Séminaire Thématique Traitement et analyse statistique des données massives Impacts Sociétaux des Technologies de l'information

Transcription

1 Séminaire Thématique Traitement et analyse statistique des données massives Impacts Sociétaux des Technologies de l'information Du mercredi 19 novembre au vendredi 21 novembre 2014 campus du Futuroscope, amphi BE 1) Présentation générale La formation thématique est organisée par l'ecole Doctorale Sciences et Ingénierie pour l'information, Mathématiques de la CUE Limousin-Poitou-Charentes, en collaboration avec le Laboratoire de Mathématiques et Applications de l'université de Poiters et l'ensma. La formation a eu lieu dans les bâtiments du campus du Futuroscope, à Chasseneuil-du-Poitou. Les big data, appelées aussi données massives, désignent des ensembles de données tellement volumineuses en quantité ou en nombre de paramètres qu'ils deviennent difficiles à travailler avec les outils classiques de gestion de bases de données. Dans ces nouveaux ordres de grandeur, la capture, le stockage, le traitement, l'analyse et la visualisation des données doivent être entièrement réinventés. Les perspectives du traitement des données massives sont énormes. L'objectif de ce séminaire thématique est de présenter aux doctorants en mathématiques, informatique, traitement du signal et ingénierie les enjeux et le potentiel de ce domaine en pleine expansion pour leur future carrière dans la recherche ou en entreprise. Nous avons pour cela invité cinq experts reconnus venant de l'université, de centre de recherches ou de l'entreprise, à présenter leurs travaux en séance plénière : Nicolas Vayatis, Professeur des Universités, Centre de Mathématiques et de leurs Applications (CMLA), Ecole Normale Supérieure de Cachan Cristian Preda, Professeur des Universités, Ecole Polytechnique Universitaire de Lille Nicolas Le Roux, Phd in Machine Learning, Scientific Program Manager, CRITEO France Stéphane Mallat, Professeur des Universités, Ecole Normale Supérieure d'ulm Sebastiao Correia, Docteur en Physique théorique, Directeur du développement de produits, TALEND France Pendant ce séminaire, l'opportunité a été donnée aux doctorants de présenter leurs travaux sous formes de poster et/ou d'exposé (20 min). Les doctorants étaient invités à soumettre une présentation lors de leur inscription, les organisateurs ont complété en invitant à exposer leurs travaux des doctorants dont

2 la thématique de recherche était voisine du thème de la formation. 2) Participation La formation a été suivie par 67 étudiants répartis comme suit : 25 étudiants du site de Poitiers 34 étudiants du site de Limoges 6 étudiants du site de La Rochelle 2 étudiants extérieurs à l'ed S2IM Plusieurs collègues de Poitiers et La Rochelle intéressés par la thématique de la formation sont venus y assister. 3) Evaluation de la formation par les participants Un formulaire d'évaluation de la formation a été distribué aux participants, 32 formulaires ont été retournés. Les résultats sont donnés dans le tableau ci-dessous : A (bon) B (moyen) C (mauvais) Intérêt scientifique de la formation La formation vous sera directement utile pour votre thèse La formation vous a ouvert des perspectives Qualité générale des intervenants Logistique de la formation (hébergement, repas) Quelques commentaires constructifs laissés par les participants : avoir des présentations assez générales abordables pour les non initiés le programme du jeudi après-midi aurait pu être consolidé vulgariser les présentations des doctorants présenter les auteurs des posters en salle avant les séances de discussion de poster avoir plus d'interventions pour couvrir l'ensemble du sujet avoir plus d'exposés de doctorants 4) Evaluation de la formation par les organisateurs Nous avons eu la chance que des conférenciers de premier plan international acceptent de donner de leur temps pour venir exposer à cette formation et discuter avec les participants. En raison de la grande hétérogénéité des participants, les orateurs ont dû se livrer à l'exercice extrêmement difficile consistant à faire une présentation très générale, vulgarisée et interactive afin d'intéresser les doctorants

