Consulter les offres d’emploi

MAchine Learning et MOtion CApture pour l’analyse de la Langue des Signes
Publiée le 13/05/2020 10:24.
Référence : MALMOCAP-sfds.
Thèse, Evry.
Entreprise/Organisme :Laboratoire de Mathématiques et Modélisation d'Evry et MOCAPLAB
Niveau d'études :Master
Sujet :Encadrants : Académique : Nicolas BRUNEL, Laboratoire de Mathématiques et Modélisation d’Evry (UMR CNRS 8071), ENSIIE, Evry. Entreprise : Rémi BRUN, MOCAPLAB. Laboratoire : LaMME, Ecole Doctorale de Mathématiques Hadamard, Paris Saclay. La capture du mouvement au service de la langue des signes La thèse est une collaboration avec l’entreprise Mocaplab, une des rares sociétés Européennes spécialisée en Motion Capture. Parmi ces nombreux champs d'exploration de la motion capture, se trouve le domaine très spécifique de la langue des signes. Les sourds communiquent entre eux en utilisant les mouvements du corps, des mains, des doigts, du visage et des yeux. Ils arrivent à une capacité d’expression aussi riche et structurée que celle offerte par la parole. L’objectif de cette thèse est d’identifier des primitives du mouvement des mains dans le contexte de la langue des signes, et de fournir des modèles et des outils de segmentation non-supervisée de séquence de langues de signes. Enfin, sur cette base, nous envisageons le développement de méthodes de classification de signaux de langue des signes. Analyse de données fonctionnelles : Dans le contexte de la langue des signes, Il s'agit donc d’identifier le bon cadre mathématique et les propriétés indispensables dans le “signal mouvement”. Il s’agira d’identifier des primitives, descripteurs et autres "traits cinétiques" impliqués dans la langue des signes, permettant d'imaginer en prime des solutions de segmentation et de classification et de reconnaissance. Pour cela, nous proposons d’utiliser des techniques issues de l’analyse des données fonctionnelles [Wang et al 2016]. Plus généralement, ces méthodes ont été étendues pour la modélisation de la variabilité et la prédiction de trajectoires multivariées, de formes, ou de trajectoires à valeurs dans des espaces éventuellement complexes. Dans le cas de courbes 1D, les problématiques classiques d'alignement, de variations en amplitude,...peuvent être définies de manière relativement univoques, mais lorsque l'on considère des courbes 3D, ces problèmes peuvent être appréhendés de différentes manières [Marron 2014]. Un point de départ de cette méthodologie consiste en l’estimation des trajectoires issus du motion capture et de la caractérisation de la géométrie et de la cinématique par des représentations fonctionnelles appropriées. Cette analyse simultanée est notamment possible dans la trajectoire d’une particule ponctuelle, en utilisant le cadre de Frénet-Serret et l’estimation du repère de Frénet [Brunel2014, Brunel2019, Park2019]. En premier point, nous proposons de développer des méthodes inférentielles permettant d'estimer le lien entre géométrie et vitesse curvilinéaire, à partir de données trajectorielles mesurées par Motion Capture. Puis dans un deuxième temps d’étendre ces techniques inférentielles à l’analyse des trajectoires d’un solide. Recherche de primitives : A partir de ces estimateurs, nous souhaitons modéliser et décomposer la variabilité de ces trajectoires qui peuvent être à valeurs dans des groupes de Lie, tels que le Groupe Spécial Orthogonal ou le Groupe Spécial Euclidien. Ainsi l’exploitation de séquences annotées ou non de langues des signes et l’analyse de la diversité de ces mesures pourra permettre de traiter les différents points : explorer et estimer des modèles statistiques décrivant le lien entre vitesse curvilinéaire et trajectoire identifier les sources de variations les plus importantes dans la forme des trajectoires Identifier des principes d’invariance dans les mouvements de chaque main Modéliser les positions et vitesse relatives des deux mains dans le cas de la langue des signes. Machine learning et Deep Learning : Enfin, dans un objectif de classification supervisée, nous envisageons d’utiliser des réseaux de neurones et le Deep Learning pour modéliser les données temporelles de mouvement (ces modèles ont montré un grand succès dans la modélisation de données temporelles et complexes, e.g. réseaux récurrents, convolutifs, orientés graphes...), ou encore de données à valeurs dans des groupes de Lie, [Li, et al 2018]. Nous bénéficions notamment de la possibilité de générer de nouvelles données adaptées grâce l’accès au plateau de MOCAP (8 jours) pour le test et l’amélioration des modèles de deep learning.
