Ce stage se place dans le cadre de la modélisation de villes intelligentes et plus précisément des comportements adaptatifs des entités constituant ce système. Cette évolution dynamique des comportements peut être supportée par un modèle d’apprentissage artificiel qui permettra une auto-adaptation des comportements des entités. Ainsi, les approches d’apprentissage artificiel  (machine learning) permettent de traiter à la fois le traitement des données et la prise de
décision. Les progrès de l’apprentissage artificiel des points de vue théorique et technique ont permis de développer un grand nombre d’applications dans ce contexte. Deux grandes familles d’approches peuvent être envisagées : les approches sémantiques et les approches numériques/statistiques.

  • Les approches numériques/statistiques incluent apprentissage supervisé et non supervisé : elles s’appliquent à la classification automatique, la reconnaissance de forme, aux arbres de décision, via l’utilisation des modèles de régression ou encore des techniques de réseaux de neurones. La qualité d’un apprentissage statistique est fonction
    du volume des données disponibles ainsi que la qualité de ces données (fiabilité des données, étiquetage précis et clair). Si les données ne sont pas toujours fiables ou contiennent des incertitudes, des méthodes comme la méthode de Dempster-Shafer permettent par exemple d’obtenir un résultat associé à un coefficient de confiance.
  • Les approches sémantiques mettent en avant un raisonnement prenant en compte l’ontologie du contexte utilisé et des traces d’activités et d’interactions. Cette ontologie, basée sur les liens entre les objets/termes, permet de donner un sens à l’environnement dans lequel le système évolue. L’apprentissage symbolique/sémantique pourra alors
    s’appuyer sur ces relations pour effectuer des inférences, ou produire des généralisations de nouveaux concepts ontologiques représentant de nouveaux comportements des systèmes sociotechniques. L’intégration d’un niveau “méta” permettrait idéalement d’améliorer l’apprentissage et ainsi de concevoir un système “Intelligent” capable de
    s’auto-adapter.

Le/la stagiaire s’attachera tout d’abord à la réalisation d’un état de l’art sur les techniques d’apprentissage numérique et symbolique et à l’identification des projets relatifs aux smartcities au niveau international, européen et national. Une première ébauche d’application sur des données test est envisagée.


Mots-clés
apprentissage automatique; artificial intelligence; données de capteurs
Établissement
Université de technologie de Troyes
10010 Troyes  
Site Web
https://www.utt.fr/
Date de début souhaitée
02/09/2019
Langues obligatoires
Anglais; Français
Niveau
Bac +5
Prérequis

Compétences en intelligence artificielle

Durée
6 mois
Indemnité
3000 euros
Informations de contact

Jean-Marc Nigro, jean_marc.nigro@utt.fr ; Sophie Loriette, sophie.loriette@utt.fr