EPS

Responsable : Jean-Noël BACRO
Gestionnaire : Sophie CAZANAVE PIN

Composition de l’équipe

Thèmes de recherche :

Les compétences globales d’EPS portent sur les thèmes très visibles de la statistique moderne : Apprentissage, Sélection/choix de modèles, Statistique en grande dimension. Les recherches qui sont effectuées au sein de l’équipe mènent à des développements théoriques et des applications pratiques. Des coopérations existent avec des laboratoires de l’UM (ISEM, LIRMM…), d’autres établissements de recherche montpelliérains (CHU, INRAE-SupAgro, CIRAD,…) ou des organismes privés (SANOFI, SCHLUMBERGER, THALES…). L’équipe, très active auprès des structures mises en place dans le cadre des PIA (Labex Numev, IBC), est découpée en trois axes animés par Jean-Noël Bacro, Benoîte de Saporta et Ali Gannoun et détaillés ci-dessous.

Les chercheurs impliqués dans l’axe MEGADONC travaillent sur les statistiques et la modélisation en grande dimension. Ils traitent des données fonctionnelles avec approches machine learning et méthodes du noyau de convolution. Ces approches sont utilisées en optimisation non lisse, en classification, en problème inverse, en graphe, en estimation des processus, en prévision … En plus du volet théorique (choix des paramètres, vitesse de convergence, etc), de nombreuses applications, en présence ou non de censure, sont proposées dans des domaines aussi variés que la médecine, l’agronomie, la finance, la génomique.

Les membres de l’axe de recherche Méthodes computationnelles et Modélisation travaillent sur les processus stochastiques, la statistique bayésienne et la statistique des processus. Les thématiques abordées sont nombreuses et variées, avec applications en écologie, environnement, épidémiologie et fiabilité. Les travaux de recherche couvrent l’approximation, le contrôle et la simulation de modèles probabilistes de dynamique des populations, les développements méthodologiques en statistique bayésienne pour grands jeux de données, la détection d’agrégat et l’inférence des processus spatiaux, champs aléatoires et données spatialisées.

L’axe de recherche Modest regroupe des enseignant.e.s-chercheur.e.s et des chercheur.e.s travaillant sur la modélisation de structure de dépendances. Les thématiques abordées sont nombreuses et variées, avec des applications dans des domaines tels que la chimiométrie, les risques environnementaux, la sécurité ou encore le médico-social. La  modélisation de dépendances complexes est au cœur de l’activité de Modest et les principaux travaux de recherche couvrent, entre autres, la modélisation de structures cachées, la régularisation, la fouille de données, les extrêmes en dimension finie et infinie … Entre trois et cinq réunions annuelles sont organisées pour des présentations et/ou des échanges entre les membres du groupe.