Audrey Poterie Docteur en statistique - Résumé
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
MSPGH, University of Melbourne
207-221 Bouverie Street, Parkville
Audrey Poterie VIC 3053, Melbourne, AUSTRALIA
T +61 4 52 52 75 74
B audrey.poterie@unimelb.edu.au
Í https://audreypoterie.weebly.com
Docteur en statistique 28 ans
Résumé
Je suis diplômée d’un doctorat de mathématiques appliquées et statistiques du laboratoire IRMAR-
INSA de Rennes (France). Ma soutenance de thèse s’est déroulée le 18 octobre 2018 à l’INSA de Rennes.
Depuis novembre 2018, je suis en post-doctorat de biostatistique dans l’équipe de biostatistique de
l’École de santé publique et de santé des populations de l’Université de Melbourne (Australie).
Mon activité de recherche se situe dans le cadre des statistiques appliquées aux sciences du vivant. Au
cours de mon doctorat, je me suis intéressée aux méthodes d’apprentissage et plus particulièrement aux
approches par arbres et de forêts aléatoires. Aujourd’hui en post-doctorat, je poursuis mes recherches
sur les algorithmes d’apprentissage et de machine learning et je m’intéresse plus précisément aux
algorithmes des forêts aléatoires et de deep learning pour l’analyse de données IRM.
Mes stages et mon année d’ingénieure-biostatisticienne au sein de l’unité de biostatistique de Gustave-
Roussy m’ont également permis d’aborder d’autres thématiques de recherche telles que l’approche
causale dans le cadre des essais cliniques de phases I en cancérologie, l’analyse de données longitudinales
et l’analyse de données de survie. J’ai également eu l’opportunité d’enseigner différents domaines des
mathématiques face à des audiences diverses.
Objectifs
Les statistiques étant une science appliquée, je souhaite poursuivre mes recherches par des collaborations
interdisciplinaires (médecine, biologie, environnement...). Je suis intéressée à la fois par l’étude
mathématique des méthodes statistiques et à leurs applications à des problèmes concrets en médecine,
en biologie et en environnement. Désirant aussi enseigner, la combinaison d’une activité de recherche
avec l’enseignement constitue un bon équilibre et me conforte dans mon choix de devenir maître de
conférences.
Parcours académique
2018 – 2015 Post-doctorat en biostatistique, Melbourne School of Population and Global Health,
Melbourne (Australia), sous la direction du Professeur Julie Simpson.
2015 – 2018 Doctorat de mathématiques appliquées et statistiques, IRMAR-INSA, Univer-
sité de Rennes 1, Rennes (France), sous la direction de Jean-François Dupuy, Valérie
Monbet et Laurent Rouvière.
{ Titre : Arbres de décision et forêts aléatoires pour variables groupées.
{ Thématique principale : Développement de méthodes par arbres et de forêts aléatoires
adaptées aux variables groupées.
{ Seconde thématique : Etude statistique d’un algorithme de clustering hiérarchique robuste
en présence d’outliers.
{ Mots clés : méthodes d’apprentissage, machine learning, arbres de décision, forêts aléatoires,
groupes de variables, sélection de groupes de variables, biostatistique, classification non-
supervisée.
{ Implémentation : dévelopement de la libraire R nommée DTRFGV (le package R) et
des fonctions associées à l’algorithme TPLDA (les fonctions R).
{ Soutenue le 18 octobre 2018.2013 – 2014 Master 2 de recherche en mathématiques, statistiques, Université de Rennes 1
(France).
{ Mention bien.
2011 – 2014 Diplôme d’ingénieur statisticien, École Nationale Supérieure de la Statistique et
de l’Analyse de l’Information (ENSAI), Groupe des écoles nationales d’économie et de
statistique (GENES), Rennes (France).
{ Mention très bien.
2010 – 2011 Licence 3 en mathématiques fondamentales, Université d’Angers, Angers
(France).
{ Mention très bien.
Thématiques de recherche
En post-doctorat, mes projets de recherche portent principalement sur les thématiques suivantes :
{ Méthodes de machine learning, deep learning, analyse d’images.
{ Biostatistique.
Durant ma thèse, mes activités de recherche se sont organisées autour des thématiques suivantes :
{ Méthodes d’apprentissage, classification supervisée, machine learning, arbres de décision, forêts
aléatoires, algorithmes de machine learning.
{ Biostatistique.
{ Méthodes de classification non-supervisée et leurs propriétés mathématiques.
Au cours de mes stages et de mon année d’ingénieure biostatisticienne, j’ai également étudié les
thématiques suivantes :
{ Analyse de données observationelles, méthodes causales, analyse de données de survie, modèles
paramétriques et semi-paramétriques, données censurées, données manquantes, échantillons de petites
tailles, essais cliniques, cancérologie.
