Aperçu de mes activités

Transcription

1 Aperçu de mes activités Yoann PITARCH Docteur en Informatique LIRIS Bâtiment Blaise Pascal - 20, Avenue Albert Einstein VILLEURBANNE CEDEX, FRANCE P.O. Box 159 DK Aalborg Denmark

2 TABLE DES MATIERES 1 Curriculum Vitae Renseignements généraux Formation académique Expérience professionnelle Activité d enseignement Vue générale des enseignements Détails des enseignements Activité de recherche Contexte général Thématiques de recherche Animation de la communauté scientifique Collaborations académiques et industrielles Encadrement stagiaire Relecteur extérieur Responsabilités collectives Communications scientifiques Liste complète des publications Thèse

3 1 CURRICULUM VITAE 1.1 RENSEIGNEMENTS GENERAUX Prénom Nom Yoann Pitarch Date de naissance 4 novembre 1983 Lieu de naissance Sète (34) Adresse personnelle Adresse professionnelle 155 Bis Grande Rue Saint Clair Le Polygone Appt Caluire-et-Cuire, France LIRIS Bâtiment Blaise Pascal - 20, Avenue Albert Einstein Villeurbanne CEDEX, France Téléphone Adresses électroniques yoann.pitarch@liris.cnrs.fr yoann.pitarch@gmail.com Situation de famille Célibataire, sans enfant Permis B Fonction actuelle Ingénieur de recherche au LIRIS Affiliation Poste à cheval entre les équipes Data Mining and Machine Learning (DM2L) et Bases de Données (BD) 3

4 1.2 FORMATION ACADEMIQUE Doctorat dʼinformatique Résumé de flots de données : motifs, cubes et hiérarchies Thèse sous la direction de Pr. Anne Laurent et Pr. Pascal Poncelet Master Informatique Parcours Données, Interaction et Web Major de promotion Université Montpellier 2 Université Montpellier Licence dʼinformatique Université Montpellier DUT Informatique Analyse et Programmation Université Montpellier Baccalauréat scientifique (mention assez bien) Lycée Saint Joseph (34) 1.3 EXPERIENCE PROFESSIONNELLE Ingénieur de recherche au sein du laboratoire LIRIS à Lyon, France sous la supervision des professeurs J.M. Boulicaut (équipe DM2L) et J.F Petit (équipe BD) et encadré pratiquement par M. Plantevit (MCF dans lʼéquipe DM2L) et V.M. Scuturici (MCF dans lʼéquipe BD) Postdoc au sein du département informatique de lʼuniversité dʼaalborg, Danemark sous la supervision du professeur T.B. Pedersen Sept Oct Ingénieur de recherche à la Maison de la Télédétection (CEMAGREF) sous la direction de la directrice de recherche M. Teisseire Doctorant au laboratoire LIRMM (Université Montpellier 2 CNRS) sous la direction des professeurs A. Laurent et P. Poncelet Financement sur projet ANR MIDAS (ANR-07-MDCO-008) Moniteur (64 heures équivalent TD par année universitaire) à lʼiut de Montpellier, Université Montpellier Stagiaire au sein du laboratoire LIRMM à Montpellier sous la direction du professeur M. Teisseire 4

5 2 ACTIVITE DʼENSEIGNEMENT 2.1 VUE GENERALE DES ENSEIGNEMENTS Le tableau ci-dessous donne une vue globale de mes activités dʼenseignement. Notons que le tableau prend en compte les découpages administratifs de ces enseignements (cours, TD, TP). IUT - Département dʼinformatique (Université Montpellier 2) Années Enseignements Cours TD TP Effectif Niveau Algo et Programmation DUT Programmation WEB DU Archi DUT Programmation fonctionnelle DUT ACSI DUT Bases de données objet DUT2 Faculté des Sciences (Université Montpellier 2) Années Enseignements Cours TD TP Effectif Niveau Systèmes dʼinformation décisionnels M ECD M Fouille de données avancées M Systèmes dʼinformation décisionnels M ECD M Systèmes dʼinformation décisionnels M2 Ecole dʼingénieur PolyTech (Université Montpellier 2) Années Enseignements Cours TD TP Effectif Niveau Bases de données relationnelles INGE1 Université des Arts et des Lettres (Université Montpellier 3) Années Enseignements Cours TD TP Effectif Niveau Stage dʼinformatique L1 Sigles : Total par type dʼenseignements : Total : Algo et Programmation : Algorithmique et programmation - Archi : Architecture des ordinateurs - ACSI : Analyse et conception des systèmes dʼinformation - ECD : Extraction de connaissances dans les données - DUT1 : Première année dʼiut - DUT 2 : Seconde année dʼiut - DU : Diplôme universitaire 1 - M1 : Première année de Master - M2 : Seconde année de Master - INGE1 : Première année dʼécole dʼingénieur (BAC+3) - L1 : Première année de licence 1 Ce cursus a pour but d offrir aux étudiants n ayant pas validé le premier semestre universitaire un accès à une formation professionnelle diplômant permettant des débouchés immédiats et une réorientation. 5

