Catégorie
AAP

Résultats de l'appel à stages M2 2020

AAP_Stages

Résultats de l'appel à stages M2 2020

  • Stages retenus
  • Actualités sur le même thème

Partager

twlkml
Découvrez les sujets de stage lauréats de l'appel annuel lancé par DATAIA, qui permet de financer des stages au sein de ses laboratoires partenaires.
Corps de texte

L’Institut DATAIA soutient la recherche en science des données au sens large — incluant l’informatique, les mathématiques et les sciences humaines et sociales— à travers un appel annuel dédié aux stages de Master 2 (ou équivalents).

L'appel de cette année, clôturé le 12 novembre 2020, a porté une attention particulière aux projets interdisciplinaires qui impliquent les sciences fondamentales.

Ce sont cinq les sujets de stage qui ont été retenus, et qui bénéficieront des fonds pour accueillir un stagiaire pendant 4 à 6 mois.

Ancre
Stages retenus
Corps de texte

REASON

porté par Onofrio SEMERARO, Lionel MATHELIN (LIMSI, CNRS) et Michele Alessandro BUCCI (Inria)

L’objectif du stage est d’explorer les méthodes d’apprentissage profond par renforcement (deep reinforcement learning, DRL), pour la recherche de stratégies optimales de contrôle dans le contexte de la dynamique des fluides. 

RobBSS4EEG

porté par Florent BOUCHARD, Matthieu JONCKHEERE, Frédéric PASCAL (L2S, CentraleSupélec) et Alexandre Gramfort (Inria)

 Le stage vise à formuler et résoudre un problème de séparation de source sous une hypothèse d’ellipticité sur les variables aléatoires considérées, généralisant ainsi les modèles gaussiens classiques, et à appliquer la méthode proposée sur des données d’électroencéphalographie. 

TDA4DRP

porté par Frédéric CHAZAL, Jisu KIM (Inria) et François COKELAER, Mathieu FERAILLE (IFPEN)

Le sujet proposé vise à mettre en œuvre des approches de type réseaux de neurones profonds, pour la prédiction de l’indice de perméabilité d’une roche à partir d’images tomographiques 3D en haute résolution, en y intégrant en particulier des features issues de « Topological Data Analysis » (TDA). 

T-Rex

porté par Cédric MEHL, Thibault FANEY (IFPEN), et Michele Alessandro BUCCI, Marc SCHOENAUER (Inria)

Le stage a pour objectif de mettre en œuvre et à évaluer une méthode basée sur le concept de « Physics Informed Neural Networks » (PINNS) (qui consiste à intégrer des a priori physiques dans l’apprentissage d’un réseau de neurones) pour résoudre un problème de mécanique des fluides réactive. 

Actualités sur le même thème