L'équipe du LIAD
Aurore LOMET
Ingénieur-chercheurAurore Lomet est une chercheuse spécialisée en découverte causale (intelligence artificielle, apprentissage automatique et traitement des séries temporelles. Son doctorat obtenu à l’Université de Technologie de Compiègne (UTC) a pour sujet : Sélection de modèles pour le co-clustering de données continues, sous la direction de Gérard Govaert et Yves Grandvalet. Dans ce cadre, sa thèse vise a proposé des critères objectifs pour comparer plusieurs co-clustering pour des données continues considérant le cas non i.i.d (non indépendantes et non identiquement distribuées).
Après son doctorat, Aurore a rejoint le CEA en tant que post-doctorante, où elle a développé des modèles statistiques et des techniques de clustering pour prédire la consommation d'eau chaude. Ce travail a continué à explorer les défis liés aux données non i.i.d., en particulier dans le contexte de la consommation d'eau chaude, où les données collectées présentent des dépendances et des structures temporelles.
Par la suite, elle a été engagée en tant qu'ingénieure-chercheuse en mathématiques appliquées et modélisation statistique. Ses travaux poursuivent le traitement des données non i.i.d., cas particulier en statistique où les propriétés « classiques » comme celles asymptotiques ne sont pas toujours définies. Dans ce cadre, elle a travaillé sur divers projets tels que : Causalité avec des graphes bayésiens pour la détection d’anomalies dans un cadre industriel basé sur des mesures de capteurs, IA de confiance avec incertitude pour prédire le temps de stationnement, Détection de nucléides avec apprentissage profond et transfert, et IA interprétable pour la sécurité des frontières.
En 2023, Aurore a rejoint le laboratoire LIAD où elle concentre ses travaux sur la découverte de causalité, en particulier pour les séries temporelles, et la quantification des incertitudes. En parallèle de ses activités de recherche et de gestion de projets, elle encadre des stagiaires, doctorants et post-doctorants, et enseigne également l'initiation à l'IA supervisée à Centrale-Supelec.
Liste des publications (non-exhaustive)
- Lomet, Aurore; Govaert, Gérard; Grandvalet, Yves; Model selection for Gaussian latent block clustering with the integrated classification likelihood,Advances in Data Analysis and Classification,12,,489-508,2018,Springer Berlin Heidelberg
- Kunitomo-Jacquin, Lucie; Lomet, Aurore; Daniel Geoffrey; Assessing Causal Graph Uncertainty and Optimized Multivariate Discretization Strategy,2024 International Conference on Information Processing and Management of Uncertainty in Knowledge-Based Systems (IPMU),1-8,2022
- Lomet, Aurore; Suard, Frédéric; Chèze, David; Statistical modeling for real domestic hot water consumption forecasting, Energy Procedia,70,,379-387,2015,Elsevier (https://doi.org/10.1016/j.egypro.2015.02.138)
- Kunitomo-Jacquin, Lucie; Lomet, Aurore; Poli, Jean-Philippe; Causal discovery for fuzzy rule learning,2022 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE),1-8,2022,IEEE
- Arsac, Antonin; Lomet, Aurore; Poli, Jean-Philippe; Causal discovery for time series with constraint-based model and PMIME measure, Quarter of Causality conference, arXiv preprint arXiv:2305.19695,2023