R & D

Depuis 2017, Effet B a mis en place son pôle de recherche et développement(R&D). L’innovation par la recherche et le développement est au coeur des activités de l'entreprise et est entièrement intégrée dans sa démarche de croissance digital.

Accueil > R & D

Nos thématiques de recherche

Les systèmes de recommandation

Systèmes de recommandation

Filtrage d’information sous une forme spécifique et permettant de proposer aux utilisateurs des informations susceptibles de les intéresser
Les systèmes de recommandation

Référentiels de compétences

Traitement des compétences, évaluation et gestion des compétences dans une organisation (Université, entreprise,…). Ces références de compétences sont définies et publiées par France Compétences (https://www.francecompetences.fr/)
Les systèmes de recommandation

Ingénierie des connaissances

Sémantisation du contenu, ontologies, extraction des connaissances, data mining et représentation des connaissances pour modéliser des connaissances individuelles ou collectives, explicites ou implicites, techniques ou expertes
Les systèmes de recommandation

Intelligence artificielle

Machine learning, réseaux de neurone et deep learning pour le traitement de données structurées ou média, mais également conversationnelle, pour mieux automatiser la relation client multicanale et faciliter les échanges (chatbot et VoiceBot)

Projets de recherche

Une première thèse de doctorat CIFRE a été effectuée au sein de l’entreprise et cette dernière a porté sur la mise en place d’un système de recommandation sémantique enrichi appliqué au domaine du e-marketing. Cette première thèse a été soutenue par Baba MBAYE en avril 2022 sous la direction du Pr. Ioan Roxin et M. Federico Tajariol du laboratoire ELLIADD de l’Université Bourgogne Franche-comté.


Retrouvez la thèse en ligne : theses.fr – Baba Mbaye, Système de recommandation sémantique enrichi. Application au domaine du e-marketing

Quelques publications

Baig, D., Nurbakova, D., Mbaye, B., & Calabretto, S. (2024). Knowledge Graph-Based Recommendation System for Personalized E-Learning. In UMAP Adjunct '24: Adjunct Proceedings of the 32nd ACM Conference on User Modeling, Adaptation and Personalization (pp. 561-566).


Mbaye, B. (2023). SEMANTIC RECOMMENDER SYSTEM USING MACHINE LEARNING FOR EDUCATION. In INTED2023 Proceedings (pp. 645-650). IATED.


Mbaye, B. (2020). Collaborative filtering combined with machine learning for satisfaction surveys. In International Journal of Advanced Research in Electrical Electronics and Instrumentation Engineering Vol.3, Iss.2, 6th World Machine Learning and Deep Learning Congress October 24-25, 2019 held at Helsinki, Finland


Mbaye, B. (2019). Organisation of knowledge from traces of human learning. In Proceedings 13th International Conference on e-Learning, 17 – 19 July 2019, Porto, Portugal, ISBN : 978-989-8533- 88-3, page 361-365.


Mbaye, B. (2019). Recommender system using unsupervised machine learning for satisfaction surveys . In Proceedings of 4th International Conference on Big Data Analytics, Data Mining and Computational Intelligence 16 – 18 July 2019, Porto, Portugal, ISBN : 978-989-8533-92- 0 page 251-255.


Mbaye, B. (2018). Representation of expert knowledge for e-learning. In Proceedings of The singapore education technology conference 2018, Singapore,Singapore, ISBN :978-981-11-6603-7.


Mbaye, B. (2018). Recommender System : Collaborative Filtering of e-Learning Resources. International Association for Development of the Information Society.


Mbaye, B. (2018). Ontology-based collaborative filtering recommendation for e-learning. In Proceedings of the 17th International Conference on Informatics in Economy (IE 2018) Education, Research Business Technologies, ISSN 2284-7472, Iasi, Romania, ISSN-L 2247- 1480, page 585- 592.


Équipe

  • Responsable R&D : Baba MBAYE
  • Ingénieur d'études : Edouard TORLAND
  • Ingénieur d'études et doctorante CIFRE : Duaa BAIG

Partenaires