Chaire en apprentissage statistique
Chaires de recherche en partenariat
Domain(s):
- Sciences de l’administration, sciences appliquées et sciences pures
Marzia Angela Cremona
Professeure agrégée
Faculté des sciences de l'administration
Marzia A. Cremona est professeure agrégée au Département d’opérations et systèmes de décision de la Faculté des sciences de l'administration et chercheuse au Centre de recherche de CHU de Québec. Elle a obtenu un doctorat en Modèles et Méthodes Mathématiques pour l'Ingénierie du Politecnico di Milano (Italie) en 2016. Avant son arrivée à l'Université Laval, elle a travaillé à la Pennsylvania State University (États-Unis). Elle mène des recherches multidisciplinaires dans les domaines de l’apprentissage automatique et de la statistique appliquée. Ses recherches, financées par plusieurs organismes, ont été publiées dans 22 articles évalués par les pairs et ont été diffusées dans plus de 60 présentations orales.
Expertises de la titulaire
Apprentissage statistique
Apprentissage automatique
Analyse de données fonctionnelles
Statistique appliquée
Biostatistique
Bioinformatique
Analytique d’affaires
Données omiques
Objectifs
- Développer de nouvelles méthodes d’apprentissage statistique/automatique pour les données fonctionnelles, en combinant les statistiques et l'informatique afin de produire des outils conviviaux et efficaces en termes de calcul, qui reposent sur des racines statistiques solides afin d’être plus raisonnants.
- Aborder les questions de la robustesse statistique, de l'interprétabilité et des possibles biais des méthodologies développées.
- Généraliser et adapter ces méthodes, ainsi que d’autres méthodes IA, afin qu'elles puissent être facilement appliquées à l'analyse de différentes données dans le contexte des sciences biomédicales et sociales.
- Promouvoir les techniques d’analyse de données fonctionnelles dans la communauté IA, pour attirer plus de chercheurs à travailler dans le domaine et à exploiter les idées d’analyse de données fonctionnelles dans leurs outils et analyses.
Dans les sciences biomédicales et sociales, il est de plus en plus fréquent d'obtenir des données qui varient sur un continuum et peuvent être représentées comme de courbes ou de surfaces. C'est le cas, par exemple, des données «omiques» à haute résolution, mesurées le long du génome, des données longitudinales telles que les niveaux de glucose dans le sang mesurés en continu, ou des données sur le cours des actions intra journalières.
Ces données fonctionnelles sont intrinsèquement de dimension infinie, ce qui pose plusieurs défis pour une analyse fiable et robuste, ainsi que pour un calcul efficace et amplifiable.
Bien que le nombre de publications sur les méthodes et les applications de l'analyse de données fonctionnelles ne cesse d'augmenter, plusieurs outils d’apprentissage automatique n’ont pas encore été généralisés aux données fonctionnelles, et les logiciels conviviaux et efficaces pour les personnes non-statisticiennes sont encore rares.
Mission
La Chaire vise le développement de méthodes d'apprentissage statistique pour les données complexes dans les sciences biomédicales et sociales. En particulier, elle se concentre sur les données fonctionnelles, c’est-à-dire les données qui varient sur un continuum et peuvent être représentées sous forme de courbes ou de surfaces.
Retombées
La Chaire en apprentissage statistique va étendre le champ d'application des techniques d’analyse de données fonctionnelles en IA pour produire des méthodes qui reposent sur des racines statistiques solides et qui sont capables d’extraire les informations pertinentes de ces données dans plusieurs domaines.
La Chaire favorise la formation de personnel hautement qualifié en apprentissage statistique et analyse des données, en leur offrant une formation multidisciplinaire, collaborative et internationale.
Chaire en apprentissage statistique
Département d'opération et systèmes de décision
Faculté des sciences de l'administration
Université Laval
Pavillon Palasis-Prince
2335, rue de la Terrasse, local 2449
Québec, QC G1V 0A6