Petite présentation :

Je suis actuellement enseignante-chercheuse à l'Ecole Nationale de la Statistique et de l'Analyse de l'Information (ENSAI), département Informatique, membre du Centre de Recherche en Economie et en Statistique (CREST). J'ai débuté ma thèse de doctorat en 2013 à l'école centrale de Lille, laboratoire CRIStAL, sous la direction de Pierre Chainais. Et j'ai soutenu ma thèse en 2016. Pendant ma thèse, j'ai fait aussi partie du projet ANR-BNPSI.

Domaine de recherche :

Ma recherche actuelle est consacrée à l'étude des méthodes d'apprentissage d'automatique par des approches bayésiennes non-paramétriques. Ces modèles s'appuient sur les processus stochastiques tels que le processus de Dirichet, le processus du restaurant chinois ou encore le processus du buffet indien. L'intérêt de ces modèles est de ne pas fixer à l'avance le nombre de degré de liberté du modèle. Il en résulte des modèles qui s'enrichissent lorsque le nombre d'observations augmente. En terme d'applications, je m'intéresse au traitement d'images (segmentation, débruitage, déconvolution ou inpainting) et à l'acquisition compressée.

Mots-clés : apprentissage automatique, classification non supervisée, apprentissage de dictionnaire, factorisation de matrice, bayésien non paramétrique, processus stochastique, Monte-Carlo par chaînes de Markov, représentations parcimonieuses, problèmes inverses, traitement statistique du signal, interaction entre les méthodes bayésiennes et d'optimisation.

Liens