Date de début :Rentrée 2020
Durée du contrat :3 ans
Description :Thèse en statistiques/machine learning appliquées à l'analyse du mouvement
En savoir plus :https://www.adum.fr/as/ed/voirproposition.pl?langue=&site=psedmh&matricule_prop=30195
Sujet-Thèse-MALMOCAPLS-LaMME.pdf
Contact :nicolas.brunel@ensiie.fr
Statistical analysis and modeling of the SARS-Cov2 patient care pathway
Publiée le 13/05/2020 10:23.
Référence : Post-doctorat SARS-Cov2.
Postdoc, 4 place Jussieu 75005 Paris.
Entreprise/Organisme :LPSM Sorbonne Université
Niveau d'études :Doctorat
Durée du contrat :12 months
Rémunération :2 589.68 € if less than 2 years' experience, with bonus if more than 2 years' experience
Description :This post-doctoral position is part of a collaboration between the Laboratoire de Probabilités Statistique et Modélisation (LPSM, UMR CNRS 8001) and the Institut Pierre Louis d'Épidémiologie et de Santé Publique (iPLESP, UMR S 1136), Sorbonne Université. The recruited person will be assigned to the ``Statistique, Données, Algorithmes’’ team of the LPSM, in regular liaison with the ``Maladies transmissibles : Surveillance et modélisation’’ team of iPLESP
En savoir plus :https://drive.google.com/file/d/1yt2vLXv-p5yp1RiGJ99j4VijKFYFltQe/view
postdoctorat.pdf
Contact :olivier.lopez@sorbonne-universite.fr
Development of Chemometrics tools for monitoring contamination with Polycyclic Aromatic Hydrocarbons
Publiée le 06/05/2020 13:52.
Référence : Chemometrics, Physics, Chemistry and Environment.
Thèse, Nancy, France.
Entreprise/Organisme :LIEC / CNRS UMR 7360 / Université de Lorraine (France)
Niveau d'études :Master
Sujet :In Europe, 332,500 sites are contaminated with Polycyclic Aromatic Compounds (PAC) including Polycyclic Aromatic Hydrocarbons (PAH). These PAC represent several hundred molecules and have proven toxic, mutagenic and carcinogenic properties. Nowadays, only 16 PAHs are listed as priority pollutants by the US-EPA and are followed for monitoring the contamination of natural or industrial sites. However, this restrictive view is not representative of the ‘overall’ contamination that can be described as a continuum at the molecular level i.e. from simple compounds with two to seven aromatic carbon nuclei to more complex structural macromolecules. As a consequence, the pollution is evolving due to different processes as natural attenuation phenomena or in a remediation context (i.e. biodegradation, chemical oxidation). That’s why, it is important to put in place the most exhaustive chemical characterization of these organic contaminants coupled with suitable data processing in order to understand better the evolution of this organic pollution. Therefore, the objective of the thesis will be to develop and apply different chemometrics approaches to characterize without a priori complex environmental matrices containing CAPs. Chemometrics is the science that uses mathematics and statistical methods to design or select optimal measurement procedures and experiments but also to provide maximum chemical information by analyzing chemical data without a priori. To do this, several analytical techniques will be used to characterize organic extracts of contaminated environmental matrices (e.g. soils): 3D fluorescence, Infrared and gas chromatography coupled or not with mass spectrometry. Among the chemometrics approaches, the multivariate curves analysis has already demonstrated their potential on different analytical techniques previously mentioned (e.g. PARAFAC, MCR-ALS, etc.). However, their use could be difficult due to the complexity of the sample analyzed. Indeed, undesirable 'side effects' may appear during the instrumental acquisition (e.g. baseline deviation, water influence, thermal oxidation, spectral overlap, retention times shifts, etc.). Several points will be explored during the thesis (i) The effectiveness of the multivariate curve analysis will be test on ‘ideal’ datasets from the organic geochemistry laboratory for which the chemical information (sources and/or processes) is already known and (ii) on new datasets to allow the PhD student to fully understand the selected experimental analytical techniques and to apply the best mathematical methodology developed in real conditions (complex environmental matrices). The strategy used for the success of this thesis will therefore focus on several multidisciplinary axes. First, we will have to focus on the best mathematical preprocesses to be applied according to a specific instrumental technique. Then the multivariate curve resolutions like MCR-ALS and PARAFAC will be independently used on the datasets from these different analytical chemistry data. Finally, it will be to develop a chemometrics method called ‘multiset’ approach. This last part is the originality of this thesis to characterize our complex environmental samples without a priori. Indeed, the different data obtained by different instrumental techniques can be assembled on a mathematical point of view as ‘augmented data matrices’. The benefits to develop this approach is (i) to increase the amount of chemical information used and therefore, (ii) to bring a qualitative gain in the multivariate resolution. This work will provide a better characterization of the pure and/or mixed PAC components present in complex environmental matrices, but also to understand their evolution over time (Chemical description of components transformed and/or generated, the chemical mechanisms involved, the influence of different parameters (e.g. concentrations of PAC) in the continuity of the results obtained with the Interdisciplinary OTELo project called MATRIX. It should also be noted that this work is linked to initial results on chemometrics development for the characterization of the biodegradation process of aqueous polyfluoroalkyl ethers by Raman spectroscopy (LIEC/LMOPS/DGAC cooperation).
