Projets

Implémentation d'un module de modélisation/inférence/apprentissage de réseaux bayésiens dynamique dans la bibliothèque pyAgrum

TBD

Projet pour 2 à 4 étudiants
contact : gilles.bailly@sorbonne-universite.fr et yvon@isir.upmc.fr

Nous développons actuellement une librairie Python pour faciliter la conception d’interfaces intelligentes https://jgori-ouistiti.github.io/CoopIHC/branch/dev/ qui exploite des modèles moteurs et cognitifs de l'humain. Car il faut évaluer ces interfaces avec des vrais utilisateurs, on aimerait pouvoir ré-utiliser les objets décrits dans la librairie Python dans d'autres langages plus adaptés pour créer des interfaces, par exemple des langages Web.

L'objet de ce projet sera de développer un outil pour réaliser l'attribution des projets Androide aux groupes d'étudiant(e)s, en vue de sa mise en place l'année prochaine dans le cadre de l'UE. Cette problématique d'appariement avec préférences est aujourd'hui présente dans de nombreuses plateformes web utilisées à très large échelle à travers le monde, dont les plus connues au niveau national sont vraisemblablement Parcoursup et MonMaster. L'objectif du présent projet est bien entendu beaucoup plus local.

Le gain d'information bayésien (BIG) est une méthode d'interaction entre un ordinateur et un utilisateur. Traditionnellement, un ordinateur exécute simplement les commandes de l'utilisateur. Dans BIG, l'ordinateur effectue une expérience sur l'utilisateur pour mettre progressivement à jour la distribution d'une variable aléatoire qui modélise la connaissance qu'il a de l'objectif de l'utilisateur.

De nombreux agents intelligents, tels que les assistants, les enseignants artificiels et les systèmes de recommandation, fournissent des suggestions aux utilisateurs. Souvent, ces suggestions peuvent être inexactes ou non pertinentes, ce qui peut conduire les utilisateurs à devenir défavorables aux suggestions de l'agent, et globalement à une faible acceptabilité de ces systèmes.

Ce projet vise à explorer et développer des techniques de reconnaissance automatique de nombres sur une surface sphérique, avec une application spécifique au tirage du loto. L'objectif principal est de concevoir un système efficace capable de détecter et d'identifier les chiffres tirés au hasard lors des événements de loterie.

Ce projet peut être réalisé par un groupe de 2 à 4 étudiants. Contact : francois.clement@lip6.fr

L'apprentissage par renforcement profond applique les algorithmes de l'apprentissage par renforcement tabulaire à des réseaux de neurones. Pour cela, on applique aux réseaux de neurones des gradients dans l'espoir d'améliorer progressivement le comportement des agents.