Irene Votsi

Je suis enseignant-chercheur à l’Université de Lorraine. J’enseigne à l’IUT de Metz, au sein du département Science des données, principalement auprès des étudiants de BUT3. Mes enseignements portent sur la statistique paramétrique et non paramétrique, la régression pénalisée et l’intelligence artificielle (arbres de décision, forêts aléatoires, réseaux de neurones, deep learning). Sur le plan de la recherche, je suis membre du Laboratoire Interdisciplinaire des Environnements Continentaux (LIEC, CNRS), et plus particulièrement de l’équipe EcoSe.

Mes travaux de recherche s’articulent autour de trois axes principaux : l’apprentissage statistique pour le Big Data, l’analyse de données et la modélisation stochastique, et l’estimation du risque à l’aide de modèles markoviens et semi-markoviens cachés.

1. Apprentissage statistique pour le Big Data

• Modèles linéaires généralisés

• Modèles à bruit gaussien fractionnaire

2. Analyse de données, modélisation et estimation pour les SVT

• Analyse de données appliquée à la biodiversité

• Estimation bayésienne pour les systèmes biologiques complexes

• Modélisation stochastique et estimation bayésienne des maladies infectieuses

• Modélisation stochastique en géophysique

3. Estimation du risque de défaillance

• Temps moyen de défaillance

• Taux d’occurrence de défaillance

Publications 
 

• Votsi, I., Limnios, N., Tsaklidis, G. & Papadimitriou, E. (2012) — Estimation of the expected number of earthquake occurrences based on semi-Markov models, Methodology and Computing in Applied Probability.

• Votsi, I., Limnios, N., Tsaklidis, G. & Papadimitriou, E. (2013) — Hidden Markov models revealing the stress field underlying the earthquake generation, Physica A: Statistical Mechanics and its Applications .

• Koutroumpas, K., Ballarini, P., Votsi, I. & Cournède, P.-H. (2016) — Bayesian parameter estimation for the Wnt pathway: An infinite mixture models approach, Bioinformatics.

• Votsi, I., Limnios, N., Papadimitriou, E. & Tsaklidis, G. (2018) Earthquake statistical analysis through multistate modeling, Mathematics and Statistics Series, Wiley-ISTE, ISBN: 978-1-119-57908-3, 180 p.

• Votsi, I. (2019) — Conditional failure rates for semi-Markov chains, Journal of Applied Statistics.

• Votsi, I., Gayraud, G., Barbu, V. & Limnios, N. (2021) — Hypotheses testing and posterior concentration rates for semi-Markov processes, Statistics and Inference for Stochastic Processes .