Julie Jacques

Julie JACQUES

Enseignant-Chercheur Lecturer
Faculté de Gestion, Economie et Sciences (FGES) - Institut Catholique de Lille Faculty of Economics, Management and Sciences (FGES) - Lille Catholic University
Chercheur associé Associated researcher
CRIStAL équipe ORKAD CRIStAL team ORKAD

L'apprentissage automatique et l'optimisation pour faire parler les données White-box Machine Learning and Combinatorial Optimization

I am interested in interactions between white-box machine learning and combinatorial optimisation. I work(ed) on multi-objective rule mining, biclustering and more recently on recommendation systems or on neural architecture search with a focus on explainability. When possible, I like to apply my research to industrial issues, especially (but not restricted) to medical informatics.
I am currently a lecturer in computer science, at the Faculty of Economics, Management and Sciences of Lille Catholic University ​(FGES) and an associated researcher at CRIStAL (ORKAD Team)
Je m'intéresse à la recherche appliquée et aux projets innovants, et plus précisément à la fouille de données médicales et à l'optimisation combinatoire. Je suis actuellement enseignant chercheur en informatique, à l'école du numérique de la faculté de gestion, économie et sciences (FGES).

Optimisation combinatoire Combinatorial Optimisation Imbalanced Data Données asymétriques Supervised Classification Classification supervisée Partial Classification Classification partielle EXplainable AI (XAI) IA explicable Medical Informatics Informatique médicale

Recherche

Avant ma thèse j'ai réalisé un prototype pour le projet ANR AKENATON, qui visait à la classification automatique d'alertes issues de pacemakers, en tenant compte du contexte du patient, à l'aide d'un système expert de 35 règles et d'ontologies. Sur le projet RNTL Faros, j'ai travaillé pour l'équipe GOAL (Groupe sur les Objets et composAnts Logiciels) sur un démonstrateur cible du procédé, à base de programmation par contrats et aspects, appliqué au Dossier Médical Personnel (DMP).

Durant ma thèse dans l'équipe DOLPHIN (Discrete multi-objective Optimization for Large scale Problems with Hybrid dIstributed techNiques) j'ai proposé l'algorithme MOCA-I, un algorithme de classification supervisé adapté aux particularités des données médicales : asymétrie, incertitude et volumétrie en colonnes. Cet algorithme d'optimisation obtient statistiquement de meilleurs modèles que les algorithmes état de l'art. J'ai également élaboré le prototype d'Opcyclin, un logiciel de recrutement pour les essais cliniques dans lequel s'intègre MOCA-I.

Après ma thèse, j'ai continué à travailler en entreprise pendant 4 ans. J'ai été la responsable scientifique en entreprise d'une thèse CIFRE (2014-2017 Optimisation combinatoire et extraction de connaissances sur données hétérogènes et temporelles : application à l’identification de parcours patients) pour la prise en compte de la temporalité dans MOCA-I et l'élaboration d'une méthode de bi-clustering adaptée aux particularités des données médicales. J'ai également orchestré la mise en place de l'évaluation médicale de MOCA-I pour la détection de patients, sur les essais cliniques (Opcyclin) et pour la détection de patients porteurs de bactéries multi-résistantes.

Depuis décembre 2017, je suis enseignant chercheur à la faculté de gestion, économie et sciences de l'Institut Catholique de Lille. Depuis 2019, je suis chercheur associé à CRIStAL équipe ORKAD. Je co-encadre deux thèses : Meyssa Zouambi - "Configuration Automatique de réseaux de neurones profonds, à l'aide de méthodes multi-objectif" (co-encadrement 50%, Clarisse Dhaenens 50%) et Mounir Hafsa - Planification et Recommendations pour les formations professionnelles (thèse CIFRE Mandarine Academy, co-encadrement 50%, Laetitia Jourdan 50%). Je travaille également avec Hélène Touzet (équipe Bonsai) sur les données de spectres MALDI FT-ICR issus de prélèvements archéologiques.

Enseignement

Depuis janvier 2018 j'enseigne à la faculté de gestion, économie et sciences de l'Institut Catholique de Lille, de la 1ère année de licence au master 2 pour un total de 980h ETD (dont 418h C et 442h TD). J'enseigne ou j'ai enseigné sur des matières variées : architecture des ordinateurs, bases de données (base & avancé), sciences des données, intelligence artificielle (apprentissage automatique), programmation python, programmation micro:bit, design patterns, méthodes agiles, ergonomie et connaissance de l'entreprise.