6 2.2 DETAILS DES ENSEIGNEMENTS Algorithmique et programmation. Ce module (effectué en IUT1) a pour objectif dʼinitier les étudiants de première année dʼiut à lʼalgorithmique impérative à travers le langage de programmation ADA. Programmation WEB. Cet enseignement est destiné à des étudiants qui ont échoué lors du premier semestre dʼiut. Lʼobjectif de ce module est donc de reprendre les concepts de base de lʼalgorithmique impérative, e.g., variables, structures conditionnelles, structures itératives, et de les mettre en œuvre de façon ludique via un langage de programmation web, PHP. Architecture des ordinateurs. Cet enseignement (effectué en IUT1) sʼarticule autour de deux axes distincts. Dʼabord, les différents modes de codage de l'information sont présentés. Ensuite, lʼenseignement sʼoriente sur la présentation des éléments logiques, circuits logiques combinatoires et systèmes séquentiels simples. Programmation fonctionnelle. Cet enseignement a pour objectif de montrer aux étudiants de fin de seconde année dʼiut quʼil existe des paradigmes de programmation autres que la programmation impérative et la programmation par objet. Pour cela, ce module introduit les bases de la programmation fonctionnelle. Le langage de programmation SCHEME est utilisé pour la mise en pratique des concepts enseignés. Analyse et conception des systèmes dʼinformation. Ce module (enseigné en DUT1) a pour objectif dʼenseigner la modélisation systémique des systèmes d'information, les langages de modélisation, la spécification opérationnelle ainsi que les méthodes d'analyse et de conception. Pour cela le formalisme MERISE est utilisé. Bases de données objet. Cet enseignement a pour but de sensibiliser les étudiants de fin de deuxième année dʼiut à lʼexistence des bases de données objet. Il est donc à la fois un module dʼouverture et un module visant à consolider la connaissance des étudiants vis-à-vis des concepts relatifs au paradigme «objet», e.g., classe, héritage. Systèmes dʼinformation décisionnels. Cet enseignement (effectué en M2) est orienté recherche est a pour vocation de présenter un large panorama dʼapproches associées à lʼinformatique décisionnelle, e.g., entrepôts de données, cloud computing. Extraction de connaissances dans les données. Cet enseignement (effectué en M1) est orienté application et a pour vocation de présenter et de mettre en œuvre le processus dʼecd. Pour cela, les techniques de prétraitement des données, essentiellement textuelles, sont dʼabord présentées, e.g., lemmatisation avec TreeTagger. Ensuite, quelques approches de fouille de données, e.g., classification, motifs séquentiels, sont introduits et expérimentés via la plateforme Weka. Fouille de données avancées. Le domaine couvert par ce module (effectué en M2) est sensiblement identique au module présenté précédemment mais est lui orienté recherche. Le format de ce module sʼapparente ainsi à un ensemble de séminaires où des chercheurs interviennent pour présenter une problématique en fouille de données, e.g., la fouille de flots de données, et discuter avec les étudiants des verrous scientifiques à lever. Base de données relationnelles. Le but de cet enseignement est de faire acquérir aux étudiants en première année dʼune école dʼingénieur, une maîtrise des bases de données relationnelles : recherche de clés, formes normales, algèbre de Codd, requête SQL, Oracle, PL/SQL, etc. Stage dʼinformatique. Cet enseignement est dispensé à lʼensemble des L1 de lʼuniversité des Arts et des Lettres de Montpellier. Son objectif est de déterminer le niveau des étudiants en informatique afin de les orienter dans des groupes adéquats lors du semestre suivant. Dès lors, lʼenseignement dispensé porte sur les bases de lʼinformatique : composition dʼun ordinateur, première notions en traitement de texte et tableur, navigation internet, etc. 6