3 non spécialistes, tout en entrant dans quelques détails techniques afin de montrer à l'ensemble des participants la réalité du travail scientifique sous-jacent à cette thématique et d'apporter une réelle information aux doctorants directement concernés par la thématique. Les organisateurs ont été très sensibles au soin apporté par les conférenciers pour rendre leur exposé accessible. Ces conférences ont été majoritairement bien accueillies, en témoignent les nombreuses questions pendant et après les conférences. On regrettera néanmoins la présence, inévitable dans toute formation obligatoire, de quelques participants bruyants irrespectueux des orateurs. Dans la mesure du possible, les thématiques des formations devraient être connues très longtemps à l'avance afin que les doctorants puissent prévoir celles auxquelles ils peuvent s'intéresser sans être contraints de s'inscrire à une formation qui ne les touche pas. L'organisation de la formation sur le site de Futuroscope en pleine année universitaire a posé un sérieux problème au niveau du logement (finalement résolu économiquement) et des repas. A noter que la participation au buffet du jeudi soir a été largement inférieure à celle prévue (une vingtaine de participants contre une cinquantaine annoncée). On préférera donc à l'avenir un événement social le midi et des soirées libres. Les conférenciers venant de l'entrepise ont été financés par l'amies, une présentation faite par Anne Philippe a montré aux organisateurs tout le potentiel de l'agence pour l'organisation future de telles formations. Les formations thématiques de l'ed S2IM auraient donc grand intérêt à renforcer à l'avenir leur partenariat avec l'agence (en relation avec les programmes SEME). Lors de l'inscription, seul un doctorant a soumis une proposition d'exposé et une doctorante a soumis un poster. Les autres exposés et posters ont été sollicités directement par les organisateurs, et plusieurs doctorants ont d'ailleurs décliné l'invitation qui leur était faite (ce qui explique le déséquilibre du programme sur ce point). Il est regrettable que les doctorants ne profitent pas plus de l'opportunité qui leur est donnée de présenter leurs travaux à un public généraliste. Les exposés et posters présentés étaient tous d'excellente qualité, les doctorants ont apporté un grand soin à leur présentation. 5) Programme détaillé de la formation Programme du mercredi 19 novembre 14h30-15h00 Accueil : Samuel Boissière, Professeur à l'université de Poitiers, directeur-adjoint de l'ecole Doctorale S2IM Ladjel Bellatreche, Professeur à l'ensma, directeur-adjoint de l'ecole Doctorale S2IM 15h00-16h00 Conférence : Nicolas Vayatis, Professeur à l'ens Cachan La transition numérique : applications du machine learning dans les sciences de l'ingénieur, le e-marketing et la médecine 16h00-16h30 Pause café 16h30-17h30 Présentation des posters des doctorants : Jérémy Hyvert (XLIM/SIC) Zahira Chouiref (LIAS) Clément Chesseboeuf (LMA)

4 17h30-18h30 Exposés des doctorants : Selma Bouarar (LIAS) La variabilité dans les bases de données avancées Ahcene Boukorca (LIAS/ENSMA) A scalable structure for big queries management 18h45-20h00 Diner au restaurant ESEN Programme du jeudi 20 novembre 9h30-10h30 Conférence : Cristian Preda, Professeur à Polytech'Lille Modèles de régression avec données fonctionnelles dans des espaces de Hilbert à noyau reproduisant 10h30-11h00 Pause café 11h00-12h00 Conférence : Nicolas Le Roux, Scientific Program Manager, CRITEO France 15 millions de prédictions par seconde: les défis scientifiques et techniques de Criteo 12h30-14h00 Déjeuner au RU Gémini 14h00-15h00 Conférence : Stéphane Mallat, Professeur à l'ens Ulm Apprendre en grande dimension: de l'image à la chimie quantique 15h00-15h20 Anne Philippe, Professeure à l'université de Nantes Présentation de l'amies 15h20-16h00 Présentation des posters des doctorants : Zakaria Zettaf (XLIM/SIC) Vincent Aide (LMA) 16h00-16h30 Pause café 16h30-18h00 Présentation des posters des doctorants : Nadir Guetmi (LIAS) Zoé Amblard (XLIM/DMI) Malek Mohamed (XLIM/SIC) 18h30-21h00 Buffet dinatoire

5 Programme du vendredi 21 novembre 9h30-10h30 Conférence : Sebastiao Correia, Directeur du développement de produits, TALEND France Big Data, un nouveau paradigme et de nouveaux challenges 10h30-11h00 Pause café 11h00-11h20 Présentation des posters des doctorants : Zouhir Djilani (LIAS) 11h20-12h20 Exposés des doctorants : Geraud Fokou (LIAS/ENSMA) Les systèmes de réponses coopératives dans le contexte du big data Daouda Sawadogo (L3I) Gestion consolidée de ressources numériques dans un environnement personnalisé 12h20-12h30 Clôture 12h45-14h00 Déjeuner au restaurant ESEN Résumés des conférences Nicolas Vayatis, La transition numérique : applications du machine learning dans les sciences de l'ingénieur, le e-marketing, et la médecine Dans toutes les branches de l'activité humaine, l'ubiquité des capteurs et l'accumulation de l'information digitale soulèvent de nouveaux défis intellectuels, des rêves technologiques mais aussi des craintes quant au respect de la vie privée, au libre-arbitre, à la diversité culturelle,... Les avancées récentes dans les domaines de la statistique en grande dimension, la description et la modélisation de processus sur des réseaux, et la deuxième (?) vie de la théorie de l'optimisation ont conduit à des concepts et des algorithmes qui rendent possible l'inférence à partir de données complexes et ouvrent des perspectives quant à l'interaction entre experts et scientifiques dans divers champs d'application. Un point de tension dans cette démarche est l'équilibre à trouver entre la personnalisation des solutions et la reproductibilité des travaux. Pourtant ces deux aspects devront, selon moi, guider les innovations futures dans le domaine du machine learning. Dans l'exposé, j'illustrerai ces idées en parcourant quelques réalisations récentes résultant de projets interdisciplinaires dans le des domaines comme la mécanique des fluides, du marketing digital, et de l'éthomique.

