SOLsTIS

"Statistical mOdelling and Learning for environnemenT and lIfs Sciences"  

Responsables : Sophie Donnet, Pierre Barbillon

Cette équipe développe des méthodes de modélisation et d'apprentissage statistiques pour les sciences du vivant. 

SOLsTIS développe et diffuse des méthodes statistiques de modélisation et d'apprentissage avec application aux sciences du vivant, en particulier en génomique, génétique, biologie intégrative, écologie, risques environnementaux,  santé animale et végétale, épidémiologie, agronomie, etc... 

L'équipe composée d'une vingtaine de membres permanents (personnels INRAE et AgroParisTech) présente un large spectre de compétences en modélisation, statistiques bayésiennes, processus stochastiques, apprentissage statistique, optimisation, algorithmes stochastiques, etc. Les problèmes traités sont en général issus des sciences du vivant et de l'environnement, et aboutissent à la publication d'articles  en statistiques et dans le domaine d'application et ainsi qu'à la production d'outils informatiques (packages, applications...). 

Thèmes de recherche

• Analyse et inférence de réseaux et de graphes aléatoires
• Modélisation des trajectoires
• Statistiques spatiales et spatio-temporelles
• Extrêmes multivariés
• Modèles à variables latentes et algorithmes d'optimisation associés
• Données de grande dimension avec dépendances complexes
• Apprentissage supervisé (classification, régression) et non-supervisée (réduction de dimension, clustering)
• Mathématiques et optimisation pour l'apprentissage profond
• Algorithmes stochastiques
• Modèles d'évolution

Domaines d'application

• Agronomie, agro-écologie
• Ecologie
• Risques environnementaux, risque alimentaire
• Climat
• Santé animale, végétale, humaine
• Génétique
• Données omiques, métagénomique