En poursuivant votre navigation, vous acceptez l'utilisation de cookies destinés à des fins de mesure d'audience, à améliorer la performance de ce site et à vous proposer des services et contenus personnalisés. En savoir plus

X

Yanlei Diao lauréate d’une bourse ERC consolidator pour son projet Big Fast Data

Yanlei Diao, Professeur à l'École polytechnique et à Télécom ParisTech, et membre de l’équipe Cedar du centre de recherche Inria Saclay – Île-de-France, a été distinguée par une « ERC Consolidator Grant » 2016.

 
Titulaire d'une chaire d'excellence à l'Université de Paris-Saclay, Yanlei Diao est membre du LIX, le Laboratoire d'Informatique de l'École polytechnique (en cotutelle avec le CNRS), de l'Équipe DBWeb du laboratoire LTCI de Télécom ParisTech et de l'Équipe Cedar du centre de recherche Inria Saclay – Île-de-France.
 
Cette bourse européenne récompense l’excellence scientifique de la chercheuse et de son projet, ainsi qu’une vision innovante en termes «d’accélération et d’optimisation du calcul analytique pour données massives». C’est la première distinction accordée à un enseignant-chercheur titulaire d'une chaire d'excellence financée par l'Université Paris-Saclay.
 
Yanlei Diao
 © École polytechnique_Jérémy Barande
 
Yanlei Diao, diplômée en 2005 d’un doctorat de l'Université de Californie, Berkeley, devient professeur à l'Université du Massachusetts Amherst aux États-Unis, où elle développe la recherche et l'enseignement dans le domaine de l’analyse de données massives. Reconnue internationalement pour son expertise dans le traitement des flux de données massives, elle établit aussi de nombreuses collaborations avec des entreprises comme Google, IBM ou Cisco. Le 1er septembre 2015, Yanlei Diao est recrutée conjointement par l'École polytechnique et Télécom ParisTech dans le but de développer une équipe de recherche de classe mondiale dans le domaine des données massives.
 
Cette récompense vient encourager le caractère visionnaire de ses recherches.
 
L’ERC Consolidator Grant distingue un chercheur ayant 7 à 12 ans d’expérience après son doctorat, pour son excellence scientifique et celle de son projet (valeur, caractère novateur, faisabilité, méthodologie innovante). 
 
Dans le domaine des Big Data, les analyses permanentes à faible latence des grands volumes de données, appelées « Big and Fast Data Analysis » dans le cadre de cette bourse, sont d'une importance capitale aujourd'hui. Ces analyses promettent de transférer rapidement les informations et les réflexions issues de l’analyse de données vers de nombreuses applications, favorisant ainsi la révolution qui s’opère dans les domaines scientifiques (la génomique par exemple) et sociétaux. Cependant, les systèmes actuels ne permettent pas à la fois le passage à grande échelle des données et la faible latence (temps de réponse) des analyses.
 
Dans ses recherches, Yanlei Diao développe de nouveaux fondements algorithmiques, succédant aux systèmes Hadoop et Spark pour concevoir des systèmes de « big fast data » sur de nouvelles bases. Cette nouvelle vision augmente le potentiel de parallélisme sous toutes ses formes, qu'il s'agisse du parallélisme des données - pour le passage à l'échelle - ou du parallélisme dit « pipeline » - pour diminuer les temps de réponse des traitements. Elle fait ainsi avancer l'état de l'art sur de nombreux fronts. En savoir plus sur : Yanlei Diao
 
De nombreuses perspectives
 
Yanlei Diao souligne l’efficacité de l’accompagnement dont elle a bénéficié - et notamment l’accompagnement mis en place par l’Université Paris-Saclay - pour la préparation du projet et sa présentation devant les membres des panels ERC. Le financement de l'ERC va lui permettre de s'entourer de gens talentueux afin de développer ce projet ambitieux. Elle compte aussi renforcer ses collaborations notamment en Machine Learning.
 
La chercheuse anticipe des applications dans de nombreux domaines et elle est à la recherche de cas d’étude réels et d’entreprises partenaires en France ; elle compte développer des collaborations dans la gestion de données sur des sujets tels que l'analyse à grande échelle des données web, l’analyse rapide des données du génome, l’analyse des données dans le domaine de la santé, le suivi des objets en temps réel et la détection dans l’internet des objets.