Programme

La SEME se deroulera du lundi 26 à vendredi 30 octobre 2020 à l'Institut de Mathématiques de Bordeaux (IMB).

Le programme est le suivant :

Lundi

10h - 10h15 : Présentation de l'AMIES de la part de Magalie Fredoc 

10h15  - 13h, salle de conférences : présentation des sujets proposés par les entreprises 

Repas (pour tous les participants) : Bistrot Régent,1 Place de l'église, Allée du 7ème art, 33400 Talence

Après-midi : commencement du travail d'analyse des problèmes, 4 groupes de 4 doctorants

Dîner (pour les doctorants extérieurs) : Restaurant Alcala, Place Alcala de Hénares, 33400 Talence

 

Mardi :

Travail en groupe 

Repas midi (pour tous les doctorants) : CROUS dans le campus, Avenue Prévost, 33400 Talence

Dîner (pour les doctorants extérieurs) : Twist 'N' Crêpes, 329 Cours de la Libération, 33400 Talence

 

Mercredi :

Travail en groupe 

Repas midi (pour tous les doctorants) : CROUS dans le campus, Avenue Prévost, 33400 Talence

Dîner (pour tous les doctorants) : restaurant Le café du port :  https://www.lecafeduport.com/ , 1-2 Quai Deschamps, 33100 Bordeaux

 

Jeudi :

Travail en groupe 

Repas midi (pour tous les doctorants) : CROUS dans le campus, Avenue Prévost, 33400 Talence

Dîner (pour les doctorants exterieurs) : Twist 'N' Crêpes, 329 Cours de la Libération, 33400 Talence

 

Vendredi :

10h - 13h : remise des travaux de la part des groupes de doctorants et discussion avec les entreprises

12h45 - 13h : remerciements finals de la part de la directrice de l'AMIES, Véronique Maume-Deschamps

Repas midi (pour tous les participants) : Bistrot Régent,1 Place de l'église, Allée du 7ème art, 33400 Talence

 

Les sujets proposés par les entreprises sont décrits ci-dessous.

 

Sujet proposé par FieldBox.ai 

Titre : "Predictive models on time series in a small data environment". 

Description :

In many industrial use cases address at FieldBox.ai, we dispose of a set of multiple input time series collected from different sensors (pressure, temperature, … etc) and we need to predict a target variable that can be discrete (0: failure, 1: no failure) if it is a classification problem or continuous if it is a regression problem (eg: a measure of product quality). Although much Machine Learning research work is dedicated to big data processing, in industry, especially after the data cleaning process, it often happens that the dataset is small. After a short bibliographic study on building accurate models with small time series/ 1D signals datasets, the first objective of this work will be to identify existing Python packages or implement some methods to tackle this problem. For instance, using oversampling to generate more data is a good start. The second objective will be to compare the performances of a standard predictive model and the proposed methods in order to assess the improvement they could bring.

 

- Sujet proposé par IRT-SystemX 

Titre : "Génération de scénarios pour les véhicules autonomes".

Description :

Dans le cadre de la conduite autonome, un scénario est décrit par un ensemble de

paramètres du véhicule autonome et de son environnement comme à titre d'exemple: voie rapide, vitesse élevée, rabattement à droite, soleil etc.

Le travail des experts a permis d'identifier l'ensemble des paramètres pouvant constituer des scénarios.

L'objectif du sujet proposé sera de trouver une méthode mathématique permettant de générer des scénarios pertinents tout en prenant en compte les règles logiques

entre les paramètres (par exemple journée ensoleillée et neige ne peuvent pas coexister dans un même scénario) et en réduisant la complexité de toute la combinatoire possible.

Après avoir expliqué l’intérêt de ce problème dans l’industrie, un petit jeu de données sera fournie pour tester et illustrer les solutions proposées.

Outils nécessaires: Des bases du Langage Python ou Matlab pour explorer les données.

 

Sujet proposé par Hupi

Titre : "Prediction affluence sur lignes de bus".

Description :

Pour un réseau de transports urbains, l’objectif est de pouvoir prédire l’affluence journalière sur les lignes de bus du réseau.
Nous avons l’ensemble des informations historiques concernant le cumul des voyageurs réel. L’affluence est dépendante pour certaines lignes de facteurs environnementaux comme la météo, les jours fériés, les vacances, les évènements sportifs/culturels, etc… Le défi est comment évaluer la qualité des prédictions journalière sur 5 jours glissants.

 

Sujet proposé par Nurea 

Titre : "Reconstruction d'une image scanner à partir d’une image IRM".

Description :

Scanner (compute tomography) et l’imagerie par résonance magnétique (IRM) sont deux technologies d’imagerie par coupe permettant de visualiser les tissus internes du corps.

Le scanner permet de construire dans chaque coupe les tissus interne par différence de densité menant à une atténuation du signal alors que l’IRM reconstruit les tissus en fonction de l’atténuation magnétique.

L’objectif principal sera de proposer des méthodes permettant de reconstruire une image scanner à partir d’une image IRM.

Personnes connectées : 1