Christine Keribin: Activités de recherche

• En délégation CNRS (2019-2020)
  
• Membre de l'équipe probabilités et statistiques du Laboratoire de Mathématiques d'Orsay, UMR 8628
  
• Membre du projet CELESTE de INRIA Sacaly
  
• Membre du GDR Statistiques et Santé depuis 2015
  
• Ancien membre du groupe SONATA (Stress Orphean Network and Transcriptome in Arabidopsis)-Stats, avec l'INRA/URGV
• Bénéficiaire en 2013 d'un semestre de décharge d'enseignement financé par le LabEx Mathématique Hadamard (ANR-11-LABX-0056-LMH du Programme des Investissements d'Avenir)
  

Mots-clés

• classification non supervisée (clustering) et croisée (co-clustering)
• modèles de mélange, modèle des blocs latents
• algorithmes d'estimation, méthodes variationnelles, modèles bayésiens 
• sélection de variables, choix de modèles 
• apprentissage statistique, grande dimension, données volumineuses
• modélisation applicative: neuroimagerie, génomique, pharmacovigilance, fiabilité

Thèmes actuels

• Co-clustering et données de grande dimension
avec Christophe Biernacki (Inria-Modal)
• Co-clustering, une méthode de régularisation du clustering en grande dimension
• Apprentissage non supervisé de données volumineuses sous contrainte de ressources limitées (bourse de thèse DGA Filippo Antonazzo)
avec Gilles Celeux (INRIA Saclay)

• Passage à l'échelle du modèle des blocs latents multiples
• Sélection de modèle
  
• Etude asymptotique des critères ICL et BIC dans le modèle de blocs latents
• Applications industrielles
Avec Gilles Stoltz (Paris Sud) et SNCF (thèse Cifre Rémi Coulaud)
• Prévision du temps d’échange lors du stationnement des trains en gare
Avec Patrick Pamphile (Paris Sud) et PSA (thèse Cifre Oivier Coudray)
• Construction d'un critère probabilisé de fatigue multiaxiale
  

Théorie et méthodologie

• Modèle des blocs latents pour la classification croisée
Avec Gilles Celeux (INRIA-SELECT) et Gérard Govaert (UTC):
• modèle des blocs latents multinomial, identifiabilité, algorithmes variationnels et bayésiens, sélection de variables et choix de modèles, ICL, applications à des données génomiques (projet SONATA, INRA et URGV)
Avec Vincent Brault (Université de Grenoble) et Mahendra Mariadassou (INRA-MaIAGE)
• Propriétés asymptotiques des estimateurs dans le modèle de blocs latents
• Méthodes (bayésiennes) variationnelles
De la théorie aux applications

Modélisation de données applicatives

• Détection d’effets secondaires médicamenteux à partir de bases de pharmacovigilance
avec Gilles Celeux (INRIA-SELECT) et Pascale Tubert-Bitter (INSERM), thèse Valérie Robert: modèle des blocs latents multiples, propriétés et algorithmes d’estimation,  sparsité et données massives
• Etude statistique des altérations génomiques tumorales
avec Yves Rozenholc (INRIA-SELECT) et Tatiana Popova (Institut Curie): Estimation de la ploïdie et du degré de contamination à partir de données CGH , modélisation par modèle de mélange et algorithme d’estimation
• Application des statistiques aux neurosciences
avec Gilles Celeux (Inria-Select) et Bertrand Thirion (Inria-Parietal), thèse Vincent Michel: Décodage de l'activité cérébrale à partir de cartes d'activation d'IRM fonctionnelle; classification et régression en grande dimension
• Reconstruction d'arbres en phylogénie : inférence statistique et algorithmes
avec Marie-Anne Poursat (LMO, Université Paris Sud)

Doctorant.e.s

• Filippo Antonazzo, co-direction avec Christophe Biernacki (Inria-Modal), Unsupervised learning of huge datasets with limited computer resources. Bourse DGA, démarrage en octobre 2019
• Olivier Coudray, co-direction avec Patrick Pamphile (Université Paris Sud). Construction d'un critère probabilisé de fatigue multiaxiale. Thèse Cifre PSA, démarrage en novembre 2019
• Rémi Coulaud, co-direction avec Gilles Stoltz (Université Paris Sud), Prévision de temps d’échange lors des stationnements de trains en gare. Thèse Cifre SNCF, démarrage en octobre 2019
  
