Université de technologie de Troyes

ACTUALITÉS

Séminaires programmés
Le LM2S organise régulièrement des séminaires avec la présentation des derniers travaux issus de l'équipe mais aussi de chercheurs venant d'autres laboratoires. Venez nombreux.
Voir toute l'actualité

 

Contenu

Babiga Birregah
Babiga Birregah
Enseignent- Chercheur
Equipe LM2S, Pôle Rosas - ICD UMR CNRS 6281
12 Rue Marie Curie
CS 42060
10004 TROYES CEDEX

Téléphone : +33 (0) 325715869
Fax : +33 (0) 325715649
https://goo.gl/1V9sNC

RECHERCHE:

MATHÉMATIQUES APPLIQUÉES ET MODÉLISATION DE SYSTÈMES COMPLEXES

  • Résiliences de systèmes sociotechniques
  • Surveillance de grands systèmes

ANALYSE DE DONNÉES

  • Analyse de patterns spatio-temporels
  • Détection d'anomalies
  • Suivi dynamique de communautés

APPLICATIONS

  • Réseaux et médias sociaux
  • Capteurs et Objets connectés
  • Crowdsourcing et capteurs humains

QUELQUES PROJETS

  • Dej@Vu (Plateau Technique CyberSec)
  • VIRTUALIS (FUI SYSTEMATIC)
  • REQUEST (Inv. d'Avenir BPI)
  • CyNIC (CPER région CA)

RÉALISATIONS

  • Plateforme logiciel BiSTGraphs® (projet Tenure Track)
  • Plateforme ICARS (co-direction thèse CIFRE Rosny Germon)
  • BigSTGraphs (APP UTT) : Logiciel de génération et d’analyse de graphes spatio-temporelle de données multi-capteurs
  • TwitCapt (APP UTT):  Logiciel de collecte de Tweets et de génération de graphes multi-couches
  • Sim2R (APP UTT-RATP): Logiciel de simulation large échelle de la résilience d’un réseau de transport de masse
  • TwitGraph (APP UTT- Projet REQUEST initié): Logiciel de collecte large spectre de graphes sociaux de Twitter

RESPONSABILITÉS ADMINISTRATIVES:

Responsable du Mastère Spécialisé® Expert Big Analytics et Métriques (2016- )

Responsable du Diplôme Universitaire Big Data Engineer (2018- )


Responsable pédagogique Diplôme Universitaire Analyse Criminelle Opérationnelle (2013-2016)

DU en co-labélisé UTT et Gendarmerie Nationale

 

ENSEIGNEMENTS:

Responsabilités Unités de Valeur

NF21: Conception de projet data pour l'innovation

- L’innovation par la donnée est devenue un enjeu majeur pour les entreprises. La science des données est dans ce cas un atout précieux pour mettre en place un projet de collecte de traitement et de visualisation décisionnelle pour aider l’entreprise à innover.

IF25: Data mining pour les réseaux sociaux (Niveau L & M)

- modéliser les réseaux sociaux par les graphes (statiques et dynamiques)- mettre en œuvre les techniques de collecte et de stockage de données (écoute passive et active)- extraire des règles de corrélation, classifi er les données et détecter des anomalies- détecter dans un grand flux de données bruitées des signaux faibles-  détecter des spams et des bots sociaux dans un contexte Big Data.

ISI_C01: Introduction au Big Data

- Traduire les défis du BigData en capacités d’action (Définition, composante, interactions, acteurs, enjeux)- Spécification de projets BigData (Sources de données, évaluation, augmentation, enrichissement, etc.)- Piloter et maintenir une solution BigData (Classes de traitement, machine Learning, chaîne de traitements)

IGSD: Interconnexion de graphes sociaux distribués (Formation Continue)

- traiter des données relationnelles extraites d'activités sociales distribuées- construire des graphes d'interactions sociales- connecter les différentes couches- détecter les communautés. 

Participation Unités de Valeur (co-responsabilité et cours)

SY14: Systémique et dynamiques des systèmes (TD)

- comprendre les notions fondamentales permettant de construire des démarches globales pour analyser les systèmes complexes- mettre en œuvre une démarche systémique par itérations successives, appliquée à un système complexe concret- déterminer et organiser les paramètres pertinents pour construire un ou plusieurs modèles d’un système complexe- choisir le ou les modèles adaptés permettant de répondre à une problématique donnée pour un système complexe

MT13: Méthodes numériques pour Ingénieurs (Cours, TD et TP)

- connaître les méthodes de résolution des problèmes linéaires : méthodes de Gauss, décomposition LU, Cholesky, conditionnement des matrices- connaître les méthodes itératives de résolution des problèmes non linéaires : Méthode de Jacobi, Gauss-Seidel, Newton-Raphson, notion de convergence- savoir appliquer toutes ces méthodes à la résolution de problèmes par EF et ou DF