Entre 2012 et 2016 j'ai enseigné en tant qu'enseignant vacataire à l'Université de Lille I, en plus de mon activité professionnelle. J'ai enseigné les bases de données (base & avancé), le PHP/MySQL, l'informatique décisionnelle, la fouille de données, la programmation avancée et c/système à l'UFR IEEA de l'Université de Lille 1 (M1 MIAGE), Polytech'Lille (GIS2 et IMA) et IUT (Licence Pro) pour un total de 84 heures de cours, 72h TD et 186h TP (320h ETD).

Responsabilités administratives

Distinctions

Prix de la thèse en collaboration avec une entreprise aux Force Awards 2015.

THESEClassification supervisée sur données médicales appliquée au recrutement dans les essais cliniques


Détails thèse
Le contexte
Une RECHERCHE MÉDICALE FREINÉE : pas assez de patients inclus dans les ESSAIS CLINIQUES
Des données HOSPITALIÈRES VOLUMINEUSES, HÉTÉROGÈNES, SOUS-EXPLOITÉES, qui permettraient de trouver ces patients
La problématique
COMPLÉTER DES INFORMATIONS MANQUANTES par la prédiction de valeurs
Gérer de TRÈS GROS VOLUMES DE DONNÉES en lignes et en colonnes
L'objet de la thèse
La création de MOCA-I - algorithme de CLASSIFICATION SUPERVISEE sur des données asymétriques, incertaines, volumineuses en colonnes
Le BENCHMARKING de l'algorithme par rapport à l'état de l'art, et sur des DONNEES HOSPITALIÈRES
La création d'un logiciel permettant aux équipes de recherche de récupérer les patients : OPCYCLIN
Les suites
Mise sur le marché d’OPCYCLIN©, permettant grâce à MOCA-I de PROFILER LES PATIENTS attendus dans chaque essai clinique
La déclinaison du MOTEUR DE PROFILAGE pour d’autres usages : DÉTECTION DE PATIENTS À RISQUE
La participation avec l’INRIA et l’Université de Lille 1 à un PROJET ANR (CLINMINE – TECSAN 2013)

Liste des publications

Revues internationales avec comité de lecture 6

A Biclustering Method for Heterogeneous and Temporal Medical Data A*

M. Vandromme, J. Jacques, J. Taillard, L. Jourdan and C. Dhaenens

IEEE Transactions on Knowledge and Data Engineering - vol. 34, no. 2, pp. 506-518, 1 Feb. 2022, doi: 10.1109/TKDE.2020.2983692

The Detection of hospitalized patients at risk of testing positive to multi-drug resistant bacteria using MOCA-I, a rule-based “white-box” classification algorithm for medical data A

Julie Jacques, Helene Martin-Huyghe, Justine Lemtiri-Florek, Julien Taillard, Laetitia Jourdan, Clarisse Dhaenens, David Delerue, Arnaud Hansske, Valerie Leclercq

International Journal of Medical Informatics,2020,104242,ISSN 1386-5056, October 2020, Volume 142, https://doi.org/10.1016/j.ijmedinf.2020.104242

ClinMine : Optimizing the management of patients in hospital Q3

C. Dhaenens, J. Jacques, V. Vandewalle, M. Vandromme, E. Chazard, C. Preda, A. Amarioarei, M. Chaiwuttisak, C. Cozma, G. Ficheur, M-E. Kessaci, R. Perichon, J. Taillard, R. Bordet, A. Lansiaux, L. Jourdan, D. Delerue A. Hansske

IRBM - Innovation and Research in BioMedical Engineering, Elsevier, Volume 39, Issue 2, April 2018, Pages 83-92, 2018

Extraction and optimization of classification rules for temporal sequences: application to hospital data Q1

M. Vandromme, J. Jacques, J. Taillard, L. Jourdan, C. Dhaenens

Knowledge Based System, accepted (2017)

Conception of a dominance-based multi-objective local search in the context of classification rule mining in large and imbalanced datasets Q1

Julie Jacques, Julien Taillard, David Delerue, Clarisse Dhaenens,Laetitia Jourdan

Applied Soft Computing 34, 705-720, 2015

Personalized and Automated Remote Monitoring of Atrial Fibrillation Q1

Arnaud Rosier, Philippe Mabo, Lynda Temal, Pascal Van Hille, Olivier Dameron, Louise Deléger, Cyril Grouin, Pierre Zweigenbaum, Julie Jacques, Laure Laporte, Emmanuel Chazard, Christine Henry, Anita Burgun

Europace, 2015

Revues francophones 1

Aide à la décision en télécardiologie par une approche basée ontologie et centrée patient

Burgun A, Rosier A, Temal L, Jacques J, Messai R, Duchemin L, Deléger L, Grouin C, Van Hille P, Zweigenbaum P, Beuscart R, Delerue D, Dameron O, Mabo P, Henry C.