7 3 ACTIVITE DE RECHERCHE 3.1 CONTEXTE GENERAL Avec lʼessor des outils numériques et le développement des Technologies de lʼinformation et de la Communication (TIC), la quantité de données quotidiennement générées ne cesse de croître. Face à un tel volume, lʼhomme peut se retrouver totalement submergé, incapable de tirer profit de cette potentielle mine de connaissances. Aussi, pour permettre dʼexploiter efficacement cette masse de données, notre société sʼest adaptée pour définitivement entrer de plein pied dans lʼère de lʼanalyse des données. Longtemps utilisée dans les seules grandes entreprises et organisations institutionnelles et scientifiques, lʼanalyse de données massives est maintenant présente dans de nombreux domaines très variés, e.g., imagerie radar, sciences humaines et sociales, sciences du vivant. Typiquement, les récentes technologies du monde médical telles que les capteurs ou les puces ADN permettent de récolter des données qui peuvent se révéler essentielles dans la compréhension et la prévention de certaines maladies. Pour répondre à ce besoin dʼanalyse, deux disciplines informatiques sont apparues : lʼinformatique décisionnelle et la fouille de données. Lʼinformatique décisionnelle peut être définie comme lʼanalyse de larges collections de données organisées thématiquement dans des entrepôts de données. Paradoxalement, pour tirer pleinement profit de ces entrepôts, il est souhaitable de disposer de connaissance a priori sur le sous-ensemble des données potentiellement pertinent dans le contexte dʼanalyse souhaité. Dès lors, il est aisé de formuler les requêtes adéquates. Pourtant, il est de très nombreuses situations où lʼutilisateur est placé face à un ensemble de données sans savoir comment les interpréter. La fouille de données permet de répondre à ce besoin est peut être définie comme un processus qui a pour objet lʼextraction d'un savoir ou d'une connaissance à partir de grandes quantités de données, par des méthodes automatiques ou semiautomatiques. 3.2 THEMATIQUES DE RECHERCHE Mon travail se situe au croisement de ces deux disciplines. Plus particulièrement, il vise à apporter des réponses aux problématiques suivantes : comment intégrer toujours plus de données hétérogènes à fort contenu sémantique dans les processus dʼanalyse et dʼextraction de connaissances? Comment synthétiser cette masse de données afin dʼobtenir un résumé concis mais pertinent? Et enfin, comment rendre lʼanalyse de données toujours plus flexible? Résumé de flots de données multidimensionnelles. Le développement rapide des TIC a favorisé lʼémergence dʼun nouveau type de données : les flots de données. Une définition possible dʼun flot est une séquence non bornée de données très précises arrivant très rapidement. Dès lors, il nʼest pas possible de conserver lʼintégralité des données générées pour les analyser a posteriori. Résumer cet historique apparaît alors comme une bonne alternative. En outre, de plus en plus de données sont multidimensionnelles et peuvent être considérées sur plusieurs niveaux de granularité. Pourtant peu dʼapproches considèrent ces caractéristiques dans le contexte des résumés de flots de données. Dès lors, nous avons proposé différentes techniques de construction de résumés qui profitent pleinement des hiérarchies associées aux données. Plus précisément, une première série dʼapproches adapte les techniques de construction de cube de données et les outils dʼanalyse OLAP à ce contexte très dynamique alors quʼune seconde série dʼapproches combine lʼextraction de motifs fréquents et lʼutilisation des hiérarchies. Entrepôts de données contextuels. Une des principales forces des entrepôts de données résulte dans les outils dʼanalyse OLAP qui permettent, entre autres de considérer les données selon différents niveaux de granularité grâce à la spécification de hiérarchies. Malheureusement, les différents types de hiérarchies existants souffrent dʼun certains manque de flexibilité et nʼintègre que très peu la connaissance experte dans le processus de généralisation. Typiquement, la définition de hiérarchies sur des attributs numériques peut être délicate. Par exemple, supposons que lʼon veuille définir quelle est la généralisation dʼune tension artérielle en faible, normale ou élevée. Il est bien connu que cette généralisation ne peut être effectuée sans la 7

