pôle


Pour proposer des réponses adéquates, le pôle vise à favoriser la fertilisation entre différentes compétences complémentaires liées à la modélisation, à la théorie des graphes et la combinatoire, l'apprentissage statistique, aux bases de données, à la fouille de données et à la recherche d'information.

 

Domaines applicatifs, savoirs-faire à l’interface des autres disciplines


  • Smart cities
  • Bâtiments intelligents
  • Données astronomiques (PetaSky)
  • Robotique
  • Réseaux de capteurs/mobiles
  • Réseaux sociaux
  • Web

 

Équipes et chercheurs impliqués


Le pole « Data Science » regroupe plus de 30 permanents pour attaquer ces problématiques. Il regroupe des compétences allant de la modélisation (graphes, algorithmes, apprentissage statistique, langages déclaratifs) aux aspects systèmes (intergiciel, plateformes d’intégration, prototype opérationnel), lui permettant de se positionner comme un acteur important au niveau international.

Les 32,5 chercheurs permanents participant au pôle appartiennent aux équipes :

 

Mots clés


  • Algorithmique et combinatoire des graphes
  • Algorithmique distribuée
  • Clustering/classification
  • Declarative languages for querying non conventional data sources
  • Data Stream Query processing and Optimization
  • Spatio-temporal data
  • Data integration and data quality
  • Data storage and indexing
  • Security (confidentiality, privacy)
  • Aggregation, Data Warehouse, OLAP
  • Pattern mining in databases