Sont présentés sur cette page les différents projets de recherche sur lesquels j'ai travaillé depuis le début de mon doctorat jusqu'à aujourd'hui. Je me suis interessé aux processus de machine learning et plus particulièrement l'Analyse Relationnelle de Concepts que j'ai utilisé à plusieurs reprises. La plupart de mes travaux tournent autour de l'idée de trouver une relation sémantique entre différents types d'artefact qui n'en ont a priori aucune. Tout d'abord dans le domaine du génie logiciel pour l'apprentissage de transformations de modèles et pour établir l'interopérabilité de plusieurs composants durant mon premier postdoc. Par la suite dans le domaine de la fouille de données pour extraire des règles d'implication entre differents ensemble de données relationnelles.
Le travail de mon postdoc se concentre sur l'élaboration d'une nouvelle approche d'analyse de données basée sur l'Analyse Relationnelle de Concepts et appliquée sur des données hydroécologiques provenant du projet FRESQUEAU. Notre but est d'être capable d'extraire des relations entre les caractères biologiques d'un cours d'eau et ses caractères physico-chimiques. La difficulté est d'arriver à appréhender de grande masses de données relationnelles
Pour ce travail, RCAExplore, une nouvelle implantation de RCA est en cours de développement permettant une personnalisation plus fine du processus pour explorer de manière dynamique différentes configurations permettant la construction des concepts relationnnels.
Il existe d'autres méthodes que RCA pour appréhender des données relationnelles. Comparer RCA avec ces autres méthodes peut nous aider à mieux comprendre le processus RCA et peut nous apporter de nouvelles possibilités à nos méthodes
Mon postdoc était financé par le projet ITEA OPEES. Le but de mes travaux était de fournir des méthodes pour faciliter la composabilité de composants OPEES. Nous avons utilisé ModMap pour implémenter un alignement entre SmartQVT et Kermeta dans le but de pouvoir appeler une transformation développée avec SmartQVT dans un environnement Kermeta.
Les différents travaux effectués durant ma thèse peuvent être séparé en différentes parties menant pour chacune d'elles à la création d'un outil de validation
(By-Example RCA MOdel Transformation Elaboration)
Mon sujet principal de recherche est la génération de transformations de modèles à partir d'exemples en utilisant l'Analyse Relationnelle de Concepts, un processus de classification s'appuyant sur la théorie des treillis de concept ou treillis de Galois. (Plus de détails à venir)
Une spécificité de la plupart des approche de transformation de modèles à partir d'exemples est la nécessité d'avoir un alignement entre les éléments des modèles d'exemple. Voir ici pour une version préliminaire de l'outil. (Plus de détails à venir)
(Enhancing Usecases using RElational Concept Analysis)
En génie logiciel, les cas d'utilisations sont des modèles représentant les intéractions possibles entre un système et différents acteurs. Ces modèles font partie des exigences du système et plusieurs formalismes sont possible pour les présenter. Nous nous intéressons ici aux diagramme de cas d'utilisation du langage UML. EURECA est un système permettant la restructuration automatique d'un diagramme de cas par factorisation, en utilisant FCA et RCA, dans le but d'obtenir des modèles plus faciles à lire et à exploiter.