Pour la Journée Master IISC le 3 mars 2020, l’université organise une conférence sur l’Industrie et la Recherche.
Les intervenants sont issus de l’industrie et du monde académique et travaillent sur l’intelligence artificielle, les bases de données et la science de données ainsi que sur les réseaux et sécurité

Cet événement aura lieu sur le site de Saint-Martin de 9h à 16h dans l’amphi colloque.

La présence des étudiants en M2 Professionnel et M2 Recherche est obligatoire, mais l'événement est ouvert à toute personne intéressée aussi.

Venez nombreux !

 

Programme

Time  Presenter Institut Title
8:30   -  9:00 welcome/coffee
9:00   -  9:45 Aymeric HISTACE ETIS Systèmes embarqués pour la santé: Défis et cas concrets
9:45   - 10:30 Kevin LY VAN  THALES Simuler n'est pas jouer!
10:30 - 11:15 Stamatis ZAMPETAKIS TIBCO & Apache Calcite An introduction to query processing with TIBCO EBX & Apache Calcite
11:15 - 12:00 Oana BALALAU INRIA Saclay PRINCE: Interprétabilité côté fournisseur avec explications contrefactuelles dans les systèmes de recommandation
12:00 - 13:30 lunch break
13:30 - 14:00 coffee
14:00 - 14:45 Ourdia RESSARD Dolead Machine Learning bidder pour l'optimisation d'enchères de campagnes publicitaires
14:45 - 15:30 Djamel SLAOUTI  Stormshield
Cybersécurité industrielle un contexte à ne pas sous-estimer

 

 

Résumés :

Aymeric Histace, ETIS, head of the CELL team, "Systèmes embarqués pour la santé: défis et cas concrets"

L'objectif de cette présentation est de montrer comment les systèmes embarqués intelligents révolutionnent le monde de la santé au travers de cas concrets d’application développés au sein de l’équipe CELL du laboratoire ETIS. En partant du contexte et des défis à relever au travers d’une interaction pluridisciplinaire, cet exposé sera aussi l’occasion de montrer comment la recherche académique dans le domaine des Smart Systems peut aussi donner lieu à des activités de transfert et valorisation dans le domaine très particulier de la santé.

Kevin LY VAN,Thalès, "Simuler n'est pas jouer !"

La simulation des systèmes critiques (radars, optronique, systèmes d’armes, cœurs systèmes, …) demande de réelles compétences scientifique afin de réaliser des simulateurs adaptés aux besoins pédagogiques et rendre les opérationnels plus efficaces (pilotes, équipage, soldats, …). Par exemple, dans le domaine militaire, la spécificité des équipements français (Rafale, Scorpion, Tigre) impose de maintenir en France une capacité de simulation adaptée aux modes d’actions de l’armée française. De plus, l’introduction de l’intelligence artificielle dans les équipements demandera dans un avenir proche de simuler des situations complexes et de former aux interactions complexes  entre les équipages et leurs équipements. Enfin, la prise en compte des facteurs humains (charge cognitive, stress au combat, …) permettra  un suivi longitudinal des personnels en vue de l’amélioration de leurs performances. Thales est un acteur majeur dans le développement de simulateurs pour la formation et l’entraînement au profit d’applications civiles et militaires. Quels que soient les besoins, Thales propose des solutions complètes depuis les outils de formation ab initio, jusqu’aux systèmes d’entraînements fixes, simulateurs de missions sur mouvements ou encore environnements synthétiques en réseaux interactifs, pour la simulation de missions de haut niveau.

Stamatis Zampetakis, R&D Engineer/TIBCO & PMC Chair/ Apache Calcite, "An introduction to query processing with TIBCO EBX & Apache Calcite"

TIBCO EBX™ software helps enterprises avoid silos with an all-in-one approach for managing data assets across the enterprise. It is a recognized leader in Master Data Management (MDM) and a pioneer in data asset management. An indispensable part of TIBCO EBX is the query processor that is responsible for all data coming out of the system. The processor relies heavily on Apache Calcite, a dynamic data management framework offering many of the pieces comprising a traditional DBMS but excluding storage primitives.  
In this talk, I will briefly present the company and the main challenges of the R&D department. I will outline the main functionalities of TIBCO EBX along with a few interesting use-cases, highlighting the needs of having a query processor. Then, I will focus on Apache Calcite, illustrating the general architecture and the main components of the system introducing each of them through an end to end example. Finally, I will provide some general information about the Apache Software Foundation and how it works.

Oana BALALAU, Starting Researcher/INRIA Saclay, "PRINCE: Interprétabilité côté fournisseur avec explications contrefactuelles dans les systèmes de recommandation"

Afin de gagner la confiance des utilisateurs, il est crucial de produire des explications interprétables pour les systèmes de recommandation. Les travaux antérieurs se sont concentrés sur l'exploitation de chemins reliant les utilisateurs et les recommandations dans un réseau hétérogène. Cette approche a plusieurs limites, telles que la découverte de relations plutôt que de véritables explications, ou le non-respect de la vie privée des autres utilisateurs. Dans ce travail, nous présentons PRINCE: un système côté fournisseur générant des explications tangibles pour les utilisateurs. Nous définissons une explication comme un ensemble minimal d'actions effectuées par l'utilisateur qui, si elles sont supprimées, changent la recommandation. PRINCE obtient cet ensemble grâce à un algorithme optimal et rapide basé sur des marches aléatoires dans des graphes dynamiques.

Ourdia RESSARD, R&D Engineer/Dolead,  "Machine Learning bidder pour l'optimisation d'enchères de campagnes publicitaires"

Les bidders, algorithmes d’optimisation d'enchères de campagnes publicitaires, sont des pièces centrales de la technologie et de la performance Dolead.  Ces algorithmes ont besoin d’une bonne estimation du taux de conversion des mots-clés pour optimiser les enchères. Pour cela,  nous utilisons des méthodes de machine learning pour estimer cette métrique. La réussite du bidder machine learning dépend de la qualité de la formulation du problème, des “features” que nous utilisons pour décrire un mot-clé, de l ’algorithme de machine learning choisi et de la façon d’utiliser l’estimateur de taux de conversion dans un bidder. Nous présentons les différents modèles que nous avons implémenté et les résultats d'expérimentation de ces bidders ML en comparaison à un bidder standart.