Présentation
Modibo DIABATÉ
Titulaire d'un Doctorat de Mathématiques Appliquées - Statistique de l'Université Grenoble Alpes, je suis ingénieur de recherche et développement (R&D) en Science des données (Statistique, Intelligence Artificielle (IA), Big Data) et ingénieur de données (certifié sur Microsoft Azure) dans un grand groupe industriel européen.
Auparavant, j'ai été Enseignant Chercheur en Intelligence Artificielle à l'Institut Supérieur de l'Electronique et du Numérique (ISEN) Yncréa Méditerranée et ingénieur R&D au sein de l'équipe pluridisciplinaire Software Development de l'ISEN Yncréa en tant que leader technique en IA.
Avant l'ISEN, j'ai été Enseignant Chercheur contractuel (ATER) à Grenoble INP ENSIMAG et Chercheur postdoctoral au Laboratoire MAP5 à l'Université Paris Cité.
Aperçu général des activités
Recherche et Développement (R&D)
Domaines de compétences techniques :
Modélisation Probabiliste : modèles de dynamique des populations (HMM, EDO, EDS)
Statistique computationnelle : modèles non linéaires mixtes (NLMEM), algorithmes EM (SAEM, max-EM), algorithme EP-BP (HMM / Forward-Backward), analyse de survie, réduction de dimension (ACP, t-SNE, UMAP)
Machine Learning / Deep Learning classiques : détection d'anomalies & maintenance prédictive, IA embarquée, industrialisation de modèles d'IA (mlflow/Databricks)
Intelligence Artificielle Générative : modèles de langage (NLP, LLM, RAG), modèles de vision (LVM) et multimodaux (LMM)
Data engineering & Data analyse : pipelines ETL / ELT (R, Python, Talend, DBT, Azure Synapse Analytics, ...), Data visualization & Analytics (R, Python, Orange Data mining, Power BI)
Autres : Web sémantique (RDF, SPARQL, ontologies), développement web (Spring boot, React), cryptographie, tests logiciel
Principaux domaines d'application : Smart Energy, microélectronique & IoT, santé & biologie, défense, aéronautique, ...
Enseignement
Probabilités appliquées
Statistique descriptive & inférentielle
Statistique bayésienne
Data Science / Intelligence Artificielle / Machine Learning / Deep Learning / GenAI (LMM, RAG, LVM, LMM)
Optimisation mathématique & Optimisation pour le Machine Learning
Langages de programmation enseignés : Python, Java, R, C++
Evènements récents
Salons / Rencontres :
Salon Big Data & AI Paris 2023, Modibo DIABATE, Ingénieur R&D Data Science et Intelligence Artificielle
Rencontre Pôle SCS, mars 2022, à Chalucet, Toulon : "Utilisation de techniques d'auto-apprentissage dans le cadre de l'optimisation de la consommation électrique", Dr Modibo DIABATE, Enseignant Chercheur en Intelligence Artificielle (IA) et Anais GALLIGANI, Responsable Smart Energy, Yncréa Méditerranée
Travaux / Publications récent(e)s :
Change-point detection in regression models for ordered data via the max-EM algorithm. Modibo Diabaté, Grégory Nuel, Olivier Bouaziz.2024.ArXiv
AI-Optimized Demand Response: Enhancing Electricity Efficiency in Build- ings. Sampath Mukherjee, Johan Krumps, Sylvain Rival, Anthony Bi- can, Anaïs Galligan, Florian Sananes, Théa Gutmacher, Youssef Dahman, Alex Barnadas i Morera, Modibo Diabate [V. AI framework for French and Greek pi- lot], David Bouret, Maria Perez, Ghislain Oudinet. 2024.ResearchGate (DOI:10.13140/RG.2.2.27805.28644)
Parameter estimation and treatment optimization in a stochastic model for immunotherapy of cancer. M. Diabate, L. Coquille and A. Leclercq-Samson. 2019. Journal of Theoretical Biology
Modélisation stochastique et estimation de la croissance tumorale. Modibo Diabaté.2019.Université Grenoble Alpes.HAL.Science