Menu principal

Archives : Offres de thèse




28 Offres de thèse

Transformer et renforcer pour le transfert et l’apprentissage en ligne des agents conversationnels vocaux


Nous recherchons des candidats motivés pour une thèse en 
IA/TAL/Interaction vocale sur le thème : 

**Transformer et renforcer pour le transfert et l’apprentissage en ligne des agents conversationnels vocaux** 

Le challenge principal que nous souhaitons porter dans la thèse est de permettre une adaptation sur une tâche particulière des capacités d’un modèle neuronal profond de type Transformer pré-entraîné, notamment pour l’élaboration d’un agent conversationnel.


Établissement
Avignon Université
84911 Avignon  
Directeur
Fabrice LEFEVRE
Co-encadrants
Bassam JABAIAN
Site Web
http://lia.univ-avignon.fr
Date de début souhaitée
01/09/2021
Langues obligatoires
Anglais
Prérequis

Le candidat doit avoir un master en informatique avec une composante sur les méthodes d'apprentissage automatique et/ou sur l’ingénierie de la langue. La bourse de thèse fera l’objet d’un concours au sein de l’Ecole Doctorale 536 de l’université d’Avignon, avec une audition du candidat retenu par les encadrants de thèse.

Date limite
01/09/2021
Informations de contact

Pour postuler merci d’envoyer un mail avant le 10 mai 2021 à Fabrice Lefèvre (fabrice.lefevre@univ-avignon.fr) et Bassam Jabaian (bassam.jabaian@univ-avignon.fr) incluant : votre CV, une lettre de motivation avec votre positionnement sur les propositions d’études ci-dessous, d’éventuelles lettres de recommandation et vos relevés de notes.

Outil d’aide à la décision pour les pilotes dans l’analyse de la sécurité du comportement dynamique d’un véhicule


L’Inria Sophia-Antipolis, la DGA – Direction générale de l’armement (site d’Angers) et l’Université d’Angers (LERIA) recherchent un candidat pour une thèse dans le domaine de l’Intelligence Artificielle appliquée à l’analyse de la sécurité du comportement dynamique des véhicules. Aujourd’hui, nous sommes en phase de recrutement de ce candidat, titulaire au minimum d’un M2 ou d’un diplôme d’ingénieur, et de citoyenneté de l’Union Européenne, de Suisse ou du Royaume Uni.


Mots-clés
Aide à la décision; apprentissage automatique; capteurs; expérimentation terrain; instrumentation; intelligence artificielle; modélisation hybride
Établissement
Inria Sophia Antipolis - Méditerranée
06902 Sophia Antipolis  
Directeur
Philippe Martinet (INRIA)
Co-encadrants
Sébastien Aubin (DGA) et Nicolas Gutowski (Université d'Angers / LERIA)
Date de début souhaitée
01/10/2021
Langues obligatoires
Anglais; Français
Prérequis

Le candidat doit aimer le travail en équipe pluridisciplinaire et le goût pour l’expérimentation terrain. Il possède des connaissances en instrumentation, en capteur, en algorithmique, en intelligence artificielle.

Date limite
15/04/2021
Informations de contact

Nicolas Gutowski, nicolas.gutowski[at]univ-angers.fr

Modèles neurophysiologiques dynamiques et apprentissage profond pour l’étude de la connectivité cérébrale de sujets sains et cérébrolésés


Contexte scientifique
Les progrès dans le développement des dispositifs de capture des signaux physiologiques humains en termes de résolution spatiale et/ou temporelle, portabilité, ergonomie, autonomie, coût, laissent présager d’usages jusqu’ici inexplorés. Dans le cadre de cette thèse nous nous intéressons aux signaux neurophysiologiques acquis via une interface cerveau-ordinateur (ICO). Plus précisément nous nous focaliserons sur les signaux issus de l’électroencéphalographie (EEG) et de la spectroscopie proche infrarouge fonctionnelle (SPIRf) pour répondre à des problématiques neuroscientifiques.…


Mots-clés
Apprentissage profond; Connectivité cérébrale; Interface cerveau-machine; Modèles neurophysiologiques dynamiques; traitement du signal
Établissement
Université de Montpellier
34000 Montpellier  
Directeur
Jacky Montmain (EuroMov Digital Health in Motion, IMT Mines Ales), Stéphane Perrey (EuroMov Digital Health in Motion, Univ Montpellier)
Co-encadrants
Binbin Xu, François Feuvrier (EuroMov Digital Health in Motion)
Site Web
http://dhm.euromov.eu/
Date de début souhaitée
01/10/2021
Langues obligatoires
Anglais; Français
Prérequis

Le candidat sera titulaire d’un master 2 ou équivalent en informatique (Intelligence artificielle, analyse de données) ou automatique (traitement du signal).
• Le candidat présentera un intérêt certain pour le domaine de la santé et la recherche clinique
• Le candidat devra être rigoureux et avoir des capacités d'analyse, de synthèse et de
rédaction (en français et en anglais).