{ Analyse de données longitudinales, modèles mixtes, modèles additifs, régression multivariée par
splines adaptatives (MARS).
Expérience professionnelle
2014 – 2015 Ingénieure-biostatisticienne, Service de biostatistique et d’épidémiologie, Villejuif
(France).
{ Étude et adaptation de méthodes causales aux échantillons de petites tailles.
{ Analyses statistiques d’essais cliniques et de données observationnelles.
{ Rédaction d’articles présentant les résultats d’essais cliniques et des études observation-
nelles.
{ Activités d’enseignement.
20142015– Stage, Service de biostatistique et d’épidémiologie, Villejuif (France), encadré par
Emilie Lanoy.
{ Sujet : étude des performances des méthodes basées sur le score de propension appliquées à
des données de Phase I en cancérologie - Evaluation des traitements de médecine personnalisée
dans le cancer du sein.
{ Durée : 6 mois.
{ Extension des méthodes reposant sur le score de propension aux échantillons de petites
tailles.
{ Présentation des travaux de recherche à plusieurs conférences.20132015– Stage, Centre for Clinical research and effective practice (CCrep), Hôpital Middlemore
et Université d’Auckland (AUT), Auckland (Nouvelle Zélande), encadré par le Professeur
Alain Vandal.
{ Sujet : modélisation de la croissance des tissus fœtaux : élaboration d’un modèle joint.
{ Durée : 2 mois.
{ Analyse de données longitudinales : modèles à effets aléatoires.
{ Élaboration de courbes de croissance et de vélocité : régressions multivariées par
splines adaptatives.
Activités d’enseignement et encadrement
Service d’enseignement
2019– 2019 Auxiliaire d’enseignement, Université de Melbourne (Australie).
{ Régression linéaire (12h de travaux pratiques, étudiants de tMaster 1 de bio-
statistique) : Modèles linéaires simples et multiples, tests d’hypothèse, estimation des
paramètres, construction d’intervalles de confiance et de prédictions, transformation des
variables et interactions, étude de la qualité d’ajustement, introduction à l’ANOVA.
2016 – 2018 Auxiliaire d’enseignement, INSA Rennes (France).
{ Outils probabilistes pour l’ingénierie (20h de travaux dirigés, étudiants de
troisième année d’école) : fonctions de répartition, densités de probabilité, fonctions
caractéristiques, vecteurs gaussiens, théorèmes de la limite centrale, intervalles de confiance,
théorie des tests.
{ Introduction aux probabilités et à la statistique (44h de travaux dirigés, étudi-
ants de deuxième année d’école) : variables aléatoires discrètes et continues, fonctions
de répartitions, fonctions densité, probabilités conditionnelles, indépendance, distributions
jointes et marginales.
2014 – 2015 Auxiliaire d’enseignement, ENSAI Rennes (France).
{ Analyse de la variance (18h de travaux pratiques-travaux dirigés, étudiants de
deuxième année d’école) : ANOVA à un facteur et à deux facteurs, introduction aux
plans factoriels, contraintes d’identifiabilité, tests d’hypothèse, estimation des paramètres.
{ Introduction au langage R (47h de travaux pratiques, étudiants de première
année d’école) : concepts de base, types de données, les graphiques, introduction à
l’analyse statistique avec R, programmation.
2015– 2018 Auxiliaire d’enseignement, Faculté de médecine, Université Paris Sud (France).
{ Cours de probabilités-statistiques (6h de cours magistral, internes en cancérolo-
gie) : statistiques descriptives, lois de probabilité usuelles, tests d’hypothèse, intervalles de
confiance.
Encadrement d’étudiants
2019– 2019 Encadrement de deux étudiants de Master 2 de biostatistique, Projet de
recherche en biostatistique, Université de Melbourne (Australie).
Publications
Manuscrit de thèse
[1] A. Poterie, Arbres de décision et forêts aléatoires pour variables groupées. (Version
validée par les membres du jury disponible sous HAL)).
Revues en Statistique
[2] N. Klutchnikoff, A. Poterie and L. Rouvière, Statistical Analysis of a robust hierarchi-
cal clustering algorithm. Soumission à venir. (Correspond au chapitre 4 du manuscrit
de thèse).[3] A. Poterie, J.-F. Dupuy, V. Monbet and L. Rouvière, CART trees and random forests
for grouped variables. Soumission à venir. (Correspond au chapitre 3 du manuscrit de
thèse).
[4] A. Poterie, J.-F. Dupuy, V. Monbet and L. Rouvière, Classification tree algorithm for
grouped variables. Accepté dans la revue Computational Statistics. (Disponible sous
HAL).
Revues médicales
[5] R. Bahleda, M.-C. Le Deley, A. Bernard, S. Chaturvedi, M. Hanley, A. Poterie, et al.