Date de début :September / October in 2020
Durée du contrat :3 years
Rémunération :Doctoral funding from the French Ministry for Education and Research
Description :PhD position in Chemometrics to monitoring contamination with Polycyclic Aromatic Hydrocarbons in complex environmental matrices.
En savoir plus :NA
Contact :marc.offroy@univ-lorraine.fr
UN ALTERNANT - ASSISTANT STATISTIQUES BIOMARQUEURS (H/F)
Publiée le 06/05/2020 12:03.
Référence : R2550952.
Stage, Site de Chilly-Mazarin (91).
Entreprise/Organisme :Sanofi
Niveau d'études :DUT/Licence ou équivalent
Sujet :Au sein du service Statistiques Biomarqueurs de Sanofi Recherche et Développement et en lien avec votre tuteur, vous participerez au développement et à la standardisation de programmes R pour faciliter les étapes de prétraitement et d’analyse de données omiques.
Date de début :Septembre 2020
Durée du contrat :12 mois
Rémunération :Non renseigné
Secteur d'activité :Statistique de la santé
Description :Au sein du service Statistiques Biomarqueurs de Sanofi Recherche et Développement et en lien avec votre tuteur, vous participerez au développement et à la standardisation de programmes R pour faciliter les étapes de prétraitement et d’analyse de données omiques. Dans ce cadre, vos missions consisteront à : • Participer à une phase de recherche bibliographique pour développer le processus de traitement des données, • Contribuer activement au développement d’un outil interne de standardisation en utilisant des logiciels de programmation statistiques, • Collaborer à la mise en place d’un programme R au sein du service, • Contribuer à l’analyse de données générées dans le cadre d’essais cliniques, • Prendre part aux projets menés par le service en lien avec la mission.
En savoir plus :https://sanofi.wd3.myworkdayjobs.com
ANNONC~1.PDF
Contact :hajer.majer-ext@sanofi.com
PhD position in Applied Statistics and Decision Making
Publiée le 05/05/2020 19:13.
Thèse, Grenoble.
Entreprise/Organisme :Université Grenoble Alpes (UGA)
Niveau d'études :Master
Sujet :Multivariate degradation in presence of different types of maintenance and covariate : modelling, inference and decision making .
Date de début :Sept. 2020
Durée du contrat :3 years
Description :A PhD student position in applied statistics and decision making is available at Université Grenoble Alpes. This PhD proposal aims at exploring solutions and at developing a comprehensive approach to optimally manage the health state of deteriorating systems based on this diversity of available information, and resorting to a wide range of possible actions from optimal control of the operating conditions to maintenance actions.
En savoir plus :https://www-ljk.imag.fr/ASAR/postes.html
AMORE_MIO PhD Proposal-4.pdf
Contact :laurent.doyen@univ-grenoble-alpes.fr
Thèse: Machine learning and causal inference
Publiée le 05/05/2020 09:07.
Référence : these causIA.
Thèse, Vannes.
Entreprise/Organisme :IRISA, Université Bretagne-Sud
Niveau d'études :Master
Sujet :In artificial intelligence, in many fields of application, statistical learning methods have demonstrated their high level of performance. One of the tasks often performed by this type of method consists in studying the dependence / statistical associations between variables in order to understand the relationship between these explanatory variables and a variable of interest, and to predict this variable from the observation of new individuals. The aim of this research project is to evaluate the performance of machine learning methods through the angle of causality.
