En plus des applications utilisateurs transmettant des quanti... Mots clés: Réseaux informatiques, optimisation combinatoires, routage, véhicules autonomes Ref. ABG-105654 17/05/2022 Sujet de Thèse Contrat doctoral Laboratoire des Sciences des Risques Thèse Aix en Provence avec des périodes sur Alès, Provence-Alpes-Côte d'Azur, France Contexte et problématique générale Les projets d'ingénierie sont sujets à de nombreuses dérives: coûts, délais… Ces dérives sont issues d'abord du manque d&rsquo... Sujet de thèse deep learning goals. Informatique - Science de la donnée (stockage, sécurité, mesure, analyse) - Sciences de l'ingénieur Mots clés: Ingénierie Système, Model-Based Systems Engineering, Interopérabilité, Collaboration, Gestion des connaissances, Pilotage Ref. ABG-105659 17/05/2022 Sujet de Thèse Cifre Université de Bourgogne-Franche-Comté Thèse Montbéliard, Bourgogne-Franche-Comté, France Contexte scientifique Le handicap touche 12M de français, c'est une priorité française et régionale. En mai 2021, le gouvernement français a lancé les actions "Développer des so...
Le projet aura également une dimension transcognitive pour tenter d'explorer ce cadre en condition normale et pathologique. Sur le plan neuro-computationnel, nous utiliserons plusieurs méthodes d'analyse (machine learning non-supervisé, théorie de réseaux et deep learning) pour la fusion multimodale et développerons l'apprentissage par transfert dans le cadre de l'IA deep learning. Les biomarqueurs multimodaux (neuropsychologie, neuroimagerie fonctionnelle et anatomique) ont été acquis dans nos travaux précédents. Contexte de travail Environnement de travail. Sujet de thèse deep learning styles. Le travail de thèse sera réalisé au LPNC UMR CNRS 5105 () sous la direction de Monica Baciu () et une équipe coordinatrice composée de Sophie Achard LJK () et Martial Mermillod LPNC (). La/le doctorant(e) travaillera en équipe avec des chercheurs, ingénieurs, post-doctorants, doctorants et étudiants M2R. Il/elle interagira avec les chercheurs et spécialistes du programme Cerveau & Cognition de l'UGA IDEX. Il/elle sera inscrit(e) à l'école doctorale EDISCE dans la spécialité Sciences cognitives, Psychologie Cognitive et Neurocognition.
Le contexte d'application sera tout d'abord celui d'énoncés isolés, puis celui de dialogues humain-machine où l'historique de discussion doit être pris en compte. L'accent sera mis sur l'élaboration de stratégies d'apprentissage originales et efficaces pour la construction de ces modèles neuronaux multi-tâches, plutôt que la recherche de nouvelles architectures. Sujet de thèse deep learning methods. Parmi ces stratégies, le recours à des techniques de prompting est particulièrement pressenti. Les travaux s'appuieront sur la multitude des corpus et challenges proposés par la communauté. À cet égard, l'un des principaux verrous est la mise en commun au sein de l'apprentissage de corpus hétérogènes, tant sur la nature des données (texte isolé, dialogue, graphe, requêtes…) que sur les domaines thématiques couverts.
Par exemple, le modèle de compréhension du langage, qui est chargé de transposer du langage naturel (une phrase) en une représentation formelle (une analyse sémantique de ce qui est dit) est incapable de faire le chemin inverse, obligeant à l'apprentissage d'un autre modèle dit de « génération du langage ». De même, un modèle capable de traiter des réservations de restaurant est incapable de traiter des réservations d'un voyage, ce qui nécessite d'adapter des modèles pré-entrainés à chaque nouveau domaine. Sujet de thèse | CREATIS. Ce manque de capacité à généraliser entre tâches ou domaines est un problème général majeur en traitement automatique des langues. Objectif scientifique – résultats et verrous à lever L'objectif de la thèse est de proposer des solutions pour mutualiser le traitement de tâches de compréhension et génération du langage naturel. Il s'agira ainsi d'étudier la fusion progressive de diverses tâches mêlant langage naturel et langage(s) formel(s) de représentation ou manipulation de connaissances.
Ceci permet d'associer des grandeurs physiques liées aux dynamiques de l'écoulement et des structures à certaines évolutions cliniques défavorables ([1]) et, par la suite, de prédire précocement certains échecs thérapeutiques. Toutefois, le temps de calcul associé à ces modélisations complexes constitue un obstacle à leur utilisation en pratique clinique. Sujet: Sujet: Substitution de modèles numériques de mécanique des fluides par des modèles d'apprentissage profond. Applications aux dissections aortiques L'objectif principal de cette thèse est donc de mettre en œuvre des techniques d'apprentissage profond pour substituer à ces modèles numériques afin de prédire précocement l'évolution de pathologies de l'aorte thoracique. Offre d'Emploi Dans l'Intelligence Artificielle en France | AI Jobs. Profil du candidat: Le(la) candidat(e) devra avoir des connaissances académiques dans les champs disciplinaires relatifs au sujet: Deep learning en priorité et modélisations numériques. Il(elle) devra avoir une appétence avérée pour l'interdisciplinarité. Une expérience en programmation python est indispensable, en particulier, tensorflow, keras, pandas et numpy.