arrow drop search cross

Maison de la Modélisation, de la Simulation et des Interactions

Le DHLab : un centre d’expertise en Data Science au service des humanités numériques

La transdisciplinarité étant au cœur des actions du projet IDEX UCAJEDI, suite à la création du Medical Data lab, la Maison de la Modélisation, de la Simulation et des Interactions (MSI) a impulsé la création d’un deuxième centre d’expertise thématique : le Digital Humanities Lab.  

Son rôle : favoriser le dialogue entre les chercheurs en Data Science et ceux travaillant dans le domaine des Sciences Humaines et Sociales (SHS) au sein d’Université Côte d’Azur.

Objectifs

L’activité du DHLab s’inscrit dans le programme structurant Data Science du projet IDEX UCAJEDI. Le DHLab mène actuellement deux projets « preuve de concept » (« L'intelligence artificielle des textes » et « Alignement de l'expertise régionale et performance des entreprises ») ayant comme dénominateur commun le traitement de données textuelles (text mining). Une fois terminée la phase pilote en 2020, le DHLab soutiendra le développement et la recherche sur d’autres problématiques de modélisation et traitement de données en SHS, au sein d’Université Côte d’Azur. Il offrira un véritable support pour la modélisation, la classification et la visualisation de données hétérogènes.

Si vos recherches nécessitent des compétences quantitatives dans vos domaines SHS, le DHLab vous accompagnera dans la rédaction d’un protocole ou d’un projet de recherche avant soumission à un appel à projets évalué par le comité stratégique du DHLab.

Toujours sous la responsabilité de ce comité stratégique, le DHLab aidera également à la réalisation de projets déjà évalués scientifiquement par Université Côte d'Azur, pouvant impliquer des partenaires privés et développera une véritable offre de formation concernant les nouvelles compétences qui permettent d’aborder la question de la science des données en SHS. Si vous souhaitez déposer une demande de financement (ANR, ERC,...) et qu'une partie de votre projet repose sur le recrutement d'un.e ingénieur.e ayant le profil de ceux du DHLab, vous pouvez contacter le responsable opérationnel qui vous aidera à rédiger la partie du projet qui concerne la tâche de l'ingénieur.e et, une fois le projet accepté, la MSI vous aidera à recruter cet.te ingénieur.e et le/la fera bénéficier de son environnement.

De plus, le DHLab contribue au déploiement d’un cycle de formations courtes, sous la forme de séminaires et workshops sur la science des données, l’intelligence artificielle et l’intégration des données appliquées à plusieurs domaines, ayant lieu sur le site de la MSI à Sophia Antipolis. Pour découvrir l’offre de formations courtes de la MSI, et s’inscrire à sa newsletter, consultez la page web des événements

Équipe

Les décisions concernant l’activité et les missions du DHLab sont prises, en lien avec la gouvernance d’UCAIDEX, par un comité stratégique constitué de représentants des membres d’Université Côte d’Azur, présidé par le Pr Arnaud Zucker (professeur de langue et littérature grecques chez Université Côte d’Azur).

Le personnel du DHLab travaille sous l’autorité hiérarchique du directeur de la MSI, le Pr Stéphane Descombes. Actuellement, font partie du DHLab :

  1. Le Dr Marco Corneli, responsable opérationnel, qui assure le bon fonctionnement du laboratoire et qui travaille sur le projet "L'intelligence artificielle des textes" au sein du laboratoire Bases, Corpus, Langage (BCL) d’Université Cote d’Azur. 
  2. Jean-Noël Mattei, ingénieur data scientist, qui travaille sur le projet "Alignement de l'expertise régionale et performance des entreprises" au sein de Skema Business School, sur le campus de Sophia Antipolis.

Le DHLab s’appuie aussi sur un vaste bassin de ressources, représenté par des ingénieurs très actifs dans le domaine de la science des données et des chercheurs UCA de très haut niveau en statistique et intelligence artificielle.

Contact  :  Marco.CORNELI[at]univ-cotedazur.fr 

Axes de recherche

Les axes de recherche du DHLab sont les suivants :

  • Algorithmes de prétraitement et nettoyage de données non structurées ;
  • Classification, traitement et modélisation de données hétérogènes telles que textes et données d’interaction (graphes) ;
  • Apprentissage par réseaux profonds (deep learning), convolutionnels ou récurrents.

Les bases de données adoptées dans ces projets proviennent de plusieurs sites 

  1. Les laboratoires d’Université Côte d'Azur ;
  2. INSEE ;
  3. European Patent Office ;
  4. Microsoft Academic.