8 connaissance de données relatives à la personne considérées, e.g., son âge. Ces généralisations guidées par la connaissance experte ne pouvant être réalisées jusque là, nous avons proposé les hiérarchies contextuelles et avons étendu le modèle des entrepôts de données pour intégrer et exploiter ce nouveau type de hiérarchies. Le projet MIRABEL. Lʼobjectif de ce projet européen est la création dʼune infrastructure permettant de gérer un plus grand volume dʼélectricité produite par des sources dʼénergie renouvelable, e.g., panneaux solaires, éoliennes, afin dʼéquilibrer la production et la demande dʼélectricité. Pour cela, le projet propose et sʼarticule autour du concept de demande ou dʼoffre flexible. Pour illustrer ce concept, imaginons une personne revenant de son travail à 19h et qui souhaite que la batterie de son véhicule soit rechargé le lendemain matin à 8h pour repartir au travail. Typiquement, cette personne ne se soucie pas que la batterie se recharge dès la prise branchée ou plus tard dans la nuit. Cet exemple illustre un exemple de flexibilité temporelle quʼil est possible de spécifier. Dʼautres types de flexibilité peuvent être précisées sur la quantité dʼénergie demandée ou le prix que lʼon souhaite payer. Quand débutera donc la charge de la batterie? Sans rentrer dans les détails, ce moment est fonction dʼune grande quantité de paramètres. En effet, il faut imaginer quʼil existe potentiellement des millions dʼutilisateurs de ce système à travers lʼeurope spécifiant chacun des demandes ou des offres flexibles. Lʼobjectif du projet est alors dʼagréger ces flexibilités entre elles pour planifier et ainsi équilibrer au mieux et en temps réel (en fonction de prévisions météorologiques, de lʼhistorique des demandes ou de la production, de lʼhistorique du prix de lʼélectricité) la demande et la production dʼélectricité. Intuitivement, les demandes flexibles seront satisfaites lorsque les prédictions météo seront favorables à la production dʼénergie renouvelable. Il apparaît clairement que de nombreuses données très hétérogènes, e.g., séries temporelles de natures très différentes, données prédites, rôle des acteurs, planning, interviennent dans ce processus et doivent être analysées très rapidement pour ajuster en temps quasi réel cette planification. Le rôle de lʼuniversité dʼaalborg dans ce projet se situe justement dans la gestion et lʼanalyse de ces données. Pour ce faire, nous avons proposé et mis au point un modèle dʼentrepôt de données pouvant être vus comme un ensemble sophistiqué de modèles en étoile et en flocon. Nous avons ensuite tiré profit des capacités dʼanalyse autorisées par les entrepôts de données pour exploiter ces données et les agréger/restituer très efficacement. Prédiction de périodes creuses dans les réseaux dʼantennes de téléphonie mobile. Lʼessor des smartphones contribue largement à la forte augmentation de la charge des antennes de téléphonie mobile. Pour assurer une certaine qualité de service, les opérateurs multiplient les antennes et augmentent leur puissance. Ils comptent ainsi parmi les plus grands consommateurs dʼélectricité (environ 1% de la demande mondiale) et il est fort à parier que cette demande se développe davantage. Paradoxalement, lʼanalyse de la charge des antennes permet de sʼapercevoir quʼil existe, pour certaines dʼentre elles, des périodes de quasi inactivité. Dès lors, nous interrogeons sur la possibilité de prévoir ces périodes afin de désactiver ces antennes et ainsi réduire la consommation électrique. A partir de données fournies par opérateur danois sur la ville de Copenhagues, nous avons estimé que ce potentiel de réduction est de lʼordre de 30% en moyenne. Nous abordons cette problématique en modélisant le réseau dʼantennes sous forme de graphe. Lʼétude conjointe de lʼhistorique de la charge dʼune antenne et de celles de ses voisines permet la découverte de motifs qui peuvent être utilisés dans un contexte de prédiction. En outre, nous sommes convaincus que lʼinsertion de données contextuelles temporelles, e.g., lʼheure et la date dʼun relevé, et spatiales, e.g., le type de quartier dans lequel est implantée une antenne, les points dʼintérêts environnants, permettrait dʼaugmenter la qualité des prédictions. A terme, cette prédiction sera utilisée pour désactiver certaines antennes quand elles seront jugées inutiles. De nouveaux verrous apparaîtront alors et seront relatif à lʼimpact de la désactivation dʼune antenne sur les prédictions associées aux antennes voisines et la préservation dʼune qualité de service satisfaisante. La modélisation de ce problème sous forme de graphe dynamique représente une perspective prometteuse. Ce travail, initié lors de mon postdoc au Danemark, se poursuit actuellement au LIRIS par lʼintermédiaire de la visite, pour une durée de 6 mois, dʼun doctorant de lʼuniversité dʼaalborg au sein de lʼéquipe fouille de données du LIRIS. Développement dʼune plate-forme de démonstration pour la fouille de données. Les processus de découverte de connaissances dans des données sont interactifs et itératifs. Ils demandent l'exploitation de nombreux outils (pré-traitement des données, fouille proprement dite, post-traitement et aide à l'interprétation, etc) plus ou moins stabilisés. Aussi, pour de nombreuses raisons, tant scientifiques (nécessité de garantir la répétabilité rendue parfois difficile par la mise 8