Date de début :sept/oct 2020
Durée du contrat :3 years
Rémunération :doctoral funding
Secteur d'activité :Academic research in machine learning
Description :see pdf for more details on the subject and application procedure
En savoir plus :https://www-obelix.irisa.fr/job-offers/
Causia_machineLearningCausalInference_IRISA.pdf
Contact :chloe.friguet@irisa.fr
Bridging the gap between stochastic methods and deep learning
Publiée le 05/05/2020 09:05.
Référence : Bridging the gap between stochastic methods and deep learning.
Thèse, Université Bretagne Sud, Vannes, FRANCE.
Entreprise/Organisme :Universite Bretagne Sud, LMBA UMR CNRS 6205 et IRISA UMR CNRS 6074
Niveau d'études :Master
Sujet :Many complex real-world phenomena can be described through probabilistic models that char- acterize available data, and possibly relate them to other unknown quantities of interest. Fields where such systems can be found include environmental science, biology, econometrics, astron- omy, among many others. Unfortunately, for most probabilistic models of practical interest, exact inference is intractable, and so we have to resort to some form of approximation. The aim of this thesis is to develop theory and methods by successfully combining ideas from both computational statistics and machine learning, thus providing novel stochastic methods to simulate from complex and high dimensional distribution.
Date de début :oct. 2020
Durée du contrat :3 years
Rémunération :Typical PhD salary
Description :We are looking for a motivated and talented student holding a Master degree with: – background in statistics, machine learning, signal processing and applied mathematics – experience in programming, preferably in Python, and deep learning backends such as Ten- sorFlow, JAX or Torch. The candidate is requested to firstly send us a CV and a motivation letter to apply for this position.
En savoir plus :www.univ-ubs.fr/septier
PhD_DynaLearn_UBS.pdf
Contact :francois.septier@univ-ubs.fr
Graduate Assistant Position in Applied Statistics - University of Fribourg (Switzerland)
Publiée le 01/05/2020 17:13.
Référence : Graduate Assistant Position in Applied Statistics - University of Fribourg (Switzerland).
CDD, Fribourg, Switzerland.
Entreprise/Organisme :Applied Statistics Modelling Group, Department of Informatics, University of Fribourg (Switzerland)
Niveau d'études :Master
Sujet :Applied Statistics with a focus on the methods of Fuzzy Statistics
Date de début :Taking office on 1st July 2020 or date to be agreed
Durée du contrat :1 year, renewable till max. 4 years after positive evaluation
Secteur d'activité :Faculty of Management, Economics and Social Sciences
Description :• Collaborate to the preparation of courses, exercises and workshops in Statistics (Bachelor and Master levels); • Tutoring for the courses given by the professor, especially in the framework of the exercises; • Support and assist students, in particular for their written theses; • Collaborate to the preparation, correction and management of exams; • Collaborate to scientific researches; • Provide services (bibliographic researches, data preparation, administrative works, representative tasks, updating Internet sites, etc.) in the framework of teaching or research projects; • Prepare a doctoral thesis in Applied Statistics; • Participate in seminars, colloquiums, scientific meetings, conferences, post- graduate courses, etc., related to the problematic of the doctoral research; • Prepare and write scientific papers.
En savoir plus :https://www3.unifr.ch/inf/asam/fr/
Offre poste assistant_en_20200402.pdf
Contact :laurent.donze@unifr.ch
PhD in mathematical statistics (CNRS U. Pau, France/U. Melbourne, Australia)
Publiée le 29/04/2020 20:12.
Référence : ThesePauMelbourne.
CDD, Pau (1 year), Melbourne (1 year), Pau (1 year).
Entreprise/Organisme :CNRS/Université de Pau et des Pays de l'Adour/University of Melbourne
Niveau d'études :Doctorat
Sujet :A three-year fully-funded PhD position in mathematical statistics starting in september 2020 on change-point detection and/or copula modeling is available in the framework of a collaboration project between the CNRS/University of Pau, France, and the University of Melbourne, Australia. The PhD project is of a methodological nature and its aim is to train a researcher in mathematical statistics in the above very promising fields.