6 Cristian Preda, Modèles de régression avec données fonctionnelles dans des espaces de Hilbert à noyau reproduisant Nous considérons le problème de l'estimation de la fonction de régression avec prédicteur une variable aléatoire à valeurs dans un espace fonctions. La recherche des estimateurs se fait dans la classe des fonctionnelles appartenant à un espace de Hilbert à noyau reproduisant. Des résultats numériques sont présentés. Nicolas Le Roux, 15 millions de prédictions par seconde: les défis scientifiques et techniques de Criteo Criteo affiche chaque seconde des dizaines de milliers de bannières publicitaires et enregistre chaque jour des milliards d'événements pour construire ses modèles de prédiction. Cela introduit des contraintes fortes sur les algorithmes de prédiction et d'optimisation et nécessite à la fois des solutions techniques et scientifiques. La plupart de ces affichages se faisant au travers d'enchères, il existe également de nombreuses problématiques proches de la théorie des jeux que Criteo se doit de traiter afin de pouvoir être efficace. Stéphane Mallat, Apprendre en grande dimension: de l'image à la chimie quantique Le déluge de données, l'explosion des capacités mémoires et calculs, ouvrent un domaine scientifique qui semblait inaccessible il y a quelques années. Certains algorithmes semblent être capables de contourner la malédiction liée à la très grande dimensionnalité des données. En particulier, les réseaux de neurones profonds atteignent des performances spectaculaires pour la classification d'images et de données numériques très diverses. Pourtant l'apprentissage ne semble pas être le noyau de l'histoire. Nous montrerons que ces réseaux non-linéaires calculent des invariants multi-échellles, permettant de caractériser des propriétés géométriques complexes aussi bien que des processus aléatoires. Au-delà des applications à la classification d'images, nous montrerons que ces architectures peuvent apprendre des fonctionnelles physiques, telles que l'energie de molécules en chimique quantique. Sebastiao Correia, Big Data, un nouveau paradigme et de nouveaux challenges La révolution big data a bouleversé notre façon d'appréhender la donnée. La donnée arrive maintenant dans un flot continu et incessant. Pour la traiter, il a fallu un changement de paradigme qui rend obsolètes les anciens systèmes et nécessite de nouveaux outils. Hadoop fait parti de ces nouveaux systèmes qui permettent de gérer le déluge de données. Une nouvelle architecture technique voit le jour, l'architecture Lambda, dans laquelle les données sont immuables. Les mises à jour des données sont supprimées, les schémas des données sont souples (schema-on-read) et les données elles-mêmes ne sont plus ou peu déplacées une fois qu'elles sont entrées dans le système. Au contraire, ce sont les algorithmes qui sont déportés au plus près de la donnée. Cette approche prend le contre-pied des anciens systèmes qui recevaient la donnée afin de la traiter (SGBD).

7 De nouvelles utilisations de la donnée sont apparues grâce à cette nouvelle possibilité de traiter une quantité d'information jusque-là inenvisageable. Mais, si cette architecture résout plusieurs problèmes liés à la volumétrie et au flux des données, d'autres problèmes ayant trait à la qualité de l'information surgissent. Sans parler des questions touchant à la vie privée. 6) Bilan financier Intitulés Montant Prise en TTC charge par Frais de transport des doctorants de La Rochelle et Limoges COMUE Frais d hébergement des doctorants COMUE Frais de repas des doctorants (3 repas) COMUE Frais de repas des intervenants extérieurs COMUE Salaire des intervenants extérieurs COMUE Buffet dinatoire (20/11 au soir) COMUE Pauses café ED S2IM Frais de missions des intervenants : CORREIRA et LE ROUX AMIES Frais de missions des intervenants : VAYATIS, PREDA et MALLAT COMUE Frais de transports de doctorants de Paris : ZETTAF et AYAD COMUE TOTAL La COMUE a financé à hauteur de AMIES a financé à hauteur de L ED S2IM a financé à hauteur de