9 en place de protocoles dʼexpérimentations lourds), que de dissémination ou de mutualisation, lʼéquipe fouille de données du LIRIS souhaitait le développement dʼune plate-forme de démonstration. En outre, les récents recrutements ainsi que de nouveaux projets labellisés par le labex IMU poussent lʼéquipe DM2L à considérer un nouveau paradigme de données : les flux de données et notamment lorsqu'ils sont multidimensionnels et qu'ils concernent des déplacements d'objets dans le temps et dans l'espace. C'est dans ce sens que lʼéquipe DM2L sʼest naturellement rapprochée de l'équipe BD avec un projet transverse sur 2 ans ( ) qui consiste à étudier des synergies possibles, notamment au travers de la plateforme SOCQ et des problématiques inhérentes aux environnements distribués et dynamiques. En effet, lʼun des axes de recherche de lʼéquipe BD est la gestion des environnements dynamiques. SOCQ concrétise lʼeffort de lʼéquipe BD de mettre en place une plate-forme centrée données permettant une interaction déclarative avec un environnement pervasif. Lʼunivers pervasif connecte ensemble non seulement les individus et les données, mais également une multitude dʼobjets communicants. Les implémentations actuelles, utilisant des SGBDs, des Systèmes de Gestion de Flux de Données (SGFDs), ou simplement programmées de manière ad hoc, ne permettent pas une gestion simple de ces sources de données et fonctionnalités hétérogènes. Lʼobjectif de SOCQ est dʼoffrir une approche unifiée pour la gestion des données et des services. Aussi, plutôt que dʼimaginer le développement dʼune plate-forme «fouille de données» qui aurait vocation à intégrer les implémentations des prototypes de lʼéquipe DM2L, mon travail consiste à étoffer lʼoffre de la plateforme SOCQ. Il sʼagit donc de capitaliser sur les efforts déjà réalisés pour mettre en place SOCQ, développer et intégrer des fonctionnalités pour le traitement de masses de données issues de réseaux de capteurs et, souvent, spatio-temporelles. Recherche dʼattributs impactant sur la structure dʼun graphe dynamique attribué. De nombreuses données peuvent être représentées sous la forme de graphes attribués. Ce type de données intéresse une partie de la communauté «fouille» et lʼon a ainsi pu voir émerger des algorithmes efficaces pour extraire des sous-structures fréquentes, e.g., (quasi-)cliques, au sein de graphes attribués. Lʼinclusion de la dimension temporelle dans ces données est un peu plus récente et soulève de nouvelles questions quant à lʼanalyse de lʼévolution de ces structures à travers le temps. Lʼéquipe DM2L commence à disposer dʼune sérieuse expertise dans lʼanalyse de graphes dynamiques attribués. Ainsi, au cours de mon passage dans cette équipe, jʼai entrepris de travailler sur cette thématique. Plus précisément, nous souhaitons identifier quels attributs impactent le plus la structure du graphe et quand ces changements sʼopèrent-ils. Schématiquement, nous disposons dʼune séquence de graphes attribués sur lesquels il est possible de calculer un certains nombre de mesures, e.g., le degré de centralité, pour refléter lʼimportance de chaque nœud. Lʼobjectif de ce travail est alors de rechercher quelles conjonctions de changements dans les attributs sont fréquemment suivies de changements significatifs de ces mesures «structurelles». Pour cela, nous ramenons ce problème à un problème dʼextraction de séquence émergente et replongeons ensuite les résultats dans le graphe dynamique pour faire émerger des communautés de nœuds aux comportements similaires. Vers plus de flexibilité dans lʼinterrogation des tables relationnelles. La recherche de données intéressantes pour un utilisateur dans une base de données est souvent considérée comme un processus laborieux. Typiquement, un utilisateur spécifie une série de critères et les relâchent manuellement petit à petit jusquʼà ce que le résultat retourné par la requête le satisfasse. Dans un contexte hyper concurrentiel, e.g. site marchand, ce processus manuel peut conduire à lasser lʼutilisateur qui préfèrera alors se diriger vers la concurrence. Dès lors, nous nous sommes interrogés sur la possibilité dʼapporter de la flexibilité dans un contexte de recherche dʼinformations pertinentes au sein dʼune base de données. Pour ce faire, nous proposons une approche dʼextension automatique de critères dont lʼobjectif est de générer une requête alternative minimisant lʼéloignement à la requête initiale tout en maximisant le nombre de n-uplets retournés. Cette extension de critères sʼappuie sur la prise en compte des préférences utilisateurs. Une fonction de score permet de déterminer quelle combinaison dʼextensions atteint le compromis précédemment mentionné. Vers une approche de cartographie automatique de territoires ruraux. En plein essor depuis quelques années, la fouille de données environnementales constitue une thématique de recherche aux enjeux sociétaux majeurs. En effet, parmi les problématiques sous-jacentes à cette thématique, la cartographie automatique de territoires ruraux permet, par exemple, de dresser un bilan rapide sur lʼétat des cultures dans une région aride du monde (e.g. Mali) et fournit ainsi de précieux indices quant aux risques de famine encourus. Ainsi, nous avons proposé une 9

10 méthodologie basée sur lʼextraction de motifs séquentiels multidimensionnels pour la classification automatique de cultures. Lʼoriginalité de ce travail se situe dans lʼexploitation conjointe de séries temporelles issues soit dʼimages satellites MODIS ou de données RADAR et de connaissances experts issues de relevés terrains. Nous avons validé lʼapproche sur des données provenant de cultures au Mali et finalisons actuellement lʼadaptation de cette approche pour détecter les friches, réputées extrêmement difficiles à détecter avec des outils de télédétection classiques. 10

