Machine Learning Group - ULB

Le MLG cible le machine learning et la recherche sur l'intelligence comportementale en se concentrant sur l'analyse des time series, le big data mining, l'inférence causale, l'inférence de réseau, les modèles de prise de décision et l'analyse comportementale avec des applications en data science, la médecine, la biologie moléculaire, la cybersécurité et la dynamique sociale liée à la coopération.

Le MLG exploite tous les aspects du machine learning, de l'intelligence artificielle et de la recherche informatique pour apporter un soutien décisif dans des domaines tels que l'exploration de données géographiques, la détection de la fraude, l'analyse de données (réelles) importantes, la prise de décision intelligente, les études comportementales (économiques, sociales et politiques), l'analyse de systèmes complexes et la biologie/bio-informatique computationnelle - expression des gènes et détection du cancer, la médecine assistée par ordinateur et la recherche théorique.

Le domaine de recherche du MLG :

• Apprentissage automatique : recherche sur de nouveaux algorithmes de sélection et d'apprentissage de caractéristiques appliqués à divers domaines d'application (IdO, détection de la fraude, médecine de précision, prévision, interprétabilité, sécurité)

• Intelligence comportementale : recherche sur les aspects comportementaux de la prise de décision via la théorie des jeux (évolutifs) et des simulations pour étudier les origines du comportement pro-social, le rôle des émotions dans la prise de décision et la confiance dans les systèmes artificiels

• Big data : recherche de solutions évolutives pour l'analyse de données complexes (par exemple, à haut débit, à volume élevé, à grande vitesse) provenant des TIC et de la médecine

• Bioinformatique :recherche et développement sur des questions médicales et biologiques en utilisant le machine learning, les approches statistiques et de modélisation

Exemples de projet terminés :

• Brussels MOBI-AID : Tableau de bord des indicateurs avancés de Brussels MOBILity

• FutureICT 2.0 - Les TIC pour les sciences sociales

• DEFEATFRAUD : évaluation et validation de solutions d'ingénierie et d'apprentissage approfondies pour la détection de la fraude

Compétences du MLG :

• Apprentissage supervisé et non supervisé : l'apprentissage de modèles à partir de données étiquetées et non étiquetées en utilisant des techniques de classification, de régression et de regroupement.

• Sélection des caractéristiques : réduire le nombre de caractéristiques afin d'identifier celles qui sont les plus pertinentes pour la classification, la régression, etc.

• Intelligence comportementale : analyser expérimentalement et théoriquement les interactions entre l'homme et l'IA afin de développer des modèles significatifs.

• Théorie du jeu :  la théorie de la prise de décision stratégique dans des situations de coopération et de non-coopération.

• Prise de décision intelligente : comment s'adapter aux décisions antérieures et anticiper les choix futurs des agents dans des situations stratégiques.

• Biologie computationnelle et bio-informatique : développer des méthodes de calcul et des outils logiciels pour l'analyse et l'interprétation des données biologiques.

• Dynamique de l'évolution : agent apprenant par l’imitation sociale ou la survie du plus fort.

• Logiciel libre : développement de progiciels accessibles au public et partage de l'analyse des codes grâce à des référentiels en ligne.

• Analyse de séries chronologiques : analyse et prévision en plusieurs étapes des données temporelles multivariées.