Massinissa HAMIDI (IBISC équipe AROB@S) vient renforcer l’équipe AROB@S et l’UFR SFA de l’Université d’Évry, en tant que Maître de Conférences, à partir du 1ᵉʳ septembre 2023.
Massinissa HAMIDI est Maître de Conférences à l’Université d’Évry – Paris Saclay depuis le 1ᵉʳ septembre 2023.
Massinissa HAMIDI a effectué un master en informatique à l’université Paris Diderot (actuelle Université Paris Cité) autour des logiciels sûrs et des systèmes embarqués avec un focus sur le design de compilateurs et l’étude de la sémantique des langages de programmation. Il s’est notamment intéressé, durant ses différents stages, à l’étude et la reconnaissance des pleurs des nourrissons afin d’en améliorer leur confort à l’aide des technologies de l’internet des objets. Massinissa HAMIDI a mené sa thèse à l’université Sorbonne Paris Nord autour du méta-apprentissage, ou comment apprendre à apprendre en exploitant les connaissances du domaine, dans le cadre des applications distribuées et décentralisées. ATER à l’INSSET de l’université de Picardie Jules Verne pendant un an, il rejoint par la suite le laboratoire LISSI à l’université Paris Est en tant que postdoctorant pour travailler dans le cadre des projets européens E-Corridor et Olga en collaboration avec le groupe ADP (Aéroports de Paris). Durant cette période, il a travaillé sur les graphes de connaissances et l’intégration des connaissances du domaine dans les modèles d’apprentissage neuronaux.
Les recherches de Massinissa HAMIDI portent sur le méta‐apprentissage, ou comment développer des agents qui apprennent à apprendre par eux-mêmes. Ceci implique notamment l’étude de l’impact des biais du monde réel ainsi que des biais inductifs qui sont incorporés dans le processus d’apprentissage. L’une des propriétés clés qu’il vise est la minimisation des quantités de données nécessaires pour apprendre et s’adapter. Pour cela, Massinissa HAMIDI se penche sur les architectures neuronales, les frontières de décision des modèles d’apprentissage, la géométrie des espaces latents et espaces d’optimisation dans le cas de topologies non triviales (par exemple, les groupes de Lie), etc.. L’idée est d’étudier comment les spécificités (ou les biais) du monde réel façonnent ces espaces (aspects universels, invariants, équivariants, etc.) et comment tirer parti des connaissances du domaine pour construire des espaces de représentation appropriés. Massinissa HAMIDI s’intéresse également à l’étude des tâches d’apprentissage en tant que telles, de leur espace de projection et de la manière dont elles sont structurellement reliées entre elles. Ici, les tâches peuvent se matérialiser par, par exemple, des profils de patients ou des configurations d’un robot. L’idée est d’exploiter ces relations structurelles pour améliorer le transfert et l’adaptation de modèles d’apprentissage. Massinissa HAMIDI déploie et valide ses approches sur des applications du monde réel dans des domaines à fort impact sociétal et environnemental tels que l’internet des objets, l’industrie 4.0 et la E‐santé.
Le projet porté par Massinissa HAMIDI s’inscrit dans la continuité des travaux qu’il a menés avec, notamment, le développement du domaine du méta-apprentissage au sein du laboratoire tout en créant des ouvertures vers des problématiques liées à la médecine personnalisée et aux données omiques.
