Entouré d’une équipe de quatre étudiants, deux post-doc et trois stagiaires, il s’attache à faire du machine learning en temps réel. Ses recherches constituent une innovation et une gageure : l’apprentissage automatique standard est fait en utilisant des données déjà stockées qui sont statiques, ce qui nécessite beaucoup de ressources. Le machine learning en temps réel permet de faire l’apprentissage machine efficacement, en utilisant moins de ressources et en adaptant les prédictions des chercheurs aux changements dans les données. Ce qui est très important dans plusieurs contextes applicatifs comme, par exemple, la maintenance prédictive – ou l’analyse et la reconnaissance des signes précurseurs du dysfonctionnement d’un bien. Le chercheur a des collaborations de recherche bien établies avec EDF, Orange, Safran, Telefonica et Huawei.
Ses travaux précédents l’ont vu participer au développement du logiciel MOA (Massive Online Analysis) en Nouvelle-Zélande. Ce logiciel, le plus téléchargé pour l’analyse des données en temps réel, sert notamment le chercheur dans le cadre de ses recherches actuelles. Albert Bifet a également contribué au développement d’Apache SAMOA, aux Yahoo Labs à Barcelone. Apache SAMOA est un logiciel de Big Data en open source, conçu pour faire du machine learning distribué en temps réel. Il fonctionne sur des clusters d’ordinateurs utilisant des systèmes Hadoop.
En outre, l’élaboration de méthodes pour la classification de data streams adaptatifs, entamée en 2004, est une autre contribution importante du chercheur.
