EN FR

Hugo Hadi Dayekh

Photo de Hugo Dayekh
GitHub LinkedIn Cuisine

Résumé

Bonjour ! Je suis ingénieur de recherche à Verimag (Grenoble), où je travaille sur STLRom, un outil de monitoring et de falsification en logique temporelle des signaux (STL), utilisé pour analyser et guider le comportement d'agents d'intelligence artificielle et d'apprentissage par renforcement. Je suis titulaire d'un doctorat en informatique, durant lequel j'ai développé des méthodes d'apprentissage automatique pour identifier des systèmes dynamiques hybrides à partir de séries temporelles. On peut voir ça comme le fait de déterminer les règles cachées qui régissent le comportement d'un système, et le moment où ces règles changent, simplement en observant son évolution. Avant cela, un master en science des données et une licence en physique et informatique. J'aime transformer des données complexes en modèles qui expliquent réellement quelque chose, et je cherche aujourd'hui à mettre cet état d'esprit au service de l'industrie. En dehors du travail, je cuisine, je pâtisse, et je tiens une liste sans fin de chansons que je n'arrive pas à arrêter d'écouter.

Parcours & Recherche

Ingénieur de recherche @ Verimag, Grenoble 12/2025 – aujourd'hui

Je travaille sur STLRom, en étendant cet outil de monitoring en logique temporelle des signaux (STL, C++ et Python) pour l'analyse et le guidage du comportement d'agents d'intelligence artificielle et d'apprentissage par renforcement.

Doctorant @ Verimag, Grenoble 09/2021 – 05/2025

Ma thèse a porté sur le développement de deux méthodes d'apprentissage automatique pour identifier des systèmes dynamiques hybrides, des systèmes dont le comportement bascule entre différents modes, directement à partir de séries temporelles, en combinant apprentissage passif (ajuster un modèle sur un jeu de données fixe) et apprentissage actif (interroger le système pour corriger les zones où le modèle actuel se trompe). J'y ai aussi travaillé sur le prétraitement des données, la régression incrémentale, l'optimisation et la classification, et testé l'ensemble sur des expériences simulées et réelles.
Thèse soutenue avec succès le 11/04/2024.
Mon manuscrit (avec un résumé en français) est disponible ici.

Chercheur invité @ Université de Kyoto, Japon 03/2023 – 04/2023

Durant mon séjour au Japon, j'ai enrichi mes travaux de thèse grâce à des échanges avec des collègues travaillant sur des sujets similaires. Cela a mené à des applications de mes travaux sur des données expérimentales de Mitsubishi Electric Tokyo.

Autres expériences

Mon parcours inclut plusieurs postes d'assistant de recherche ainsi qu'un poste de développeur, que vous pouvez retrouver en détail sur mon CV en français et en anglais.

Formation

Publications

  1. N. Kochdumper, C. Hsieh, H. Dayekh, A. Gurung, T. Dang, M. Waga, H. Segawa, et K. Suenaga, « Evaluating Hybrid Automata Learning Tools Based on Their Success in Formal Verification ».
    [IEEE Xplore]
  2. H. Dayekh, N. Basset, et T. Dang, « Learning of Switched Nonlinear Dynamical Systems: Passive and Active Approaches », in Design and Verification of Cyber-Physical Systems: From Theory to Applications, Lecture Notes in Computer Science, Springer.
    [Springer] [Ouvrage]
  3. H. Dayekh, N. Basset, et T. Dang, « Active Learning of Switched Nonlinear Dynamical Systems », in 2024 IEEE 63rd Conference on Decision and Control (CDC), déc. 2024.
    [IEEE Xplore] [HAL]
  4. H. Dayekh, N. Basset, et T. Dang, « Hybrid System Identification through Optimization and Active Learning », IFAC-PapersOnLine, vol. 58, n° 11, pp. 87–92, 2024.
    [DOI] [HAL]

Distinctions

Autres