• Valérie Robert (soutenue le 06/06/2017), codirection avec Gilles Celeux : Modèles statistiques pour la pharmacovigilance
• Vincent Brault (soutenue le 30/09/2014), codirection avec Gilles Celeux : Estimation et sélection de modèle pour le modèle des blocs latents
• Vincent Michel (soutenue en 12/2010), codirection avec Bertrand Thirion et Gilles Celeux : Understanding the visual cortex by using classification techniques

Publications

• Brault V., Keribin C., Mariadassou M.: Consistency and Asymptotic Normality of Latent Blocks Model Estimators, http://arxiv.org/abs/1704.06629, (soumis)
• Keribin C.: A note on BIC and the slope heuristics, Journal de la SFdS, Vol. 160 No. 3, 2019, pp 130-148, 2019
• Keribin C., Liu Y. Popova T., Rozenholc Y.: A mixture model to characterize genomic alterations of tumors, Journal de la SFdS, Vol. 160 No.1, pp 130-148, 2019
• Hernandez C., Keribin C., Drobinski P., Turquety S.: Statistical modelling of wildfire size and intensity: a step toward meteorological forecasting of summer extreme fire risk Annales Geophysicae, 33 (1495–1506), DOI=10.5194/angeo-33-1495-2015, 2015
• Keribin C., Brault V., Celeux G., Govart G.: Estimation and Selection for the Latent Block Model on Categorical Data, , Statistics and Computing, DOI 10.1007/s11222-014-9472-2, online 2014
• Michel V., Gramfort A., Varoquaux G.,Eger E., Keribin C., and Thirion B.: A supervised clustering approach for fMRI-based inference of brain states, Pattern Recognition - Special Issue on Brain Decoding, 45(6): 2041-2042, 2012
• Michel V., Eger E., Keribin C. and Thirion B.: Multi-Class Sparse Bayesian Regression for fRMI-based prediction, International Journal of Biomedical Imaging 2011
• Keribin C.: Méthodes bayésiennes variationnelles : concepts et applications en neuroimagerie Journal de la Société Française de Statistiques, Vol. 151 No.2, pp 107-131, 2010
• Keribin C., Haughton D.: Asymptotic probabilities of over-estimating and under-estimating the order of a model in general regular families, Communications in Statistics, Theory and Methods, vol 32-7, pp 1313-1404, 2003
• Gassiat E. , Keribin C.: The Likelihood Ratio Test for the number of components of a mixture with Markov regime , ESAIM PS, Vol. 4, pp 25-52, 2000
• Keribin C.: Consistent Estimation of the Order of Mixture Models, Sankhya Series A, volume 62, Part. 1, pp 49-66, 2000
• Keribin C.: Estimation consistante de l’ordre de modèles de mélange, CRAS Série I, 326(2), 1998
  

Actes de conférences

• Keribin C., Biernacki C: Le modèle des blocs latents, une méthode régularisée pour la classification en grande dimension, 51èmes Journées de Statsitique, Nancy, 2019
• Keribin C., Celeux G., Robert V.: The Latent Block Model: a useful model for high dimensional data, ISI 2017, 61st World Statistics Congress, Marrakech, Maroc, 2017
  
• Brault V., Keribin C., Mariadassou, M.: Équivalence asymptotique des vraisemblances observée et complète dans le modèle de blocs latents, XXIV èmes Rencontres de la Société Francophone de Classification, Lyon, 2017
  
