En savoir plus

L’analyse des données présentes en élevage laitier est un challenge à la fois pour la data science et les sciences de l’animal. L’objectif est d’améliorer les conditions d’exploitation (santé, bien-être et environnement) ainsi que le revenu des éleveurs. De nos jours, les animaux sont suivis par de nombreux capteurs fournissant des données hétérogènes (ex. température, poids, composition du lait). Les techniques utilisées par les scientifiques se focalisent sur une approche mono-capteur. La combinaison dynamique de différents capteurs peut fournir de nouveaux services et des informations utiles pour la conduite des troupeaux laitiers. Afin d’étudier de telles combinaisons, la thèse va se baser sur des méthodes de data mining, en particulier de pattern mining. Les principaux défis résident dans la gestion de l’hétérogénéité des données ainsi que de la diversité de leurs échelles de temps. Cette thèse va représenter une contribution originale et significative aux enjeux grandissants de l’Internet des objets et va inciter des acteurs du domaine à développer de nouvelles approches d’analyse des données. L’interdisciplinarité de la thèse impliquera les scientifiques d’Inria ainsi que ceux de l’Inra, tous situés à Rennes.

Kévin Fauvel travaille sur ce sujet de thèse depuis le 1^er octobre 2017 pour une durée de 3 ans. Il est encadré par Alexandre Termier (Université de Rennes 1, équipe Irisa/Inria, Lacodam) et Philippe Faverdin dans l'équipe Syslait.

Thèse co-financée par l'institut de convergence #DigitAg.

Contact

Kévin Fauvel : kevin.fauvel [at] inria.fr