Date de début :September 1st 2020
Durée du contrat :36 months
Rémunération :2 135,00 € gross monthly
Secteur d'activité :Research in mathematical statistics
Description :The PhD candidate will be enrolled at both universities and will be awarded a PhD jointly from both universities upon successful completion. He/she will work with Ivan Kojadinovic (CNRS/U. Pau), Pavel Krupskiy (U. Melbourne) and Mark Holmes (U. Melbourne). The candidate is expected to approximately spend the first and third years of the PhD in Pau and the second one in Melbourne. Candidates should hold a Masters degree (or equivalent) in probability and/or mathematical statistics and have strong theoretical skills in multivariate probability, asymptotic statistics as well as, ideally, empirical process theory. Please do not respond to this offer if you do not hold a Masters degree (or equivalent) in probability and/or mathematical statistics.
En savoir plus :http://ikojadin.perso.univ-pau.fr/phd-position.pdf
Contact :ivan.kojadinovic@univ-pau.fr
Biostatisticien(ne) Biomarqueurs (H/F)
Publiée le 29/04/2020 12:23.
Référence : ITMSTATS28042020.
CDI, NEUILLY SUR SEINE.
Entreprise/Organisme :IT&M STATS
Niveau d'études :Master
Date de début :immédiatement
Durée du contrat :Poste permanent
Rémunération :selon expérience
Secteur d'activité :Industrie Pharmaceutique
Description :Société de prestation de service, IT&M STATS met à la disposition de ses clients des collaborateurs expérimentés, professionnels et motivés dans les métiers de l’Analyse Statistique et de la Donnée. Expert dans le domaine de la Santé depuis plusieurs années, IT&M STATS a aujourd’hui la confiance de nombreux acteurs dans les domaines pharmaceutique, agroalimentaire et cosmétique et se développe également vers de nouveaux secteurs d’activités. Nous basons notre relation sur : o Un respect des collaborateurs et des clients, de leurs aspirations, o Un suivi personnalisé des collaborateurs et des clients, o Une gestion régulière des carrières des collaborateurs, o Des échanges transparents, o Une réactivité, une disponibilité et une écoute permanentes. Nous recherchons pour un client du secteur pharmaceutique, basé en Ile-de-France un(e) Biostatisticien(ne) confirmé(e). Nous recherchons un consultant en CDI pour IT&M STATS qui interviendra chez nos différents clients • Analyse de données biomarqueurs d’études cliniques en oncologie : biomarqueurs PD mais aussi potentiellement des données de grande dimension (mRNA seq) nécessitant des méthodes spécifiques (métagénomique). • Responsable de la méthodologie et des aspects statistiques d’une étude • Animation des réunions de revue des données et spécifications • Rédaction du SAP (Statistical Analysis Plan) • Développement de protocoles • Analyses statistiques sous SAS V9 et/ou R • Contrôle qualité des résultats • Rapports d’études Statistiques • Vous êtes titulaire d’un diplôme Bac+5 Diplômé(e) d’une école type : ENSAI, ISUP, ISPED, vous avez une formation scientifique, spécialisée en biostatistiques et/ou bioinformatique • Vous justifiez d’une expérience professionnelle de 3 ans en CRO ou en laboratoire pharmaceutique • Vous justifiez d’une expérience en méthodes d’analyses biomarqueurs et de données en grande dimension • Vous maitrisez aussi bien R et SAS • La connaissance en oncologie est un plus • Vous êtes organisé(e), rigoureux(se) et autonome • Vous avez un bon niveau d’anglais Contacts : Marie-Noëlle COUBEZ : mn.coubez@itm-stats.com - Fabien RECORD : f.record@itm-stats.com
En savoir plus :http://itm-stats.com/
28042020 Biostatisticien Descriptif.pdf
Contact :mn.coubez@itm-stats.com
Chef de projet statistique et Data-science
Publiée le 28/04/2020 11:46.
Référence : Julien Dupin (julien.dupin@roche.com).
CDI, BOULOGNE BILLANCOURT.
Entreprise/Organisme :ROCHE
Niveau d'études :Master
Secteur d'activité :Industrie pharamaceutique
Description :Au sein du Centre de Données Médicales et de Médecine Personnalisée de Roche France, le Chef de projet statistique est l’expert des activités statistiques de la filiale pour les études cliniques locales et les études en vie réelle. Vous êtes passionné des méthodologies et des design d’études innovantes que vous contribuez à identifier et à appliquer aux études de votre unité thérapeutique. Vous avez une expérience avec les données de vie réelle (SNDS, Cohortes et Registres, données cliniques) et des études de recherche clinique. Vous avez un esprit d’innovation appliqué aux outcomes clinique ou économique. Vous êtes orienté impact et êtes curieux, vous savez identifier et convaincre au sein d’une entreprise internationale où la donnée (plateformes, data et méthodes) est omniprésente. Vous aimez l’agilité et savez en tirer le meilleur parti pour construire la science des données de demain pour la filiale. Vous savez travailler avec des sous-traitants.