Date limite
23/04/2021
Informations de contact

Jacky Montmain, jacky.montmain@mines-ales.fr

Extraction de connaissances à partir de grands graphes spatio-temporels – application à hydroécologie et à la télédétection


 

Valoriser les grandes masses de données spatio-temporelles dans le champs de l’environnement est crucial. Ceci nécessite de concevoir et développer de nouvelles approches aptes à traiter conjointement les aspects spatiaux et les aspects temporels. Si les graphes, outils puissants à la fois théoriquement et méthodologiquement, sont utilisés pour modéliser des phénomènes temporels ou spatiaux, les méthodes actuelles de fouille, d’analyse et d’extraction de connaissances n’exploitent, en général, qu’une seule dimension de l’information, spatiale versus temporelle.


Mots-clés
extraction de connaissaces; graphe; Science des données
Établissement
Université de Strasbourg
67081 Strasbourg  
Directeur
Florence Le Ber
Co-encadrants
Aurélie Leborgne, Stella Marc-Zwecker
Site Web
https://sdc.icube.unistra.fr/en/index.php/Open_internship,_PhD_and_post-doc_positions
Date de début souhaitée
01/09/2021
Langues obligatoires
Français
Prérequis

Master 2 en Informatique ou équivalent, moyenne supérieure à 12, très bon classement (selon critères de l'école doctorale)
• Formation en logique, graphes et programmation
• Curiosité, capacité à appréhender différents domaines et à interagir avec les experts de ces domaines

Date limite
31/05/2021
Informations de contact

florence.leber at engees.unistra.fr, aurelie.leborgne at unistra.fr

Analyse de données relationnelles – définition de quantificateurs spatiaux et temporels


 

L’analyse de concepts formels (ACF) est une méthode mathématique de classification, largement appliquée sur différents types de données et dans de nombreux domaines. Elle consiste, à partir d’une table (appelée contexte) décrivant des objets par des attributs, à construire un treillis de concepts, i.e. des ensembles maximaux d’objets partageant le même ensemble d’attributs.


Mots-clés
extraction de connaissaces; modèle de données; Science des données
Établissement
Université de Strasbourg
67081 Strasbourg  
Directeur
Florence Le Ber
Co-encadrants
Agnès Braud, Xavier Dolques
Site Web
https://sdc.icube.unistra.fr/en/index.php/Open_internship,_PhD_and_post-doc_positions
Date de début souhaitée
01/09/2021
Langues obligatoires
Français
Prérequis

• Master 2 en Informatique ou équivalent, moyenne supérieure à 12, très bon classement (selon critères de l'école doctorale)
• Formation en logique, représentation de connaissances et programmation
• Curiosité, capacité à appréhender différents domaines et à interagir avec les experts de ces domaines

Date limite
31/05/2021
Informations de contact

florence.leber at engees.unistra.fr, agnes.braud at unistra.fr, dolques at unistra.fr

CIFRE - Reconnaissance automatique des émotions par sources multimodales (analyses faciale, vocale et textuelle)


Le(La)  candidat(e) doctorant(e) établira un état de l’art des approches intelligence artificielle pour la détection et la reconnaissance des émotions au moyen des modalités de type facial, vocal et textuel. Il proposera des méthodes/algorithmes originales de fusion en amont et/ou en aval des différentes sources d’expression des émotions, avec des métriques de performances et d’utilisabilités.…


Mots-clés
apprentissage artificiel; Apprentissage profond; Données multi sources; incertitude; réduction de dimensions; Suivi médical
Établissement
Jeolis Solutions
63400 Chamalières  
Directeur
Engelbert MEPHU NGUIFO - Professeur - LIMOS - UMR CNRS 6158
Co-encadrants
Xavier GOBLET - Docteur en Informatique - Jeolis Solutions
Site Web
https://www.lojelis.com/fr/wp-content/uploads/sites/2/2020/10/Edition-These-reconnaissance-automatique-des-emotions.pdf
Date de début souhaitée
14/12/2020
Langues obligatoires
Anglais; Français
Prérequis

BAC+5 en Informatique, Mathématiques appliquées ou équivalent.
Compétences scientifiques en Apprentissage artificiel, Statistiques, Données hétérogènes et incertaines, Apprentissage profond ;
Capacité d’analyse et de synthèse ;
Savoir communiquer et partager au sein d’une équipe de recherche et développement

Informations de contact

Contact(s) Laboratoire d'accueil: LIMOS (Université Clermont Auvergne)
engelbert.mephu_nguifo@uca.fr
Issam.FALIH@uca.fr
Contact(s) Entreprise: Jeolis Solutions (lojelis/R&D)
xavier.goblet@lojelis.com
baraa.mohamad@lojelis.com

Développement et validation d’un outil multivarié de prédiction dynamique d’un échec de greffe rénale.


