Beruflich Dokumente
Kultur Dokumente
__________________________________________________________________________________
Rsum
_______________________________________________________________________________
Institut Mines-Tlcom Projets Bootstrap Teralab Octobre 2014
__________________________________________________________________________________
_______________________________________________________________________________
Institut Mines-Tlcom Projets Bootstrap Teralab Octobre 2014
DESCRIPTIF DETAILLE
(2 pages )
- Points aborder -
Vision
:
Dcrire
les
facteurs
motivants
qui
ont
contribu
la
cration
du
projet
et
qui
reprsente
son
caractre
innovant.
A
ce
jour
la
lutte
contre
la
criminalit
est
en
gnral
ractive
et
non
proactive.
Lobjectif
du
projet
sinscrit
dans
une
dmarche
de
renseignement
criminel
qui
consiste
partir
dune
comprhension
de
la
criminalit
anticiper
les
phnomnes
en
vue
dune
meilleure
stratgie
de
lutte
en
terme
de
prvention
notamment.
En
effet,
la
criminalit
ne
pouvant
tre
considre
comme
un
signal
dterministe
ou
alatoire,
elle
rpond
des
critres
explicatifs
quil
convient
didentifier
afin
de
pouvoir
anticiper
de
nouvelles
occurrences.
Ds
lors,
il
convient
dintgrer
un
ensemble
de
variables
le
plus
divers
afin
de
dterminer
celles
qui
diffrents
chelons
administratifs
(villes,
dpartements,
rgions)
sont
les
plus
significatifs.
Le
projet
rpondra
une
analyse
la
fois
stratgique
et
oprationnelle.
Sur
un
plan
stratgique,
il
prendra
en
compte
des
donnes
disponibles
en
sources
ouvertes
(INSEE,
mto,
gographie)
tandis
que
sur
un
plan
oprationnel
ncessitant
une
rapidit
daction,
des
donnes
non
structures
pourront
tre
intgres,
savoir
des
extractions
de
blog
ou
de
rseaux
sociaux
(Facebook,
Twitter).
Une
tape
de
validation
clturera
le
projet
en
valuant
notamment
le
rsultat
des
diffrents
chelons
envisags
par
rapport
la
prdiction.
Il
nexiste
pas
ce
jour
de
projet
de
ce
type
dans
le
domaine
de
la
lutte
contre
la
criminalit
qui
englobe
laspect
descriptif
et
prdictif
des
chelles
de
temps
et
despace
diffrents
et
intgrant
une
telle
varit
de
donnes.
En
outre,
un
tel
projet
doit
apparaitre
comme
un
vritable
outil
daide
la
dcision
en
matire
de
dploiement
de
ressources
comme
de
mode
daction
envisager.
Du
point
de
vue
mthodologique,
les
challenges
sont
de
plusieurs
ordres.
Ils
relvent
tout
dabord
de
la
nature
des
donnes
(niveaux
de
criminalit
selon
une
nomenclature
prdfinie
et
facteurs
explicatifs)
:
Temporalit
Spatialisation
Htrognit
(e.g.
certaines
variables
peuvent
navoir
de
sens
qu
certaines
priodes,
que
dans
certaines
zones
gographiques,
cf
open
data)
Incompltude
(e.g.
certaines
donnes
peuvent
ntre
recenses
qu
certaines
priodes,
que
dans
certaines
zones
gographiques,
cf
open
data)
Ils
dcoulent
aussi
des
objectifs
poursuivis,
savoir
une
prdiction
multi-chelle
(spatiale
et
temporelle)
et
multi-tche
(dpendance/corrlation
entre
les
niveaux
observs
pour
diffrents
types
de
crime).
Contexte
Scientifique
:
Indiquer
les
rsultats
de
recherche
que
lon
cherche
valoriser.
La
vaste
majorit
des
mthodes
dapprentissage
statistique
(pour
la
rgression,
la
classification)
a
t
conue
dans
un
cadre
o
les
exemples
servant
apprendre
un
modle
optimisant
un
critre
de
_______________________________________________________________________________
Institut Mines-Tlcom Projets Bootstrap Teralab Octobre 2014
performance
donn
sont
supposes
tre
des
donnes
indpendantes
et
identiquement
distribues.
Le
cadre
du
projet
dcrit
ci-dessus
est
significativement
diffrent
et
requiert
de
dvelopper
des
techniques
nouvelles,
pour
la
reprsentation
des
donnes
(e.g.
au
moyen
doprateurs)
ou
leur
prtraitement
(rsidus)
et
pour
lapprentissage
proprement
dit
(algorithmes
multi-tches,
pour
donnes
structures
en
entre
et
en
sortie).
La
recherche
labore
travers
ce
projet
pourra
faire
lobjet
de
publications
mthodologiques
(algorithmes,
cadre
de
validit
thorique
et
expriences
numriques)
respectant
le
niveau
de
confidentialit
de
certaines
donnes
requis
par
le
SCRC.
Du
point
de
vue
de
lutilisateur
final
et
de
lindustriel
partenaire,
le
niveau
de
performance
prdictive
atteint
par
les
modles
et
le
format
(interface
graphique,
outils
de
visualisation)
des
rsultats
produits
par
les
outils
danalyse
pourront
permettre
dlaborer
un
cahier
des
charges
pour
un
ventuel
produit
commercialisable.
Cible
application
et
march
:
Prciser
la
cible
applicative
et
le
march
viss
et
le
business
modle
favorable
pour
lindustriel
La
cible
est
concentre
autour
des
forces
de
scurit
mme
si
les
mthodes
et
outils
dvelopps
devraient
tre
transposables
dans
diffrentes
applications
qui
ncessitent
une
vision
prdictive
et
spatiale
des
donnes.
Apport
du
partenaire
:
Cas
dusage,
Donnes,
expertise
mtier,
expert
donnes
.
Le
SCRC
apporte
sa
connaissance
criminologique
des
phnomnes
criminels
ainsi
que
des
donnes
lies
aux
infractions.
Ses
donnes
intgrent
sur
un
plan
quantitatif
une
vision
spatio-temporelle
de
lvolution
des
faits
constats/lucids
pour
chaque
infraction
et
par
agrgat
lchelle
dune
commune,
dun
dpartement,
dune
rgion
et
du
pays.
En
outre,
des
informations
non
nominatives
ayant
trait
la
typologie
des
auteurs
comme
des
victimes
seront
galement
transmises.
Morpho
apporte
son
exprience
en
apprentissage
machine
sur
des
donnes
de
grande
dimension,
sa
connaissance
des
besoins
des
acteurs
de
la
scurit
publique
et
sa
capacit
dvelopper
des
outils
danalyse
et
dinterface
utilisateur
de
manire
agile
et
rapide.
Plan
dactions,
capacit
finaliser
:
Prciser
les
actions
que
vous
souhaitez
mener
dans
le
projet
et
justifier
lintrt
de
ces
actions
pour
assurer
une
valorisation
des
rsultats
de
recherche
et
pour
rpondre
au
besoin
identifi
par
lindustriel.
En
particulier,
il
est
utile
dexpliquer
pourquoi
ces
actions
sont
prioritaires
pour
assurer
une
valorisation
Budget
demand
:
Fournir
un
budget
rparti
entre
les
labos
et
partenaires
(le
partenaire
industriel
ne
sera
pas
financ
dans
le
cadre
de
cet
AO)
.
_______________________________________________________________________________
Institut Mines-Tlcom Projets Bootstrap Teralab Octobre 2014