CONTEXTE ET PRESENTATION
Cette voie dโapprofondissement rรฉpond aux besoins croissants en matiรจre de traitement des donnรฉes multimรฉdia pour la classification ou la prรฉdiction automatiques, dans un pรฉrimรจtre dโaction trรจs large. Dans de nombreux domaines dโapplication, tels que lโimagerie mรฉdicale, la rรฉalitรฉ virtuelle, les tรฉlรฉcommunications, la tรฉlรฉ-surveillance, la biomรฉtrie, la bio-informatique, les sciences de lโenvironnement, la banque, lโassurance, lโexploration de donnรฉes (textuelles, multimรฉdia), de grandes quantitรฉs de donnรฉes sont recueillies par des capteurs spรฉcialisรฉs et doivent รชtre traitรฉes et analysรฉes ร diffรฉrentes fins liรฉes ร lโapplication.
Les techniques dโintelligence artificielle et de traitement du signal sont enseignรฉes dans le cadre dโune approche pluridisciplinaire, qui permet notamment de mettre lโaccent sur lโensemble de la chaรฎne de traitement des donnรฉes : capture de donnรฉes multimรฉdia, prรฉtraitement des donnรฉes, extraction automatique des caractรฉristiques, apprentissage automatique et prise de dรฉcision. Cette approche privilรฉgie รฉgalement les รฉtudes de cas concrets, ร travers des projets personnalisรฉs sous la supervision des professeurs.
OBJECTIFS
โข Fournir des outils dโapprentissage statistique et de traitement du signal pour modรฉliser de grandes quantitรฉs de donnรฉes, recueillies par des capteurs spรฉcialisรฉs, ร des fins de classification et de prรฉvisions automatiques ;
โข Analyser des donnรฉes issues de diffรฉrents domaines dโapplication (sciences de lโenvironnement, tรฉlรฉcommunications, gรฉnomique, e-santรฉ, tรฉlรฉmรฉdecine, biomรฉtrie, รฉconomie, banque, assurance, exploration de donnรฉes multimรฉdias, gรฉolocalisation, etc.)
โข Concevoir des systรจmes complexes dans plusieurs domaines
PROGRAMME (EN FRANรAIS)
โข Analyse statistique jeu de donnรฉes rรฉelles
โข Apprentissage profond
โข Reconnaissance de formes et mรฉthodes neuronales
โข Mรฉthodes statistiques donnรฉes qualitatives
โข Rรฉseaux bayรฉsiens-Chaรฎnes Markov Cachรฉes
โข Base de donnรฉes recherche dโinformation
โข Objets connectรฉs : principes & fiabilitรฉ capteurs
โข Traitement dโimages
โข Comparaison de mรฉthodes de classification
โข รtude de cas en Data Science
โข Projet de recherche en Data science
โข Connaissance de lโentreprise
โข Base de donnรฉes pour Big Data
โข Stage
EXEMPLES DE STAGES
โข Dรฉtection dโexoplanรจtes par imagerie directe
โข Automatic Perceptual Texture Evaluation on Portraits
โข Voice Emotion transformation : Generating Expressive F0 contours with RNN-LSTM Sequence-to-sequence Models
โข Data Analytics to predict ESP (Electronic Submersible Pump) Failures
โข Video Highlighting based on Human Emotional Behaviour for Video Games Footage
โข A Deep Learning Text Sentiment Analysis Model to Discriminate Positive and Negative Opinions in French Language
โข Statistical and Deep Models for Characterizing Normal and Pathological Gait
DEBOUCHES
โข Data Scientist
โข Ingรฉnieur R&D
โข Chef de Projet
โข Doctorat dans un laboratoire de recherche
PARMI NOS RECRUTEURS
THALES, CNES, Renault, Orange, EDF, ONERA,
IFP, IDEMIA, MIRIAD Technologies, Legrand, Sociรฉtรฉ
Gรฉnรฉrale, Crรฉdit Agricole, Air Liquide, Safran Aircraft
Engines, CEA, Novartis, Institut Pierre Simon Laplace,
Centre des Environnements Terrestre et Planรฉtaires
(CETP/IPSL)
CONTACT
Sonia Garcia-Salicetti
Coordonnatrice
Dรฉpartement รlectronique et Physique (EPH)
Courriel : @sonia.garcia.salicetti