Phase I trial of bortezomib daily dose: safety, pharmacokinetic profile, biological effects
and early clinical evaluation in patients with advanced solid tumors. Investigational
New Drugs, 1-10, 2017.
[6] M. Gizzi, L. Oberic, C. Massard, A. Poterie, et al. Predicting and preventing
thromboembolic events in patients receiving cisplatin-based chemotherapy for germ
cell tumours. European Journal of Cancer, 59, 151-157, 2016.
[7] C. Rodriguez, V. Suciu, A. Poterie, et al. Concordance between HER-2 status
determined by qPCR in Fine Needle Aspiration Cytology (FNAC) samples compared
with IHC and FISH in Core Needle Biopsy (CNB) or surgical specimens in breast
cancer patients. Molecular Oncology, 10(9), 1430-1436, 2016.
[8] C. Denkert, S. Wienert, A. Poterie, et al. Standardized evaluation of tumor-infiltrating
lymphocytes in breast cancer: results of the ring studies of the international immuno-
oncology biomarker working group. Modern Pathology, 29(10), 1155-1164, 2016.
Communications orales
Conférences internationales
[1] A. Poterie. Decision trees and random forests for grouped variables. 50ème Journeées
de Statistiques. Saclay (France), 2018.
[2] A. Poterie. Classification tree for grouped variables. 49ème Journeées de Statistiques.
Avignon (France), 2017.
[3] A. Poterie. Estimation de l’efficacité et de la toxicité des traitements chez les patients
inclus dans des essais de phase I : apport des méthodes reposant sur le score de
propension. EPICLIN. Montpellier (France), 2015.
[4] A. Poterie. Performances of methods based on propensity score in phase I trials
databases - Evaluation of molecular oriented metastatic breast cancer drugs. Journée
nationale biopharmacie et santé, SFdS. Paris (France), 2014.
[5] A. Poterie. Performances of methods based on propensity score in phase I trials
databases - Evaluation of molecular oriented metastatic breast cancer drugs. GDR
Statistiques et Santé. Paris (France), 2014.
Séminaires et groupes de travail
[6] A. Poterie. Arbres de décision et forêts aléatoires pour variables groupées. ViCBiostat
Work In Progress. Melbourne (Australie),2019.
[7] A. Poterie. Arbres de décision et forêts aléatoires pour variables groupées. Séminaire
de l’équipe de Probabilités et Statistique, Laboratoire Dieudonné, Université de Nice.
Nice (France), 2018.
[8] A. Poterie. Arbres de classification pour variables groupées. Septième Journée des
Jeunes Statisticiens, SFDS. Porquerolles (France), 2017.
[9] A. Poterie. Arbres de décision pour les variables groupées. Séminaire de Statistique
de l’IRMAR. Rennes (France), 2016.
Participations à des groupes de travail et écoles d’été
02/2019—- ViCBiostat Summer School 2019, VICBiostat, Melbourne (Australie).08/2017—- Eight Montreal Industrial Problem Solving Workshops, Centre de recherches
en Mathématiques de l’Université de Montréal, AMIES. Montreal (Canada).
04/2017—- Septième Journée des Jeunes Statisticiens, SFDS. Porquerolles (France).
01/2016—- Semaine Maths-Entreprises, AMIES. INRIA Antibes (France).
Bourses
2015 – 2018 Ministère de l’Enseignement Supérieur et de la Recherche, bourse de recherche
de 68 811,96e.
2017———- AMIES, bourse de mobilité de 1704,70e.
2015
2016———- AMIES, bourse de mobilité de 500e.
2015
2013 – 2014 GENES, bourse au mérite de 800e.
2012 – 2013 GENES, bourse au mérite de 1600e.
Vie scientifique
2016 – 2018 Responsable du séminaire des doctorants en statistique de l’IRMAR. IRMAR, Rennes
(France).
2016 – 2018 Membre du conseil d’administration de l’école doctorale de Mathématiques. IRMAR,
Rennes (France).
2012 – 2014 Membre de l’ENSAI Junior Consultant (EJC). ENSAI, Rennes (France).
Langues
Français : langue maternelle.
Anglais : niveau avancé, IELTS: 7/9 (06/2018), TOEIC: 850/990, (01/2013).
Compétences en informatique
Logiciels mathématiques : R, SAS, STATA, SPAD, WInbugs.
Langages informatiques : C/C++, Java, Python, SQL.
Logiciels bureautiques : LATEX, Microsoft Office.
Systèmes d’exploitation : Linux, Mac OS, Windows.
Intérêts personnels
Athlétisme : membre du club de l’Athlétic Club Cessonnais.
Plongée : obtention du niveau 1 FFESSM.
Voyages : Australie, Canada, Angleterre, Irlande, Portugal, Malte, Maroc, Nouvelle
Zélande, Italie, Vietnam, Guyane française.Vous pouvez aussi lire
