Mamadou Kanouté

Je suis actuellement en fin de thèse au sein de l'équipe MSAD (Modélisation Stochastique, Apprentissage et Décision) du laboratoire LIST3N à l'Université de Technologie de Troyes, sous la direction de Edith Grall et Pierre Beauseroy.

Avant cela, j'ai obtenu un Master 2 Data Science : Santé, Assurance, Finance à l' Université Paris-Saclay ainsi qu'un Master 2 en Probabilités et statistiques des nouvelles données à l' Université Gustave Eiffel (anciennement Université Paris-Est Marne-la-Vallée).

Email  /  CV  /  Google Scholar

Recherche

Je travaille actuellement sur des méthodes de sélection de variables avec plusieurs cibles ainsi que sur des techniques d'adaptation de domaine. Mon objectif est de développer un modèle permettant d'inférer des mensurations à une date récente en utilisant les données collectées entre 2003 et 2005, tout en réduisant le nombre de mesures et de participants nécessaires pour l'adaptation de domaine sur les données actuelles.

Enseignements
  • Bases de calcul des probabilités pour l'ingénieur (TD, 26h) : introduction au calcul et à la modélisation probabiliste.
  • Algorithmique (TP, 80h): encadrement de groupes d’étudiants pour les séances de TP (3 séances en C et 3 séances en Python), proposition, suivi et évaluation de mini-projets.
Publications

Unsupervised Feature Selection Using Extreme Learning Machine
Mamadou Kanouté, Edith Grall, Pierre Beauseroy
Proceedings of the 16th International Joint Conference on Computational Intelligence - Volume 1: NCTA; pages 621-628, 2024
paper

Neural Network-Based Approach for Supervised Nonlinear Feature Selection
Mamadou Kanouté, Edith Grall, Pierre Beauseroy
Proceedings of the 16th International Joint Conference on Computational Intelligence - Volume 1: NCTA; pages 621-628, 2023
paper

Nonlinear feature selection for multi-target regression problems
Mamadou Kanouté, Edith Grall, Pierre Beauseroy
Article soumis dans un journal de Springer. En cours de révision depuis le 04 novembre 2024

Thanks to Jon Barron.