Modèles et algorithmes d'apprentissage pour les données structurées et complexes – LAMPADA

LAMPADA est un projet de recherche fondamentale qui traite du passage à l'échelle des méthodes d'apprentissage automatique dans le contexte du traitement des données structurées. Il vise à étudier et développer des algorithmes pour trois grands défis qui sont, les grandes dimensions, les masses de données et la prise en compte de la dynamicité des données. Les données structurées apparaissent dans de très nombreux domaines comme la biologie, le multimédia, la vidéo, le web, les applications web2.0, etc. Elles associent des éléments de «~contenu~» suivant différentes relations. Elles peuvent prendre des formes complexes et être composées d'objets structurés de différentes natures. C'est le cas par exemple avec les grands graphes du web, avec les réseaux sociaux, wikis et blogs ou avec de très nombreuses applications en biologies (graphes de régulation sur les protéines, etc.). Face à ces défis, on voit apparaître de nouvelles idées pour aborder l'apprentissage. Alors que le début des années 2000 a vu une complexification des méthodes de l'apprentissage, on assiste à un renversement de cette tendance. Le projet se situe dans cette ligne de travaux et se focalise sur 3 familles de problèmes fondamentaux liés à l'exploitation de masses de données structurées. Il s'agit de : - la représentation et la modélisation de données , - l'incrémentalité des processus d'apprentissage , - l'apprentissage de mesures de similarités dans les grands espaces.