11 4 ANIMATION DE LA COMMUNAUTE SCIENTIFIQUE 4.1 COLLABORATIONS ACADEMIQUES ET INDUSTRIELLES 2013 Présent Implication dans le projet AMADOUER, projet sélectionné dans le cadre de lʼappel CNRS MASTODONS, en collaboration avec des chercheurs du CETHIL spécialisés en thermique du bâtiment 2009 Présent Collaboration avec le Dr. Cécile Favre sur la modélisation et lʼinterrogation des entrepôts de données contextuels. Publications : [EDAʼ10], [EDAʼ11], [DOLAPʼ10], [ISIʼ11] Membre du projet EU FP7 MIRABEL (URL : ) Partenaires : SAP (Allemagne), AAU (Danemark), CRES (Grèce), EnBW (Allemagne), INEA (Slovénie), Jozef Stefan Institua (Slovénie), TUD (Allemagne), TNO (Pays Bas) Collaboration avec le Pr. Dominique Laurent (ETIS) et le Pr. Nicolas Spyratos (LRI) sur lʼapport de la flexibilité dans lʼinterrogation de bases relationnelles. Publications : [BDAʼ10], [SoCPaRʼ10] Membre du projet ANR-07-MDCO /MIDAS (URL : ) Partenaires : ENST, INRIA Sophia Antipolis, CEREGMIA, LIRMM, Orange Labs, EDF R&D, CHU Fort de France 2009 Collaboration avec la société We Are Cloud Objectif : proposition de techniques de visualisation de cubes de données 4.2 ENCADREMENT 2013 Présent Encadrement (non officiel) dʼun étudiant en M1 Informatique à lʼuniversité Lyon 1 Sujet : construction dʼun graphe dynamique de co-citations et extraction dʼattributs «déclencheurs» dans un graphe dynamique 2011 Présent Encadrement (non officiel) dʼun doctorant en seconde année à lʼuniversité dʼaalborg Sujet : prédiction de périodes creuses dans un réseau dʼantennes de téléphonie mobile Encadrement de deux élèves ingénieur (5 ème année) de lʼuniversité dʼaalborg, Danemark, dans le cadre du projet MIRABEL Sujet : développement et maintenance du composant de gestion des données 11

12 Encadrement dʼun ingénieur dans le cadre du projet MIRABEL au sein de lʼuniversité dʼaalborg, Danemark Sujet : développement et maintenance du composant de gestion des données 2009 Encadrement dʼun stagiaire en seconde année à lʼécole dʼingénieur Polytech Sujet : implémentation dʼalgorithmes de résumé de flots de données 4.3 RELECTEUR EXTERIEUR Chapitres Scalable Fuzzy Algorithms for Data Management and Analysis : Methods and Design Revues Information Systems 2011, Transactions On Systems Man And Cybernetics 2011 Conférences / Workshops ICDEʼ13,DAWAKʼ12, ADBISʼ12, ICDMʼ12, EGCʼ12, ICDMʼ11, PAKDDʼ11, CIKMʼ11, BDAʼ11, SKGʼ11, IPMUʼ10, DEXAʼ10, BDAʼ10, EGCʼ09, APWeb-WAIMʼ09, ICDMʼ09, DAWAKʼ RESPONSABILITES COLLECTIVES Présent Responsable du Work Package 3 (Data Collection and Analysis) au sein du projet MIRABEL Représentant des doctorants au Conseil de Direction et au Conseil dʼorientation Pédagogique et Scientifique du Pôle Formation Recherche MIPS (Maths, Informatique, Physiques et Systèmes), Université Montpellier Membre du comité dʼorganisation de la conférence nationale EDAʼ09 12

13 5 COMMUNICATIONS SCIENTIFIQUES 5.1 LISTE COMPLETE DES PUBLICATIONS THESE DE DOCTORAT Résumé de flots de données : motifs, cubes et hiérarchies Yoann Pitarch Thèse de doctorat en informatique de lʼuniversité Montpellier 2, Mai 2011, Montpellier REVUES INTERNATIONALES A Sequential Pattern Based Approach for Cultivated Area Classification Yoann Pitarch, Dino Ienco, Elodie Vintrou, Agnes Begue, Anne Laurent, Pascal Poncelet, Michel Sala, Maguelonne Teisseire Knowledge based systems, en cours de soumission REVUES NATIONALES Généralisation contextuelle de mesures dans les entrepôts de données Application aux entrepôts de données médicales Yoann Pitarch, Cécile Favre, Anne Laurent, Pascal Poncelet Article de la conférence EDA 2010 sélectionné pour publication dans une revue, Ingénierie des Systèmes d'information 16(6): (2011) Fenêtres sur cubes Yoann Pitarch, Anne Laurent, Marc Plantevit, Pascal Poncelet Article de la conférence BDA 2008 sélectionné pour publication dans une revue, RSTI série ISI, Volume 15, pp. 9-33, Janvier 2010 Recherche de motifs et cartographie des surfaces agricoles Elodie Vintrou, Yoann Pitarch, Agnes Begue, Maguelonne Teisseire Article de la conférence SAGEO 2011 sélectionné pour publication dans une revue, Revue Internationale de Géomatique, à paraître CONFERENCES ET ATELIERS INTERNATIONAUX Spatio-Temporal Ensemble Prediction on Mobile Broadband Network Data Saulius Samulevicius, Torben Bach Pedersen, Yoann Pitarch, Troels Bundgaard Sørensen Proc. of the 77th Vehicular Technology Conference, VTC2013-Spring, Dresden, Germany, 2-5 June 2013 Towards the Automated Extraction of Flexibilities from Electricity Time Series Dalia Kaulakiene, Laurynas Siksnys, Yoann Pitarch Proc. of the 2nd international workshop on Energy Data Management (EnDM 2013), colocated with EDBT 2013, to appear, Genoa, Italy, March 18-22, 2013 Enhancing Flexibility and Expressivity of Contextual Hierarchies Yoann Pitarch, Cécile Favre, Anne Laurent, Pascal Poncelet Proc. of the 2012 IEEE International Conference on Fuzzy Systems (FUZZʼIEEE 2012), 1-8, Brisbane, Australia, June 10-15, 2012 Data Management in the MIRABEL Smart Grid System Matthias Boehm, Lars Dannecker, Andreas Doms, Erik Dovgan, Bogdan Filipic, Ulrike Fischer, Wolfgang Lehner, Torben Bach Pedersen, Yoann Pitarch, Laurynas Siksnys, TeaTusar 13

