Stage

La responsable des stages est Safia Kedad-Sidhoum.
La durée des stages est de 5 mois minimum et 6 mois maximum. Les soutenances auront lieu cette année en Septembre.
Propositions de stages de M2.

Machine learning pour une ceinture adaptative (collaboration entreprise Emiota)

La sociétés Emiota est une start-up qui travaille sur une ceinture motorisée et instrumentée qui permettra à la fois de surveiller des données d’activité et de maximiser le confort de son porteur (desserrer quand on s’assoie, serrer quand on se lève, etc.). Dans le cadre d’une collaboration entre l’ISIR et Emiota, l’ISIR cherche un stagiaire pour mettre en place et évaluer de nouveaux algorithmes de machine learning permettant de prendre en compte les préférences de l’utilisateur.

Thématiques: 
Robotique

CAMPAMI : CAMpus AMbient et Intelligent

Mots clés: Coordination d'Agents BDI, Intelligence Ambiante et Samart Campus

Dans ce stage, il s'agit de développer une Approche formelle pour la
Coordination d'Agents Intelligents dans les Systèmes Ambiants.
(voir descriptif détaillé)
Ce stgae est financé par le LABEX SMART de l'UPMC (http://www.smart-labex.fr/) et sera co'encdaré par A. El Fallah Seghrouchni (SMA) et J-M. Ilié (MoVe).

Thématiques: 
Aide à la Décision
Systèmes Multi-Agents

Modélisation computationnelle de l'apprentissage moteur

L'objet du stage est de réaliser un modèle computationnel des mouvements d'atteinte et de confronter les résultats des simulations aux données expérimentales qui auront été obtenues par ailleurs. Cela permettra de publier dans un journal à impact élevé de neurosciences expérimentales et/ou théoriques.

Thématiques: 
Robotique

Vocal double

The ability to capture and reproduce the voice timber and the speech prosody of a given person has
made impressive progress, e.g., with recent Ircam projects: based on several hours of recording of an
actor reading texts, entirely new synthetic speech of incredible resemblance can be uttered in the
same language; also, using much less training data, voice timber can also be transferred to some
extent to the natural speech of another speaker. In this work, we would like to investigate ways to

Speech enhancement using deep neural networks

Speech enhancement aims at improving the intelligibility and/or overall perceptual quality of noisy
speech signals. It is a key element in a wide range of applications in daily communication systems and
robotics. Numerous approaches have been proposed in the literature exploiting different audio
signal processing techniques. This challenging internship aims at exploiting an emerging framework
based on deep neural networks (DNN), which has recently gained great success in different tasks in

Pages

User login