IRBM Ingénierie et Recherche Biomédicale, Volume 32, Issue 3, June 2011, Pages 191–194

Edition d'ouvrage 1

Organizing Smart Buildings and Cities - Promoting Innovation and Participation

Magnaghi, E., Flambard, V., Mancini, D., Jacques, J. & Gouvy, N.

Lecture Notes in Information Systems and Organisation, 2021, https://doi.org/10.1007/978-3-030-60607-7

Chapitres d'ouvrage 2

Organizational and Environmental Framework of Smart Cities, Universities and Buildings

Flambard, V., Gouvy, N., Jacques, J., Magnaghi, E., & Mancini, D.

Organizing Smart Buildings and Cities (pp. 1-12). Springer, (2021) 10.1007/978-3-030-60607-7_1

Knowledge Discovery in Bioinformatics

Julie Hamon, Julie Jacques, Laetitia Jourdan, Clarisse Dhaenens

Handbook of Computational Intelligence 2015; 1211-1223

Conférences internationales avec comité de lecture et actes 10

A Multi-Objective Evolutionary Approach to Professional Course Timetabling: A Real-World Case Study A

M. Hafsa, P. Wattebled, J. Jacques and L. Jourdan

2021 IEEE Congress on Evolutionary Computation (CEC), 2021, pp. 997-1004, doi: 10.1109/CEC45853.2021.9504797

Impact of the Discretization of VOCs for Cancer Prediction using a Multi-Objective Algorithm International Conference on Learning and Intelligent Optimization

Sara Tari, Lucien Mousin, Julie Jacques, Marie-Eléonore Kessaci, Laetitia Jourdan

LION 2020, 151-157. Doi : 10.1007/978-3-030-53552-0_16

Automatic Configuration of a Multi-Objective Local Search for Imbalanced Classification A

Sara Tari, Holger H. Hoos, Julie Jacques, Marie-Eleonore Kessaci and Laetitia Jourdan

PPSN 2020 (Parallel Problem Solving From Nature) https://dx.doi.org/10.1007/978-3-030-58112-1_5

Multi-objective Automatic Algorithm Configuration for the Classification Problem of Imbalanced Data A

Sara Tari, Nicolas Szczepanski, Lucien Mousin, Julie Jacques, Marie-Eleonore Kessaci and Laetitia Jourdan

IEEE Congress on Evolutionary Computation 2020 https://dx.doi.org/10.1109/CEC48606.2020.9185785

A local search-based multi-objective metaheuristic for biclustering on heterogeneous data

Maxence Vandromme,Julie Jacques,Julien Taillard, Laetitia Jourdan, Clarisse Dhaenens

Metaheuristics International Conference, MIC 2017 (accepted)

A Scalable Biclustering Method for Heterogeneous Medical Data

Maxence Vandromme, Julie Jacques, Julien Taillard, Laetitia Jourdan, Clarisse Dhaenens

Second International Workshop on Machine Learning, Optimization and Big Data - MOD 2016, LNCS 10122, 2016

Handling numerical data to evolve classification rules using a Multi-Objective Local Search

Vandromme Maxence,Julie Jacques,Taillard Julien, Jourdan Laetitia, Dhaenens Clarisse

etaheuristics International Conference, MIC 2015

The Benefits of Using Multi-objectivization for Mining Pittsburgh Partial Classification Rules in Imbalanced and Discrete Data A

Julie Jacques, Julien Taillard, David Delerue, Laetitia Jourdan, Clarisse Dhaenens

Proceeding of the fifteenth annual conference on Genetic and evolutionary computation conference, pp 543-550.

MOCA-I: discovering rules and guiding decision maker in the context of partial classification in large and imbalanced datasets

Julie Jacques, Julien Taillard, David Delerue, Laetitia Jourdan, Clarisse Dhaenens

Learning and Intelligent OptimizatioN Conference, LION 7, Lecture Notes in Computer Science 2013, pp 37-51

Comparing Drools and ontology reasoning approaches for telecardiology decision support

Pascal Van Hille,Julie Jacques,Julien Taillard, Arnaud Rosier, David Delerue, Anita Burgun,Olivier Dameron

MIE 2012 - Studies in Health Technology and Informatics. 180:300-304,2012

Conférences internationales 2

Application of MOCA-I: a multi-objective classification algorithm for the detection of multi-resistant bacteria

Julie Jacques, Hélène Martin-Huyghe, Justine Lemtiri-Florek, Julien Taillard, Laetitia Jourdan, Clarisse Dhaenens, David Delerue, Arnaud Hansske and Valérie Leclercq

