Emploi

OFFRES DE POST-DOC

Extrapolation spatiale des résultats de tests nivologiques pour la prévision du danger d’avalanche

OFFRES DE THÈSES

OFFRES DE THÈSES PASSÉES :

Vers une IA résiliente et soutenable : Plateformes d’apprentissage automatique distribuées, frugales et soucieuses de l’énergie

Développement d’un modèle de pilotage et d’amélioration continue de la performance intégrant les risques éthiques dans les systèmes industriels du Futur

Construction de parcours d’apprentissage flexibles et suivi des étudiants

Développement d’un cadre méthodologique et d’une plateforme collaborative pour la planification et pilotage du déploiement territorial massif des énergies solaires urbaines

IA explicable (XAI – eXplainable AI) pour la prévision de chutes de blocs rocheux

Détection d’anomalies par apprentissage fédéré pair à pair

OFFRES DE STAGES

Master 2-Ingénieur bac+5-Classical GAS ‐ Classical methods for Generative Audio Synthesisx

Master 2 – Identification d’indicateurs de performance multicritère dédiés à la prise de décision pour le pilotage optimal des réseaux de chaleur

Master 2 – Ingénieur bac +5 : Mesure de la marche humaine par IA et réseaux de capteurs non intrusifs et diffus(Measuring human gait using AI and non-intrusive, diffuse sensor networksversion)

Master 2 – Ingénieur bac +5 : Design of an Unrolled Neural Network for Hyperspectral Pansharpening.

Master 2 – Ingénieur bac +5 : Stratégies de distribution des données pour un apprentissage frugal et soucieux de l’empreinte carbone avec des sources d’énergie hétérogènes.

Master 2 – Ingénieur bac +5 : Comment faire de l’apprentissage distribué sur des flux de données ?

Master 2 – Ingénieur bac +5 : Riemannian Federated Learning for time series analysis application with remote sensing data / Pourvu

Master 2 – Ingénieur bac+5 : Traitement de données magnéto-telluriques : identification des sources de bruit et de signal

Master 2 – Ingénieur bac+5 : Classical GAS ‐ Classical methods for Generative Audio Synthesis

Master 2 – Ingénieur bac+5 : Classification et comparaison d’images 3D multimodales à l’aide d’architectures GNN et/ou VGAE (PDF-gb – PDF-fr)