CONTEXTE ET PRESENTATION
Cette voie d’approfondissement répond aux besoins croissants en matière de traitement des données multimédia pour la classification ou la prédiction automatiques, dans un périmètre d’action très large. Dans de nombreux domaines d’application, tels que l’imagerie médicale, la réalité virtuelle, les télécommunications, la télé-surveillance, la biométrie, la bio-informatique, les sciences de l’environnement, la banque, l’assurance, l’exploration de données (textuelles, multimédia), de grandes quantités de données sont recueillies par des capteurs spécialisés et doivent être traitées et analysées à différentes fins liées à l’application.
Les techniques d’intelligence artificielle et de traitement du signal sont enseignées dans le cadre d’une approche pluridisciplinaire, qui permet notamment de mettre l’accent sur l’ensemble de la chaîne de traitement des données : capture de données multimédia, prétraitement des données, extraction automatique des caractéristiques, apprentissage automatique et prise de décision. Cette approche privilégie également les études de cas concrets, à travers des projets personnalisés sous la supervision des professeurs.
OBJECTIFS
• Fournir des outils d’apprentissage statistique et de traitement du signal pour modéliser de grandes quantités de données, recueillies par des capteurs spécialisés, à des fins de classification et de prévisions automatiques ;
• Analyser des données issues de différents domaines d’application (sciences de l’environnement, télécommunications, génomique, e-santé, télémédecine, biométrie, économie, banque, assurance, exploration de données multimédias, géolocalisation, etc.)
• Concevoir des systèmes complexes dans plusieurs domaines
PROGRAMME (EN FRANÇAIS)
• Analyse statistique jeu de données réelles
• Apprentissage profond
• Reconnaissance de formes et méthodes neuronales
• Méthodes statistiques données qualitatives
• Réseaux bayésiens-Chaînes Markov Cachées
• Base de données recherche d’information
• Objets connectés : principes & fiabilité capteurs
• Traitement d’images
• Comparaison de méthodes de classification
• Étude de cas en Data Science
• Projet de recherche en Data science
• Connaissance de l’entreprise
• Base de données pour Big Data
• Stage
EXEMPLES DE STAGES
• Détection d’exoplanètes par imagerie directe
• Automatic Perceptual Texture Evaluation on Portraits
• Voice Emotion transformation : Generating Expressive F0 contours with RNN-LSTM Sequence-to-sequence Models
• Data Analytics to predict ESP (Electronic Submersible Pump) Failures
• Video Highlighting based on Human Emotional Behaviour for Video Games Footage
• A Deep Learning Text Sentiment Analysis Model to Discriminate Positive and Negative Opinions in French Language
• Statistical and Deep Models for Characterizing Normal and Pathological Gait
DEBOUCHES
• Data Scientist
• Ingénieur R&D
• Chef de Projet
• Doctorat dans un laboratoire de recherche
PARMI NOS RECRUTEURS
THALES, CNES, Renault, Orange, EDF, ONERA,
IFP, IDEMIA, MIRIAD Technologies, Legrand, Société
Générale, Crédit Agricole, Air Liquide, Safran Aircraft
Engines, CEA, Novartis, Institut Pierre Simon Laplace,
Centre des Environnements Terrestre et Planétaires
(CETP/IPSL)
CONTACT
Sonia Garcia-Salicetti
Coordonnatrice
Département Électronique et Physique (EPH)
Courriel : @sonia.garcia.salicetti
