Menu principal

Archives : Offres de thèse




5 Offres de thèse

Personnalisation des récits interactifs


Dans le cadre d’un projet de recherche financé par le Fonds National Suisse de la Recherche Scientifique, nous démarrons le développement d’une intervention numérique pour aider les parents vivant avec un/e adolescent/e souffrant d’anorexie à mieux gérer leur relation quotidienne. Cette intervention vise à immerger l’utilisateur dans des situations du quotidien afin de lui apprendre la meilleure manière d’interagir avec la personne souffrant du trouble.… En lire plus...


Établissement
Université de Genève - Centre universitaire d'informatique
1227 Carouge  
Directeur
Nicolas Szilas
Co-encadrants
Nicolas Szilas
Site Web
https://tecfa.unige.ch/perso/szilas/
Date de début souhaitée
01/02/2023
Langues obligatoires
Anglais; Français
Prérequis

• Titulaire d'un diplôme de niveau Master (Master, DEA, DESS, Ecole d'ingénieur) dans le domaine de l’Intelligence Artificielle, de l'informatique, de l’IHM, ou d'un titre jugé équivalent
• Connaissances en Intelligence Artificielle : moteurs de règles (notamment Drools), excellentes capacités d'abstraction
• Maîtrise du français et de l'anglais

Date limite
01/02/2023
Informations de contact

Nicolas Szilas
nicolas.szilas[@]unige.ch
+41 22 379 93 07

Techniques de fusion de données et d’intelligence artificielle pour le diagnostic de défauts capteur appliqué aux avions de prochaines générations


Cette thèse a pour but d’accroître l’autonomie des systèmes avioniques, comme par exemple de pouvoir fonctionner avec un seul pilote. Les travaux de recherche porteront sur la détection d’anomalies et le diagnostic des capteurs ainsi que sur la fusion de données pour délivrer des informations correctes au pilote. En effet, les défaillances ou des phénomènes atmosphériques particuliers peuvent les affecter, provoquant une forte diminution de l’assistance au pilotage.… En lire plus...


Mots-clés
diagnostic; fusion de données
Établissement
LAAS - LABORATOIRE D'ANALYSE ET D'ARCHITECTURE DES SYSTEMES
31077 TOULOUSE  
Directeur
Louise Travé-Massuyès (louise@laas.fr)
Co-encadrants
Carine Jauberthie (cjaubert@laas.fr)
Site Web
https://www.laas.fr/public/
Langues obligatoires
Anglais; Français
Informations de contact

Contact académique : L. Travé-Massuyès (louise@laas.fr) et Carine Jauberthie (cjaubert@laas.fr)
Contact industriel : G. Alcalay (guillaume.alcalay@airbus.com) et P. Goupil (philippe.goupil@airbus.com) 

Modélisation et classification intelligentes de données de spectrométrie (RMN) à l’aide de Machine Learning


La spectroscopie par résonance magnétique nucléaire (RMN) est l’une des méthodes analytiques utilisées pour caractériser nos extraits. Elle nous permet d’obtenir un profil métabolomique (représenté par un spectre) pourchaque extrait. Les signaux sur ces spectres correspondent aux signaux des différents métabolites présents dans nos extraits. L’attribution des signaux aux métabolites correspondants constitue l’étape clé dans l’identification de l’empreinte métabolomique de chaque extrait.… En lire plus...


Mots-clés
auto-encodeur; classification; machine learning; Modélisation; RMN
Établissement
Université Claude Bernard Lyon I
69622 Villeurbanne  
Directeur
Yacine Ouzrout
Co-encadrants
Baudouin Dafflon
Site Web
https://www.disp-lab.fr
Date de début souhaitée
01/09/2022
Langues obligatoires
Anglais; Français
Prérequis

● Curiosité intellectuelle
● Polyvalence
● Esprit critique et capacité d’analyse

Informations de contact

baudouin.dafflon@univ-lyon1.fr
a.bourafai@evear-extraction.com

Appariement adaptatif d’équipes par approche multi-agents dans un contexte de Science Ouverte


Dans le cadre de l’Université européenne EUNICE (https://eunice-university.eu/), l’objectif est d’encourager la coopération locale et/ou globale entre ses membres (sept universités européennes), ainsi qu’avec leurs partenaires (de la société civile et pouvoirs publics).

Le projet REUNICE (https://eunice-university.eu/reunice-project/) vise à guider, soutenir et consolider des coopérations efficaces entre chercheurs, enseignants, étudiants, partenaires sociaux et industriels au sein de l’Université EUNICE ainsi qu’avec des partenaires extérieurs.… En lire plus...


Mots-clés
Appariement; Coopération; coordination; Open Science; Systèmes Multi-Agents
Établissement
Laboratoire d'Automatique, de Mécanique et d'Informatique Industrielles et Humaines (LAMIH)
59313 Valenciennes  
Directeur
René MANDIAU
Co-encadrants
Emmanuel ADAM, Mourad ABED
Site Web
https://www.uphf.fr/LAMIH/
Date de début souhaitée
01/09/2022
Langues obligatoires
Anglais; Français
Prérequis

Master ou équivalent

Informations de contact

Emmanuel ADAM, emmanuel.adam@uphf.fr

Self-Supervised Learning for Anomaly Detection in Medical Neuroimaging


Scientific context

The vast majority of deep learning architectures for medical image analysis are based on supervised models requiring the collection of large datasets of annotated examples. Building such annotated datasets, which requires skilled medical experts, is time consuming and hardly achievable, especially for some specific tasks, including the detection of small and subtle lesions that are sometimes impossible to visually detect and thus manually outline.En lire plus...


Mots-clés
analyse d'images; apprentissage automatique; deep learning; Health Data; machine learning; medical; Neuroimaging,
Établissement
Grenoble Institut Neurosciences
38000 GRENOBLE  
Directeur
Carole Lartizien, Michel Dojat
Co-encadrants
Florence Forbes
Site Web
https://www.creatis.insa-lyon.fr/site7/fr/teams; https://neurosciences.univ-grenoble-alpes.fr; https://team.inria.fr/statify/
Date de début souhaitée
03/10/2022
Langues obligatoires
Anglais; Français
Informations de contact

- GIN - team «Functional neuroimaging and brain perfusion»: Michel Dojat (michel.dojat@inserm.fr),
- CREATIS - team Myriad : Carole Lartizien (carole.lartizien@creatis.insa-lyon.fr)