14 Proc. of the 1st international workshop on Energy Data Management (EnDM 2012), colocated with EDBT 2012, , Berlin, Germany, March 26-30, 2012 Towards an Automatic Construction of Contextual Attribute-Value Taxonomies Dino Ienco, Yoann Pitarch, Pascal Poncelet, Maguelonne Teisseire Proc. of the 27th Symposium On Applied Computing, , Trento, Italy, March 26-30, 2012 Mining sequential patterns from MODIS time series for cultivated area mapping Yoann Pitarch, Elodie Vintrou, Agnes Begue, Maguelonne Teisseire, Fadi Badra Proc. of the 13th 4th AGILE International Conference on Geographic Information Science, Utrecht, Pays Bas, April 2011 Summarizing Multidimensional Data Streams : A Hierarchy-Graph-Based Approach Yoann Pitarch, Anne Laurent, Pascal Poncelet Proc. of the 14th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD 2010), pp , Hyderabad, Inde, June 21-24, 2010 Context-Aware Generalization for Cube Measures Yoann Pitarch, Cécile Favre, Anne Laurent, Pascal Poncelet Proc. of the 13th International Workshop On Data Warehousing and OLAP (DOLAP 2010), colocated with CIKM 2010, pp , Toronto, Canada, October 30, 2010 TIGER : Querying a Relational Table through Criteria Extension Yoann Pitarch, Dominique Laurent, Pascal Poncelet, Nicolas Spyratos Proc. of the 2nd IEEE International Conference on Soft Computing and Pattern Recognition (SoCPaR 2010), pp , Cergy-Pontoise, France, December 7-10, 2010 Multidimensional Data Streams Summarization Using Extended Tilted-Time Windows Yoann Pitarch, Anne Laurent, Marc Plantevit, Pascal Poncelet Proc. of the 5th International Symposium on Frontiers of Information Systems and Network Applications (FINA 2009) colocated with AINA 2009), pp , Bradford, UK, May 2009 A Conceptual Model for Handling Personalized Hierarchies Yoann Pitarch, Anne Laurent, Pascal Poncelet Proc. of the International ACM Conference on Management of Emergent Digital EcoSystems (MEDES 2009), pp Lyon, France, October 2009 A Hierarchy-Based Method for Synthesizing Frequent Itemsets Extracted from Temporal Windows Yoann Pitarch, Anne Laurent, Pascal Poncelet Proc. of the IEEE International Conference on Soft Computing and Pattern Recognition (SoCPaR 2009), pp Malacca, Malaysia, December 2009 CONFERENCES NATIONALES Vers une méthode automatique de construction de hiérarchies contextuelles Dino Ienco, Yoann Pitarch, Pascal Poncelet, Maguelonne Teisseire Extraction et Gestion des Connaissances (EGC 2012), Bordeaux, Tunisie, January 31-February 3, 2012 Vers davantage de flexibilité et dʼexpressivité dans les hiérarchies contextuelles des entrepôts de données Yoann Pitarch, Cécile Favre, Anne Laurent et Pascal Poncelet Fouille de Données Complexes (FDC 2012), colocated with EGC 2012, to appear, Bordeaux, France, January 31-February 3, 2012 Représentation Graphique des Hiérarchies Contextuelles : Modèle avec Satellites Cécile Favre, Yoann Pitarch, Anne Laurent, Pascal Poncelet 14

