L'équipe R&D

Modibo DIABATE

Enseignant Chercheur, Data Science & Artificial Intelligence

Campus : Toulon

+336 17 40 34 48
modibo.diabate@yncrea.fr

Les hommes peuvent atteindre un but commun sans emprunter les mêmes voies. 
– Amadou Hampâté Bâ

Cœur de métier

Docteur en Mathématiques Appliquées (orientées Statistique et Science des données) de l’Université Grenoble Alpes, Modibo DIABATE a rejoint l’ISEN en septembre 2021 et y travaille en tant que spécialiste de l’Intelligence Artificielle (IA) sur des projets de recherche et développement à destination des industriels, notamment dans les domaines de la smart energy, de l’internet des objets ou encore de la microélectronique. Il mène également des activités de recherche fondamentale et appliquée en collaboration avec des chercheurs de l’ISEN et/ou d’autres établissements en France et à l’étranger.

En parallèle de ces activités de R&D, il assure également des missions d’enseignement en Intelligence Artificielle, Data Science et programmation informatique dans les trois dernières années du cycle ingénieur de l’ISEN mais aussi à l’endroit des industriels qui veulent monter en compétences en analyse des données et en Intelligence Artificielle.

Prospective

Au cours des dernières années, l’IA est devenue un puissant et indispensable outil de prise de décisions dans quasiment tous les secteurs d’activités. L’IA a ainsi totalement attiré l’attention des entreprises technologiques du monde entier au point d’être considéré comme le prochain changement technologique majeur. En 2021, une différence de performance notable se dessine de plus en plus nettement entre les entreprises qui utilisent l’IA et leurs concurrents qui n’utilisent pas ces technologies. Et tout porte à croire que cette tendance continuera encore pendant plusieurs années. C’est donc tout naturellement que l’ISEN Yncréa Méditerranée, qui est une école d’ingénieurs du numérique, forme ses élèves dans ce domaine d’avenir tout en développant des projets de recherche et développement ayant à leur cœur l’IA. Ce domaine étant en pleine évolution et soulevant régulièrement de nouveaux enjeux, Modibo fait en sorte que ses différentes activités d’enseignement et de recherche à l’ISEN tiennent en compte le plus possible des récentes évolutions majeures de l’IA.

360°

L’Intelligence Artificielle peut être définie comme la mise en œuvre d’un certain nombre de techniques visant à conférer aux machines la capacité à imiter une forme d’intelligence réelle. Un sous-domaine important de l’IA et qui se trouve au centre des activités d’enseignement et de recherche de Modibo est l’apprentissage automatique (Machine Learning) ou dans une forme plus avancée, l’apprentissage profond (Deep Learning) qui sont tous basés sur des approches mathématiques et statistiques qui permettent de fournir aux ordinateurs la capacité à « apprendre » à partir des données, à accomplir des tâches sans être explicitement programmés pour.

Dans ses activités d’enseignement, Modibo apprend aux élèves les principaux aspects de l’IA, partant de la base théorique en mathématique (probabilités et statistique) et de l’apprentissage des outils de programmation informatique, jusqu’aux algorithmes spécifiques d’IA permettant d’extraire et d’analyser différents types d’information à partir d’une base de données. Dans ses activités de recherche et développement, Modibo a recours à des algorithmes d’intelligence artificielle et de science des données variés pouvant s’adapter à différents types de besoins industriels dans des domaines tout aussi variés (smart energy, internet des objets, microélectronique, hydraulique, etc.).

À propos de moi

Après une licence en Mathématiques-Informatique à l’Université Joseph Fourier entre 2011 et 2014 et un Master of Science (MSc) en Mathématiques Appliquées (option Statistics & Machine Learning) entre 2014 et 2016 à l’École Nationale Supérieure d’Informatique et de Mathématiques Appliquées de Grenoble (ENSIMAG), j’ai soutenu en 2019 une thèse de Doctorat de Mathématiques Appliquées orientées Statistique et Science des données à l’Université Grenoble Alpes.

Avant de rejoindre l’ISEN en septembre 2021, j’ai été Enseignant Chercheur contractuel (ATER) à l’ENSIMAG (de septembre 2019 à août 2020) puis Chercheur postdoctoral au Laboratoire MAP5-Université de Paris (de septembre 2020 à août 2021).

Domaines d'expertise

  • Intelligence Artificielle (Machine Learning & Deep Learning): supervised learning, unsupervised learning
  • Modélisation probabiliste (modèles de dynamique des populations) : processus markoviens de saut, processus de naissance et de mort, modèles prédateurs-proies, systèmes d’équations différentielles déterministes & stochastiques, calcul stochastique
  • Statistique :
    • Modèles : modèles linéaires / non linéaires à effets mixtes, modèles de Markov cachés, modèles de mélange, modèles de Cox
    • Méthodologies : estimation paramétrique, test d’hypothèses, sélection de modèles, inférence bayésienne, analyse de survie (estimation de durée de vie), calcul de segmentation, estimation de la probabilité d’évènements rares
    • Algorithmes d’estimation/d’approximation : Stochastic Approximation Expectation Maximization (SAEM), Belief Propagation (BP), Expectation Propagation (EP), MCMC, Importance Sampling & Splitting
  • Développement Informatique : R, Python, Java, Spring Boot
  • Autres : optimisation mathématique, méthodes numériques pour équations différentielles, simulation numérique, calcul haute performance, cryptographie

Activités de recherche et développement

J’évolue au sein de l’équipe pluridisciplinaire Software Development de l’ISEN en tant que spécialiste de l’IA. Je travaille sur des projets de recherche et développement à destination des industriels, notamment dans les domaines de l’IA, de la Smart Energy, de l’Internet des Objets, de la microélectronique ou encore de la E-santé.

Je mène également des activités de recherche fondamentale et appliquée (en science des données en général et en statistique computationnelle en particulier) en collaboration avec des chercheurs de l’ISEN et/ou d’autres établissements en France et à l’étranger.

Liens

i

Publications

M. Diabate, L. Coquille and A. Leclercq-Samson. Parameter estimation and treatment optimization in a stochastic model for immunotherapy of cancer. 2019. Journal of Theoretical Biology

Activités d'enseignement

Science des données : Probabilités Appliquées, Statistique, Machine Learning, Deep Learning, Intelligence Artificielle, Data visualization

Programmation Informatique : programmation orientée objet ; langages : Python, Java, R, C++