En savoir plus :www.roche.fr
Contact :augustin.de_leusse@roche.com
Projet de thèse en statistiques mathématiques avec applications médicales
Publiée le 28/04/2020 11:17.
Référence : Piotr Graczyk, professeur, Université d'Angers.
Thèse, Laboratoire LAREMA et l'ICO Angers.
Entreprise/Organisme :Université d'Angers
Niveau d'études :Doctorat
Sujet :Développement d'un modèle SLOPE graphique coloré pour l'analyse de données massives des cancers du sein
Date de début :1/10/2020
Durée du contrat :3 ans
Rémunération :bourse doctorale
Secteur d'activité :statistiques mathématiques
Description :Projet de thèse de doctorat en statistiques mathématiques avec applications médicales, à l'Université d'Angers, en collaboration avec l'Institut de Cancérologie de l'Ouest, Angers-Nantes, l'Université d'Angers et la Politechnique de Varsovie.
En savoir plus :https://www.univ-angers.fr/fr/recherche/laboratoires/mathstic/larema.html
P GRACZYK Projet 2020 DR SFdS.pdf
Contact :piotr.graczyk@univ-angers.fr
Projet de thèse en statistiques avec application en fiabilité
Publiée le 27/04/2020 18:15.
Thèse, Université Technologie de Troyes.
Entreprise/Organisme :Université Technologie de Troyes
Niveau d'études :Doctorat
Sujet :Degradation model selection for pronostic: application to Wind turbine
Date de début :1/10/2020
Durée du contrat :3 years
Secteur d'activité :Reliability, statististics, pronostic
Description :For lifetime prediction or maintenance planning of complex deteriorating systems, degradation modeling in the presence of health monitoring data is essential. Even though, the majority of degradation phenomenons have physical or mechanical meanings (corrosion, erosion, etc.) due to the large number of unknown environmental factors influencing this latter, it is nearly impossible to base the prediction on pure deterministic models. Therefore, the degradation phenomenon can be considered as random with a gradual time-continuous trajectory. With respect to the system under study, the degradation model can take values in discrete or continuous space. For instance, the corrosion indicator can take infinite possible values as soon as it begins but the cumulative number of rejected products in a production day which can be considered as a deterioration indicator is finite and can be enumerated. This thesis is devoted to degradation modeling and prognosis in presence of health monitoring data. In presence of data, the main issue is to select the best model which fit data and can describe the underlying degradation phenomenon. Since data is collected for a given system and conditions, it should be manipulated cautiously because it may represent a very specific or extreme behavior of the underlying degradation phenomenon. The best candidate model is the one which takes into account the possibility of extreme behaviors during data collection without losing in perspective the real average degradation behavior. The usage of the degradation model can highly impact how data is tackled and which a model is favoured. If there are safety issues or very high costs concerns, the modeling precision is not considered in the same way. The thesis focuses on pure statistical concerns where the best candidate is derived by efficient statistical tools. Lévy processes such as Wiener and gamma processes and diffusion processes such as Black and Scholes, Ornstein Uhlenbeck processes are commonly an be used to model the degradation. Inference and model calibration for these processes have been widely addressed in the fields of finance, biology and engineering. However, in reliability engineering domain the datasets are smaller and safety constraints are significant concerns. The model selection for reliability engineering prediction problems is an important issue but has not been extensively addressed.
En savoir plus :NA
Modeste frappe.pdf
Contact :mitra.fouladirad@utt.fr
Apprentissage fédéré: collaboration et personnalisation
Publiée le 22/04/2020 10:23.
Thèse, Centre de Saclay, 91191 Gif-sur-Yvette.
