Jeune docteur en Informatique ayant effectué ma thèse au LAMSADE (CNRS UMR 7243) au sein de l’Université Paris-Dauphine, je suis intéressé par l’apprentissage statistique, la théorie des graphes, des treillis et de la complexité. Ma thèse porte sur l’apprentissage, la modélisation et la prédiction de préférences.
Mes travaux de recherche s’articulent tout particulièrement sur les réseaux de préférences conditionnelles, aussi appelés CP-Nets, et à leur apprentissage en présence de bruit dans les bases de données, ainsi qu’à leur utilisation au travers du spectre de l’analyse formelle des concepts (AFC) via la fouille de préférences.
Je m’intéresse également à l’apprentissage efficace des paramètres de la méthode d’Aide à la Décision MR-Sort (via les machines à vecteurs de support –SVM–) qui permet de trier des alternatives au sein de catégories totalement ordonnées.
Mots-clés : Théory des treillis, théorie des graphes, complexité, apprentissage et fouille de graphes et de préférences, réseaux de préférences conditionnelles, données bruitées.
Mon CV académique (en français) est disponible ici.
Une version PDF de mon manuscrit de thèse (écrit en français) est également disponible ici.
Vidéo de ma présentation (en français) lors de ma soutenance de thèse (le 27/09/2018) à l’Université Paris-Dauphine (les slides en français sont disponibles ici) :
(Navigateur pas compatible ? Téléchargez-la ici)
Vidéo des questions (en français) :
(Navigateur pas compatible ? Téléchargez-la ici)