International Conference on Learning and Intelligent Optimization, LION 2020, Oral Communication

Multi-objective local search for mining Pittsburgh classification rules

Julie Jacques, Julien Taillard, David Delerue, Laetitia Jourdan, Clarisse Dhaenens

META 2012: International Conference on Metaheuristics and Nature Inspired Computing, October 27th-31th 2012, Port El-Kantaoui, Tunisia

Conférences nationales 4

Une approche évolutionnaire multiobjectif pour la planification des cours professionnels

Hasfa Mounir, Pamela Wattebled, Julie Jacques, Laetitia Jourdan

Congrès annuel de la société Française de Recherche Opérationnelle et d’Aide à la Décision ROADEF 2021, Apr 2021, Mulhouse, France.

Optimisation multiobjectif pour le diagnostic de pathologies via biomarqueurs

Sara Tari, Laetitia Jourdan, Marie-Eléonore Kessaci, Julie Jacques, Lucien Mousin

Congrès annuel de la société Française de Recherche Opérationnelle et d’Aide à la Décision (ROADEF), Feb 2020, Montpellier, France

Extension des critères d'inclusions dans les essais cliniques à l'aide de méthodes d'optimisation

Julie Jacques, David Delerue, Laetitia Jourdan, Clarisse Dhaenens

ROADEF 2011: 12e congrès annuel de la Société française de Recherche Opérationnelle et d'Aide à la Décision, Saint-Étienne : France (2011)

Réseau d’Observation en Télécardiologie : Modèle de Données Basé sur HL7

Radja Messai, Julie Jacques, Régis Beuscart

Extraction et Gestion de Connaissance 2011, Atelier Extraction de Connaissance et Santé

Responsabilités administratives

  • recrutement et accompagnement des enseignants vacataires
  • classement des dossiers parcoursup
  • entretiens parcoursup
  • ateliers immersion (2 par an) avec robots mbot
  • journées portes ouvertes (3 par an), salon de l'étudiant, lycées (1 à 2 par an)
  • correction rapports de stage
  • élaboration calendrier académique alternance
  • visites entreprise alternants
  • soutenances de stage L3
  • étude dossiers, entretiens, tests admissions parallèles L3
  • matinée/soirée parents (1 à 2 par an)
  • soirée vacataires (1 par an)
  • jurys
  • signatures conventions de stage
  • passage en compétences - élaboration du référentiel de compétences
  • accompagnement des étudiants
  • convocation des étudiants en difficulté
  • Grand QCM : mobilisation des enseignants, vérification des QCM Moodle, relances enseignants, envoi des résultats aux parents

Enseignement

Total d'environ 1300h ETD (442h C + 482h TD + 218h TP/Tutorat)

