Parcourir les annonces Parcourir les étudiants Publier une annonce Ajouter un CV

STAGE – Développement d’un algorithme de machine learning pour la sélection de covariables dans un modèle à effets mixtes

Rémunération
N/C
Lieu

Ecole Polytechnique (CMAP)

Date de début
N/C
Date de fin
N/C

Les modèles à effets mixtes sont un outil de référence pour décrire des phénomènes biologiques complexes tout en prenant en compte la variabilité entre individus au sein d’une même population.

Un tel modèle combine donc d’une part un modèle structurel paramétrique, qui décrit le phénomène biologique étudié (croissance d’une tumeur, dynamique virale, devenir d’un médicament dans un organisme, …) et un modèle statistique d’autre part qui décrit la variabilité inter-individuelle des paramètres du modèle structurel. Ce modèle statistique est généralement relativement simple et fait intervenir un nombre restreint de covariables individuelles.

SAMBA (Stochastic Approximation for Model Building Algorithm) est un algorithme récent, extrêmement rapide et efficace pour la construction automatique du modèle de covariables. Cet algorithme a été développé par l’équipe Xpop (Inria – X) ; il est maintenant implémenté dans le package Rsmlx (http://rsmlx.webpopix.org/userguide/buildmlx/) et dans le logiciel Monolix (http://lixoft.com/products/monolix/).

Néanmoins, SAMBA dans sa version actuelle n’est pas adapté lorsque le nombre de covariables est très important. C’est le cas de la pharmacogénomique, par exemple, lorsque l’on souhaite utiliser le profil génétique d’un patient pour expliquer la variabilité de réponses à un médicament.

L’objectif de ce stage est de développer une extension de l’algorithme SAMBA basée sur des techniques de machine learning pour la construction de modèles faisant intervenir un très grand nombre de covariables, puis la tester sur des données simulées. En cas de succès, la méthode développée sera implémentée dans une prochaine version de Rsmlx.

Durée : de 3 à 6 mois

Lieu : Ecole Polytechnique (CMAP)

Encadrant : Marc Lavielle

Contact : marc.lavielle@inria.fr


Editer