Entreprise/Organisme :CEA LIST
Niveau d'études :Master
Date de début :01/09/2020
Durée du contrat :3 ans
Secteur d'activité :Intelligence Artificielle
Description :En 2016, Google publie les principes fondateurs de l’apprentissage fédéré avec la promesse de créer des IA sans compromettre les données des utilisateurs. Cette méthode est en train de changer le paradigme actuel de l’IA centralisée, où construire de meilleurs modèles se résume souvent à collecter toujours plus de données personnelles et les centraliser sur un serveur. L’apprentissage fédéré est une approche collaborative où tous les utilisateurs d’un service participent à l’apprentissage du modèle sans transmettre leurs données personnelles mais uniquement les paramètres du modèle mis à jour localement. Au lieu de centraliser les données, seuls les paramètres du modèle sont agrégés sur le serveur central ce qui permet de préserver la confidentialité des données et de limiter les coûts de communication. L’apprentissage d’un réseau de neurones profond nécessite un ensemble de données indépendantes et identiquement distribuées (iid) afin de garantir que le gradient stochastique est une estimation non biaisée du gradient entier. Contrairement à un apprentissage centralisé, il est impossible dans le cadre de l’apprentissage fédéré d’assurer que les données locales de chaque utilisateur soient toujours iid. Le principal objectif de la thèse consistera à explorer des pistes de recherche afin d’adapter l’apprentissage des modèles locaux en fonction de la distance entre la distribution des données locales et celles de l’ensemble de la population. Cette personnalisation des modèles devrait homogénéiser les performances « at edge » indépendamment de la distribution des données locales.
En savoir plus :http://www-list.cea.fr/
SL-DRT-20-0661_v2.pdf
Contact :aurelien.mayoue@cea.fr
Proxidétection et IA pour l’aide au diagnostic de maladies du dépérissement de la vigne
Publiée le 22/04/2020 10:23.
Référence : These_IMS_FD_2020_04_17.
Thèse, Talence (33), France.
Entreprise/Organisme :Laboratoire IMS, CNRS
Niveau d'études :Master
Sujet :Le dépérissement de la vigne est une problématique mondiale, aux conséquences économiques majeures pour l’industrie viticole. Il ne peut être endigué que par une prospection systématique, chronophage et coûteuse, qui nécessite un haut niveau d’expertise. Motivées par les potentialités récemment démontrées de la proxidétection en matière d’observation de la vigne, deux équipes française et néozélandaise proposent, par ce projet de thèse, de développer des solutions alliant imagerie embarquée et intelligence artificielle pour l’aide au diagnostic de maladies du dépérissement. La solution envisagée repose sur l’utilisation conjointe d’un système d’imagerie embarquée et d’approches d’intelligence artificielle afin de parvenir non seulement à la détection de symptômes individuels mais aussi au diagnostic de la maladie à l’échelle d’une plante. Trois pathologies sont principalement ciblées : la flavescence dorée, le virus de l’enroulement de la vigne (Leaf Roll) et l’eutypiose dont le diagnostic nécessite l’observation simultanée de symptômes multiples et leur différenciation de facteurs confondants. La thèse proposée se place dans un cadre international de coopération entre équipes de recherche françaises et néo-zélandaises, à l’interface entre numérique et viticulture. Elle s’appuiera sur trois piliers que sont (i) l’acquisition d’images, menée en France et en Nouvelle-Zélande, (ii) l’annotation d’images et la constitution de vérités terrain, (iii) le développement et la validation de solutions algorithmiques pour la reconnaissance des maladies. Les points (i) et (ii) s’appuieront sur des projets tiers mais aussi sur le doctorant qui participera à la proposition de protocoles d’acquisition et d’annotation de données. Le point (iii), cœur de la thèse, portera sur la mise en œuvre d’approches neuronales convolutionnelles (deep learning). Ces dernières seront appliquées soit directement sur les images acquises (pour la détection des symptômes individuels), soit sur des graphes formés par spatialisation des détections individuelles (Graph Neural Networks).
Date de début :Octobre 2020
Durée du contrat :3 ans
Secteur d'activité :Recherche, Traitement d'image et agriculture
Description :Voir description complète dans le fichier joint.
En savoir plus :https://www.agro-bordeaux.fr/lab/laboratoire-integration-du-materiau-au-systeme/
Sujet_These_FD.pdf
Contact :jean-pierre.dacosta@ims-bordeaux.fr

Page précédente  1  2  3  <4>  5  Page suivante

 
 
©2020 SFdS
Société Française de Statistique
Institut Henri Poincaré
11 rue Pierre et Marie Curie
75231 Paris cedex 5
Tél. : +33 (0)1 44 27 66 60
Notre site a été supporté par :