<strong>Proposition de thèse CIFRE en Biostatistique/Epidémiologie</strong>

Dans le cadre d’une collaboration entre le CHU de Nantes, l’unité INSERM 1064 CRTI, l’unité INSERM 1246 SPHERE et l’entreprise Sêmeia, nous proposons une thèse CIFRE au sein de l’école doctorale Biologie Santé de l’université Bretagne Loire.

<em>Projet de recherche:</em>

<strong><em>Développement et validation d’un outil multivarié de prédiction dynamique d’un échec de greffe rénale.</em></strong>…


Mots-clés
deep learning; machine learning; santé; statistique
Établissement
Université de Nantes
44035 Nantes  
Directeur
Etienne Dantan
Co-encadrants
Magalie Giral ; Thomas Janssoone
Site Web
https://github.com/Semeia-io/Offre_Cifre/blob/master/SujetPhD.pdf
Date de début souhaitée
31/08/2020
Date limite
31/08/2021
Informations de contact

Etienne Dantan (MCU en Biostatistique, INSERM UMR 1246 – SPHERE)
Etienne.Dantan@univ-nantes.fr
tel: 33 (0)2 53 00 91 23
INSERM UMR 1246 – SPHERE (methodS for Patient-centered outcomes and HEalth REsearch)
IRS2, 22 boulevard Bénoni Goullin, 44200 Nantes
www.sphere-nantes.fr

Magali Giral (PU-PH en Néphrologie, INSERM UMR 1064)
Magali.Giral@chu-nantes.fr
tel: A compléter
INSERM UMR 1064 – CRTI (Centre de Recherche en Transplantation et Immunologie)
CHU Nantes - Hôtel Dieu, 30 Bd Jean Monnet, 44093 Nantes Cedex 01
www.divat.fr

Thomas Janssoone (SEMEIA)
tjanssoone@semeia.io
9 cour des Petites Ecuries, 75010 Paris
www.semeia.io

International Conference on Machine learning and Cloud Computing (MLCL 2020)


International Conference on Machine learning and Cloud Computing (MLCL 2020)

June 20~21, 2020, Dubai, UAE

https://csita2020.org/mlcl/index.html

Scope

International Conference on Machine learning and Cloud Computing (MLCL 2020) will provide an excellent international forum for sharing knowledge and results in theory, methodology and applications of on Machine Learning &amp; Cloud computing. The aim of the conference is to provide a platform to the researchers and practitioners from both academia as well as industry to meet and share cutting-edge development in the field.…


Mots-clés
apprentissage automatique; Apprentissage profond; artificial intelligence
Établissement
Aix-Marseille Université
13284 Marseille  
Directeur
MLCL
Co-encadrants
MLCL
Site Web
https://csita2020.org/mlcl/index.html
Date de début souhaitée
20/06/2020
Langues obligatoires
Anglais
Informations de contact

mlcl@csita2020.org

Artificial Intelligence for the Monitoring of Large Distributed Information Systems


The PhD thesis addresses the problem of predicting real time malfunctions in large distributed information

 

systems (LDIS). Such systems are composed of thousands of servers and hundreds of applications

 

used by thousands (if not millions) of users. LDIS are everywhere. Each of us has everyday

 

experience of retail corporations or public bodies information systems, just to cite a few of

 

them.…


Mots-clés
intelligence artificielle; système d'informations
Établissement
Université Université Paris-Est Créteil Val de Marne
94010 Créteil  
Directeur
Patrick SIARRY (Université Paris-Est Créteil)
Co-encadrants
Jacob OUANOUNOU (Groupe HN), Arben CELA (ESIEE), René NATOWICZ (ESIEE)
Site Web
https://www.lissi.fr/accueil/
Date de début souhaitée
02/01/2020
Langues obligatoires
Anglais; Français
Informations de contact

Patrick SIARRY, siarry@u-pec.fr, 01.43.36.70.17

CIFRE grant: Geometric change detection in 3d models, model update and application to mixed reality experiences


CIFRE grant: Geometric change detection in 3D models, model update and application to mixed reality experiences

This PhD will be carried out over three years in the context of a collaboration (CIFRE grant) between InterDigital Research & Innovation, located in Rennes, France, and the academic research lab Ambiances Architectures Urbanités (AAU), located in Nantes, France, and under the supervision of Prof.


Mots-clés
analyse d'images; machine learning
Établissement
InterDigital R&D
35576 Cesson-Sevigne   
Directeur
Guillaume Moreau, Directeur de Recherches, Centrale Nantes
Co-encadrants
Matthieu Fradet, Senior Scientist, InterDigital; Caroline Baillard, Principal Scientist, InterDigital
Site Web
https://www.interdigital.com/video-resources/
Langues obligatoires
Anglais
Informations de contact

Matthieu Fradet, Senior Scientist, InterDigital. matthieu.fradet@interdigital.com

1 2 3