• Brault V., Keribin C., Mariadassou M.: Normalité asymptotique de l'estimateur du maximum de vraisemblance dans le modèle de blocs latents, in 48èmes Journées de Statistique, Montpellier, 2016
• Robert V., Celeux G., Keribin C.: Modèle des blocs latents et sélection de modèles en pharmacovigilance, in 48èmes Journées de Statistique, Montpellier, 2016
• Liu Y., Keribin C., Popova T., Rozenholc Y.: Statistical Estimation of Genomic Tumoral Alterations, in 47èmes Journées de Statistique, Lille, 2015
• Robert V., Celeux G., Keribin C.: Un modèle statistique pour la pharmacovigilance, in 47èmes Journées de Statistique, Lille, 2015
• Keribin C.: L’utilisation des logiciels dans les enseignements de statistique à l’université, in 46èmes Journées de Statistique, Rennes, 2014
• Keribin C., Brault V., Celeux G., Govart G.: Estimation and Selection for the Latent Block Model on Categorical Data, , Rapport de recherche INRIA, 2013
• Keribin C., Brault V., Celeux G., Govart G.: Model selection for the binary latent block model, in Proceedings of COMPSTAT 2012
• Brault V., Celeux G., Keribin C.: Régularisation bayésienne du modèle des blocs latents, in 44èmes Journées de Statistique, Bruxelles, 2012
• Keribin C., Govaert G., Celeux G.: Estimation d’un modèle à blocs latents par l’algorithme SEM, in 42èmes Journées de Statistique, Marseille, 2010
• Michel V., Eger E., Keribin C., Poline J.-B. and Thirion B.: A supervised clustering approach for extracting predictive information from brain activation images, in IEEE Computer Society Workshop on Mathematical Methods in Biomedical Image Analysis (MMBIA10) - IEEE Conference on Computer Vision and Pattern Recognition, 2010.
• Michel V., Eger E., Keribin C. and Thirion B.: Multi-Class Sparse Bayesian Regression for Neuroimaging data analysis, in International Workshop on Machine Learning in Medical Imaging (MLMI) In conjunction with MICCAI 2010
• Michel V., Eger E., Keribin C. and Thirion B.: Adaptive multi-class bayesian sparse regression - an application to brain activity classification, In MICCAI'09 Workshop on Analysis of Functional Medical Images, 2009

Exposés invités

• Asymptotic criteria for model selection in the latent block model, MHC2020, Orsay, June 17-19, 2020
• EM and its variations: theory, methodology and applications, JSTAR2020, Rennes, March 26-27, 2020
  
• Some asymptotic properties of model selection criteria in the latent block model, 12th Scientific meeting CLADAG 2019, Cassino (Italie), 2019
• Co-clustering: a versatile way to perform clustering in high dimension,11th International Conference of the ERCIM WG on Computational and Methodological Statistics (CMStatitistics 2018), Pisa, Italy, December, 2018
• The Latent Block Model: a useful model for high dimensional data, ISI 2017, 61st World Statistics Congress, Marrakech, Maroc, 2017
• Méthodes Bayésiennes Variationnelles: Journée spéciale du groupe Statistique Mathématique de la SFdS, Paris, 2017
• Model selection with intractable likelihood, ERCIM, Londres 2013
  

Mini cours invité

• Variational Bayes methods and algorithms, CIRM, Marseille, dans le cadre de la Semaine Bayésienne, mars 2016
  

Autres exposés

• Aggregating strategies for online protfolio optimization, CMStatistics 2017, Londres
  
• Asymptotic normality of the maximum likelihood estimator for LBM : COMPSTAT2016 (Oviedo, Espagne); Séminaire AgroParis-Tech;Working Group on Model-Based Clustering, Paris, 2016
• Sélection de modèles quand la vraisemblance est incalculable, 47èmes Journées de Statistique, Lille, 2015
• Les métiers des mathématiques, les maths cela sert!, Congrès Maths en Jeans, Paris, 2015
• L'utilisation des logiciels dans les enseignements de statistique à l'université, 46èmes Journées de Statistique, Rennes, 2014
• Statistical estimation of genomic alterations of tumors, ERCIM, Pise 2014
• Model selection for the binary latent block model, COMPSTAT, Chypre, 2012
• Estimation dans le modèle des blocs latents, séminaire parisien de statistique, 2012
  
• L’estimation des modèles à blocs latents, séminaire d'Orsay; séminaire ECAIS (Paris-Descartes), 2011
  
• Estimation d’un modèle à blocs latents par l’algorithme SEM, 42èmes Journées de Statistique, Marseille, 2010
  
• Test de modèles en phylogénie, Journées MAS Nancy, 2004
  
• Reconstruction d'arbres phylogénétiques: inférence statistique et algorithmes, séminaire Grenoble, 2003
  
• Tester le nombre de populations dans un modèle de mélange à régime markovien, Journées MAS Rennes, 2000
  
• Estimation consistante de l'ordre de modèles de mélanges, XVIIIème Rencontre Franco-Belge de Statisticiens, Louvain-la-Neuve, 1997
  
• Estimation d'un processus MA bruité par maximum de vraisemblance tronquée, Journée Chaînes de Markov Cachées, Université d'Evry, 1997
  

Conseil

Logiciels