2021-2022 (FGES)
Business Database(Anglais)
M1 Data
6h C ; 18h TD
Sciences de la donnée
M2 Digital Commerce (alternance)
8h C ; 8h TD
Intelligence Artificielle
M1 Informatique, Ingénierie et Innovation (alternance)
12h C ; 12h TD
Bases de données 3
L3 Sciences du numérique (alternance)
8h C ; 8h TD
Design Patterns
L3 Sciences du numérique (alternance)
6h C 18h TD
IA en santé
DU Santé Numérique
3h C
Programmation micro:bit
L1 Art (Pole IIID)
4h C 14h TD
Méthodologie Rapport de Stage
L2 Sciences du numérique
2h C
TP aide à la décision
L3 Sciences de la vie
0,5h C ; 3h TP
Sciences de la données
L3 Sciences du numérique (alternance)
8h C ; 10h TD
Ac'Lab - Projets d'initiative
L2 Sciences du numérique
4h cours 24h Tutorat
Bases de données
L1 Sciences du numérique
6h cours 12h TD
2020-2021 (FGES)
Sciences de la donnée
M2 Digital Commerce (alternance)
8h C ; 8h TD
Install Linux
L1 Sciences du numérique
4h TP
Intelligence Artificielle
M1 Informatique, Ingénierie et Innovation (alternance)
12h C ; 12h TD
TP aide à la décision
L3 Sciences de la vie
0,5h C ; 3h TP
Initiation à la programmation (Python 1)
L3 Sciences de la Vie
18h TD/TP
Design Patterns
L3 Sciences du numérique (alternance)
6h C 18h TD
Artificial Intelligence (Anglais)
M2 Informatique, Ingénierie et Innovation (alternance)
12h C ; 12h TD
Connaissance de l'entreprise
L1 Sciences du numérique
8h cours 4h TD
Méthodologie Rapport de Stage
L2 Sciences du numérique
2h C
Bases de données 3
L3 Sciences du numérique (alternance)
8h C ; 8h TD
Bases de données
L1 Sciences du numérique
6h cours 14h TD
Ac'Lab - Projets d'initiative
L2 Sciences du numérique
4h cours 14h Tutorat
IA en santé
DU Santé Numérique
3h C
Sciences de la données
L3 Sciences du numérique (alternance)
8h C ; 10h TD
2019-2020 (FGES)
Bases de données relationnelles
M1 Informatique, Ingénierie et Innovation (alternance)
14h C ; 14h TD
Bases de données 3
L3 Sciences du numérique
8h C ; 8h TD
Fouille de données
L3 Sciences du numérique (alternance)
12h C
IA en santé
DU Santé Numérique
3h C
Connaissance de l'entreprise
L1 Sciences du numérique
10h cours 2h TD
TP aide à la décision
L3 Sciences de la vie
0,5h C ; 3h TP
Bases de données
L1 Sciences du numérique
8h cours 8h TD
Python 1
L3 Gestion ; L3 Economie ; L3 CFA
6h C (vidéo); 2*18h TD/TP
Ac'Lab - Projets d'initiative
L2 Sciences du numérique
4h cours 26h Tutorat
Ac'Lab - projet informatique
L3 Sciences du numérique / M1 Informatique, Ingénierie et Innovation (alternance)
36h TD/TP
2018-2019 (FGES)
Architecture des ordinateurs
L1 Sciences du numérique
8h C ; 16h TD
TP aide à la décision
L3 Sciences de la vie
0,5h C ; 3h TP
Connaissance de l'entreprise
L1 Sciences du numérique
10h cours 2h TD
Python 1
L1 Art (Pole IIID)
6h C ; 2*18h TD/TP
Python 2
L2 Art (Pole IIID)
6h C ; 2*18h TD/TP
Ergonomie
L1 Sciences du numérique
6h C ; 10h TD
Entrepôts de données
M1 Informatique, Ingénierie et Innovation (alternance)
6h cours 18h TD
Ac'Lab - Projets d'initiative
L2 Sciences du numérique
4h cours 44h Tutorat
2017-2018 (FGES)
Python 1
L1 Art (Pole IIID)
6h C ; 2*18h TD/TP
Ergonomie
L1 Sciences du numérique
6h C ; 10h TD
Connaissance de l'entreprise
L1 Sciences du numérique
10h cours 2h TD
2016-2017
Informatique décisionnelle
M1 MIAGE
19h TD/TP
Fouille de données
M1 MIAGE
16h TD/TP
PHP/MySQL
L3 SARII 20 (10 TP)
6h cours 6h TD 40h TP
BDD avancé
M1 GIS alt.
14h cours 6h TP
2015-2016
Bases de données
L3 SARII 20 (10 TP)
6h cours 6h TD 28h TP
BDD avancé
M1 GIS alt.
14h cours 6h TP
Fouille de données
M1 MIAGE
16h TD/TP
Informatique décisionnelle
M1 MIAGE
19h TD/TP
2014-2015
Bases de données (avancé)
Polytech'Lille GIS2A4 (alternance)
14h cours / 6h TP
Base de données & SQL
Licence Pro IRI (IUT Lille 1)
6h cours, 6h TD, 28h TP
Fouille de données
M1 MIAGE
16h TD/TP
2013-2014
Bases de données (avancé)
Polytech'Lille GIS2A4 (alternance)
14h cours / 6h TP
Data warehouse & Datamining
MIAGE 5 (Lille 1)
2h cours, 16h TD/TP
Resp.: L. Jourdan
Base de données & SQL
Licence Pro IRI (IUT Lille 1)
4h cours, 4h TD, 24h TP
2012-2013
C/Système
Polytech'Lille GIS4
12h TP
Resp.: N. Devesa
Data warehouse & Datamining
MIAGE 5 (Lille 1)
2h cours, 16h TD/TP
Resp.: L. Jourdan
Base de données & SQL
Licence Pro IRI (IUT Lille 1)
4h cours, 4h TD, 24h TP
2012-2013
Programmation avancée (C)
Polytech'Lille IMA
22h TP, 10h Tutorat
Resp.: L. Gonnord
Data warehouse & Datamining
MIAGE 5 (Lille 1)
18h TD/TP
Resp.: L. Jourdan
Base de données & SQL
Licence Pro IRI (IUT)
4h cours, 4h TD, 24h TP
Icônes conçues par Freepik from www.flaticon.com