Fouille de règles numériques pour la prédiction de la dynamique des maladies des plantes

ATTENTION dans le cadre du plan VIGIPIRATE l’accès du public à cette soutenance est contraint à une inscription préalable obligatoire auprès de  gaelle [*] tworkowskiinria [*] fr (gaelle[dot]tworkowski[at]inria[dot]fr)

machine-learning, ce qui permet d’automatiser l’entraînement des modèles et donc faciliter l’exploitation des données. Cette thèse étudie l’intérêt des modèles de complexité intermédiaire (pattern-based) comparé à des modèles simples comme la régression linéaire ou les modèles complexes comme le Random Forest. On montre que les performances des modèles intermédiaires sont comparables aux modèles plus complexes, et que les informations extractibles de ces modèles sont pertinentes et plus compréhensibles. Ces modèles pattern-based ont été ensuite utilisés comme base pour un outil de visualisation dont l’objectif est de transmettre des explications aux agronomes pour leur offrir des informations d’intérêt d’un point de vue agronomique"