15 7èmes Journées francophones sur les Entrepôts de Données et lʼanalyse en ligne (EDA 2011), Clermont-Ferrand, June 8-9, 2011 TIGER : interrogation dʼune table relationnelle par extension de critères Yoann Pitarch, Dominique Laurent, Pascal Poncelet, Nicolas Spyratos 26emes journées des Bases de Données Avancées (BDA 2010), pp Toulouse, France, October 19-22, 2010 Analyse flexible dans les entrepôts de données : quand les contextes sʼen mêlent Yoann Pitarch, Cécile Favre, Anne Laurent, Pascal Poncelet 6èmes Journées francophones sur les Entrepôts de Données et lʼanalyse en ligne (EDA 2010), pp Djerba, Tunisie, June 11-13, 2010 SALINES : un automate au service de lʼextraction de motifs séquentiels multidimensionnels Yoann Pitarch, Lionel Vinceslas, Anne Laurent, Pascal Poncelet, Jean Emile Symphor Extraction et Gestion des Connaissances (EGC 2010), pp , Hammamet, Tunisie, January 27-29, 2010 Résumé généraliste de flux de données Collectif dʼauteurs issus du projet MIDAS Extraction et Gestion des Connaissances (EGC 2010), pp , Hammamet, Tunisie, January 27-29, 2010 Une structure basée sur les hiérarchies pour synthétiser les itemsets fréquents extraits dans des fenêtres temporelles Yoann Pitarch, Anne Laurent, Pascal Poncelet Extraction et Gestion des Connaissances (EGC 2010), pp Hammamet, Tunisie, January 27-29, 2010 Fenêtres sur cube Yoann Pitarch, Anne Laurent, Marc Plantevit, Pascal Poncelet 24emes journées des Bases de Données Avancées (BDA 2008) DEMONSTRATION DE LOGICIEL Visualisation des motifs séquentiels extraits à partir dʼun corpus en Ancien Français Julien Rabatel, Yuan Lin, Yoann Pitarch, Hassan Saneifar, Claire Serp, Mathieu Roche et Anne Laurent Extraction et Gestion des Connaissances (EGC 2008), pp LIVRABLES ANR Etat de lʼart des approches de résumés des flots de données - Tâche 1.1 Fabrice Clérot, Annie Danzart, Georges Hébrail, Anne Laurent, Florent Masseglia, Yoann Pitarch, Pascal Poncelet, Jean Emile Symphor et Lionel Vonceslas Résumés de flots de données complexes - Tâche 1.4 Fabrice Clérot, Mohamed El Mahrsi, Georges Hébrail, Anne Laurent, Yoann Pitarch, Pascal Poncelet et Christine Potier Description des applications développées dans la version 1 du démonstrateur Applications liées à lʼénergie - Tâche 1.4 Fabrice Clérot, Mohamed El Mahrsi, Georges Hébrail, Anne Laurent, Yoann Pitarch, Pascal Poncelet et Christine Potier 15

16 5.2 THESE TITRE Résumé de flots de données : motifs, cubes et hiérarchies ECOLE DOCTORALE Thèse de lʼuniversité de Montpellier, école doctorale I2S (Information Structures Systèmes) EQUIPE Équipe Fouille de données (TATOO), Département Informatique du LIRMM JURY Joao Gama, Professeur, University of Porto, Portugal Olivier Teste, Maître de Conférences, HDR, Université Paul Sabatier, Toulouse Christine Collet, Professeur, INP Grenoble Cécile Favre, Maître de Conférences, Université Lyon 2 Torben Bach Pedersen, Professeur, Aalborg University, Danemark Patrick Valduriez, Directeur de Recherche Anne Laurent, Maitre de Conférences, HDR, Université Montpellier 2 Pascal Poncelet, Professeur, Université Montpellier 2 Rapporteur Rapporteur Examinatrice Examinatrice Examinateur Examinateur Co-directrice Directeur RESUME Avec le développement des TIC, le volume de données disponibles a explosé et a démocratisé les flots. Un flot de données peut être défini comme une séquence non bornée de données très précises et circulant à grande vitesse. Le stocker intégralement est par définition impossible motivant alors le besoin de proposer des techniques de résumé permettant dʼanalyser a posteriori cet historique. En outre, un grand nombre de flots de données présentent un caractère multidimensionnel et multi-niveaux que très peu dʼapproches existantes exploitent. Ainsi, lʼobjectif de ces travaux est de proposer des méthodes de résumé exploitant ces spécificités multidimensionnelles et applicables dans un contexte dynamique. Nous nous intéressons à lʼadaptation des techniques OLAP (On Line Analytical Processing) et plus particulièrement, à lʼexploitation des hiérarchies de données pour réaliser cette tâche. Pour aborder cette problématique, nous avons mis en place trois angles dʼattaque. Tout dʼabord, après avoir discuté et mis en évidence le manque de solutions satisfaisantes, nous proposons deux approches permettant de construire un cube de données alimenté par un flot. Le deuxième angle dʼattaque concerne le couplage des approches dʼextractions de motifs fréquents (itemsets et séquences) et lʼutilisation des hiérarchies pour produire un résumé conservant les tendances dʼun flot. Enfin, les catégories de hiérarchies existantes ne permettent pas dʼexploiter les connaissances expertes dans le processus de généralisation. Nous pallions ce manque en définissant une nouvelle catégorie de hiérarchies, dites contextuelles, et en proposant une modélisation conceptuelle, graphique et logique dʼun entrepôt de données intégrant ces hiérarchies contextuelles. Cette thèse sʼinscrivant dans un projet ANR (MIDAS), une plateforme de démonstration intégrant les principales approches de résumé a été mise au point. De plus, la présence de partenaires industriels dans le projet MIDAS (e.g., Orange Labs et EDF RD) a permis de valider nos approches sur des jeux de données réelles. MOTS CLES Flots de données, Hiérarchies, Motifs fréquents, Entrepôts de données. 16