Modibo DIABATÉ

Recherche & Développement

Thématiques & Mots clés de la R&D

Machine learning & Deep learning (apprentissage supervisé & apprentissage non supervisé)
- Analyse et traitement de données séquentielles (prédiction de séries temporelles, traitement automatique du langage naturel (NLP)) : SARIMAX, Prophet, reccurent neural network (RNN, GRU, LSTM, BiLSTM), Transformers & LLM (BERT, GPT, LLaMA, ...)
- Analyse & Prédiction de la consommation d'énergie : SARIMAX, modèles composites (GRU+clustering de séries temporelles [K-means & DTW distance]+MultiLayer Perceptron (MLP))
- Classification (signaux sonores, images, données plus simples) - Détection d'anomalies - Maintenance prédictive : régression logistique, perceptron & MLP, convolutional neural network (CNN), RNN+CNN, ...
- Industrialisation de solutions IA en environnement Cloud (Conteneurisation standard Docker, développement & déploiement via Data bricks & MLflow sur Microsoft Azure)
- Intelligence artificielle embarquée [dans des dispositifs portables (identification / reconnaissance d'utilisateur, etc.), dans des bâtiments & usines connectés/intelligents (maintenance prédictive dans des ascenseurs, moteurs d'usine, etc.)) : CNN dans des microcontrôleurs (STM32 faible consommation, RISCV, ...)
- Intelligence Artificielle Générative : modèles de langage (NLP, LLM, RAG), modèles de vision (LVM) et multimodaux (LMM)
- Principaux outils : Python (pandas, numpy, scikit-learn, statsmodels, matplotlib, seaborn, tslearn, keras, tensorflow, LangChain, ...), R (lubridate, lme4 / nlme, glmnet, ggplot2, dplyr, tidyr, tidyverse, Rcpp, parallel, devtools, roxygen2, R Markdown, ...)
Data management / Data Engineering / Data Visualization
- Base de données : SQL, MySQL, PySpark, PostgreSQL, InfluxDB (séries temporelles)
- Ingénierie des données (ETL / ELT) : Microsoft Azure (Data Factory, Synapse Analytics, Databricks, Stream Analytics, ...), Talend Open Studio
- Statistique descriptive & Visualisation de données : R (ggplot2), Python (matplotlib, seaborn), MatLab, Monolix, Power BI, Orange Data Mining
- Feature engineering & Data mining : réduction de dimension (PCA, tSNE, UMAP), calcul de point de rupture (max-EM, GFPOP), clustering (hierarchical clustering, k-means, EM)
Développement Web
- Web sémantique : graphes RDF (W3C), requêtage SPARQL (Java / Jena)
- Développement Back-End : applications Java (en Spring boot) utilisant un langage d'ontologie (OWL, FOAF, etc.), tests via requêtes API (Postman)
- Développement Front-End : React (typeScript)
Autres :
- Optimisation numérique : choix de design, optimisation de quantités physiques, etc.
- Cryptographie : AES-128 / CBC mode / PKCS5Padding, RSA 2048
- Analyse numérique : différences finies, éléments finis pour la résolution d'équations différentielles
- Simulation numérique : génération de données aléatoires suivant une distribution définie / estimée, simulation de comportements spécifiques (rupture d'une éprouvette, etc.), ...
- Ingénierie logicielle & Tests informatiques : tests IVVQ (Intégration, Vérification, Validation, Qualification)

Thématiques & Mots clés de la Recherche fondamentale

Statistique
- Types de modèles statistiques : modèles de régression non linéaires à effets mixtes, modèles de Markov cachés (HMM), modèles de mélange, modèles de Cox
- Principales méthodologies statistiques étudiées : statistique descriptive, analyse de survie, calcul de points de rupture, estimation paramétrique, test d'hypothèses, sélection de modèles, estimation de la probabilité d'évènements rares, inférence bayésienne, optimisation mathématique, réduction de dimension (PCA)
- Algorithmes d'estimation / d'approximation utilisés, améliorés ou proposés : Expectation Maximization (EM), Stochastic Approximation Expectation Maximization (SAEM), max-EM, Forward-Backward, Expectation Propagation (EP)-Belief Propagation (BP), MCMC, Importance Sampling, Importance Splitting
Probabilités appliquées
- Modélisation probabiliste (dynamique des populations) : modèle individu-centré, processus markoviens de saut, processus de naissance et de mort, modèles prédateurs-proies (systèmes Lotka-Volterra), systèmes d'équations différentielles déterministes / stochastiques (paramètres fixes ou aléatoires)
- Calculs probabilistes : moments & cumulants de processus stochastiques, calcul de transitions de processus stochastique (matrice stoechiométrique & fonction taux), simulation processus stochastique (diffusion)

Projets de recherche (en cours)

- A new method for the detection of gene-environment interactions in cancer studies with Olivier Bouaziz (Maître de Conférences), Grégory Nuel (Professeur, Directeur de Recherche CNRS) and Vivian Viallon (Maître de Conférences).

Autres projets de recherche / R&D

- Interoperable Solutions Connecting Smart Homes, Buildings and Grids (InterConnect)
- Expectation propagation and Belief Propagation for Hidden Markov Models with Loren Coquille (Maître de Conférences) and A. Leclercq-Samson (Professeur).
- Parameter estimation and treatment optimization in a stochastic model for immunotherapy of cancer, 2018-2020, Grenoble with Loren Coquille and Adeline Leclercq-Samson.
- Epigenetic & High-Dimension Mediation Data Challenge, Juin 2017, Aussois

The objective of the challenge was to propose solutions and evaluate statistical methods for mediation analysis (mediation analysis, linear regression, Sobel test, FDR control, model selection with elastic net).

- Semaine d'Etude Maths-Info Entreprises (SEMIE), Octobre 2016, Grenoble

Caractérisation de l'intermittence des sources d'énergies renouvelables pour l'analyse technico-économique des systèmes énergétiques par le biais de la simulation numérique et de l'analyse statistique (series temporelles, Seasonal ARIMA) - Projet CEA-liten

Communication Scientifique

Manifestations scientifiques co-organisées

2018 - 2019 : Ecole d'été de Statistique et Sciences des Données pour les jeunes chercheurs d'Afrique francophone, Sénégal
2017 : Congrès Maths en Jeans, Grenoble, France
2017 : Atelier "Faut-il croire les statistiques", Fête de la Sciences, Grenoble, France