UMR 518 - Mathématiques et Informatique Appliquées (MIA)

L’unité Mia-Paris regroupe des statisticiens et des informaticiens spécialisés dans la modélisation et l’apprentissage statistique et informatique pour la biologie, l’écologie, l’environnement, l’agronomie et l’agro-alimentaire. Leurs compétences portent sur les méthodes d’inférences statistiques (modèles complexes, modèles à variables latentes, inférence bayésienne, apprentissage, sélection de modèle…), et algorithmiques (généralisation, transfert de domaine, représentation des connaissances).

L’unité développe des méthodes statistiques et informatiques originales génériques ou motivées par des problèmes précis en science du vivant. Ses activités s’appuient sur une bonne culture dans les disciplines destinatrices : écologie, environnement, agro-alimentaire, biologie moléculaire et biologie des systèmes.

Site web unité : https://www6.inra.fr/mia-paris

Chiffres-clés :

Nombre de personnels permanents dans l’unité : 22

École(s) doctorale(s)
ED 581 - Agriculture, alimentation, biologie, environnement, santé
Site web : http://www.agroparistech.fr/abies/
Établissements co-accrédités : Agreenium, Université Paris-Saclay, Université Paris-Est, Université de Reims Champagne-Ardenne
Directeur : Alexandre PÉRY
Les équipes de recherche
  • Étudier les risques environnementaux et climatiques, notamment dans les domaines de la pollution et de l’hydrologie.
  • Contribuer à développer des méthodes statistiques permettant d’aborder des domaines où les données sont de plus en plus complexes comme en écologie.

Thèmes de recherche : statistiques spatiales et spatio-temporelles (modèles hiérarchiques bayésiens, processus ponctuels, étude de la dépendance, simulations conditionnelles de processus), extrêmes multivariés et spatialisés, expériences numériques, propagation d’incertitude et théorie de la décision bayésienne, analyse et inférence de graphes aléatoires, modélisation des trajectoires.

  • Créer et développer des méthodes statistiques originales, principalement orientées vers les technologies à haut débit issues de la biologie moléculaire.

Thèmes de recherche : segmentation et détection de ruptures, modélisation de séries temporelles, modèles de mélange et modèles à structures cachées, analyse et inférence de graphes aléatoires, détection de motifs, apprentissage statistique (sélection de modèles, sélection de variables, classification).

  • Permettre l’exploitation de données issues de sources multiples et hétérogènes en s’appuyant sur le choix éclairé de représentations sémantiques partagées et multi-échelles, et ceci dans le champ des sciences de l’alimentation et du vivant.
  • Etudier et utiliser des méthodes d’apprentissage automatique capables de traiter des données en flux, éventuellement issues d’environnements changeants ou de tâches différentes. Un objectif étant de contribuer à l’enrichissement des connaissances expertes.

Thèmes de recherches : modélisation et analyse de données hétérogènes multi-sources, multi-expertise humaine et machine (prise en compte de la sémantique), méthodes d’apprentissage collaboratives et incrémentales.

Télécharger le PDF
Date mise à jour : 28/05/2018

Tutelles

Responsable de l'unité

Liliane BEL

Emplacement

Région : Île-de-France (Paris)
Site universitaire : Université Paris-Saclay
Adresse :
AgroParisTech - 16 rue Claude Bernard - F-75231 Paris Cedex 05