Stage

Keywords: Swarm Robotics, Spectral Analysis, Optimization, Information Diffusion, Symbolic Regression, Swarm Intelligence, Quality-Diversity algorithms

Des travaux ont montré de multiples impacts positifs du pair programming (PP) dans l’enseignement [2, 6]. Le PP est fréquemment étudié dans l’enseignement supérieur, mais des recherches menées sur des lycéens [7] et dans des cours d’introduction à l’informatique au niveau universitaire [8] ont démontré des bienfaits similaires lorsqu’il est utilisé avec des programmeurs novices. D’autre part, l’apprentissage hybride est aujourd’hui de plus en plus répandu dans l’éducation.

Modalities
+ 5-6 months internship at ISIR laboratory (Sorbonne Université, Paris)
+ monthly stipend (about 600¿/month)
+ supervised by Julien Gori, Géry Casiez and Matthieu Nancel
+Contact: gori@isir.upmc.fr. Please send a CV, M1/M2 transcripts and a
link to your Github account if available if applying.

Keywords: Human Computer Interaction, Intelligent systems, source coding,
20 questions game, Bayesian Information Gain

Modalities:
• 5-6 months at ISIR (Sorbonne Université, campus Jussieu)
• compensation ∼ 600€/month
• tutors: Julien Gori, (Sorbonne Université, gori@isir.upmc.fr), Olivier Rioul (Institut Polytechnique de Paris, olivier.rioul@telecom-paris.fr)

Titre : Système de recommandation pour exploiter pleinement nos logiciels
Mots-cles : IHM; Systèmes intelligents;
Modalités du stage :
- 5-6 mois à l'ISIR (Sorbonne Université, campus de Jussieu)
- compensation ~600€/mois
- encadrement: Julien Gori (gori@isir.upmc.fr) et Gilles Bailly (Gilles.Bailly@sorbonne-
universite.fr)
Contexte et objectifs du stage
Comment exploiter au mieux tout le potentiel des logiciels à notre disposition ?

Ce stage de recherche s’inscrit dans les domaines de l'intelligence artificielle en éducation (AI in Education, AIED) et de l'intelligence artificielle explicable (eXplanable AI, XAI). L’objectif est de concevoir et évaluer des méthodes de XAI pour expliquer les prédictions faites par des modèles d’apprenant.e, ainsi que leurs disparités éventuelles.

Les décisions prises au sein des organisations ont souvent un impact sur plusieurs individus, qu’il convient de considérer de manière équitable. Dans ce contexte, l’optimisation équitable vise à produire des solutions efficaces tout en contrôlant l’équilibre des satisfactions des individus vis-à-vis de la solution choisie. Cela peut concerner des problèmes de partage d’objets indivisibles, d’affectation de tâches de façon à équilibrer la charge ou la satisfaction d’individus.

Le LIP6 développe des algorithmes et met en œuvre la bibliothèque open-source Agrum pour apprendre des modèles causaux à partir de données observationnelles.

D'un autre côté, SAP dispose de bibliothèques et d'outils pour développer des modèles prédictifs. Notre objectif est de combiner ces deux domaines et technologies pour quantifier l'influence causale de certaines variables clés sur une cible donnée.

Le CRIGEN est le centre corporate de R&D et d'expertise opérationnelle dédié aux nouveaux gaz, aux nouveaux usages de l’énergie, au digital et technologies émergentes. Situé en région parisienne à Stains (93), il compte 200 collaborateurs. Il fournit des applications industrielles testées, éprouvées et commercialisables, ainsi que de nouvelles offres basées sur le développement et la mise en commun d'idées innovantes, de connaissances scientifiques et d'expertise technique. Sa capacité à innover constitue un avantage clé pour le Groupe ENGIE.

Dans un essaim de robots, chaque unité ne peut communiquer qu'avec ses voisins immédiats. Cela pose un défi unique pour l'estimation d'information concernant l'ensemble de l'essaim, comme l'estimation collective du nombre de robots présents dans l'essaim. L'objectif de ce stage est de concevoir et implémenter sur robots réels un algorithme distribué permettant à chaque robot d'estimer le nombre total de robots présents.