Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revision Previous revision
Next revision
Previous revision
Next revision Both sides next revision
teaching:mfe:ia [2018/03/23 11:45]
stuetzle [MFE 2016-2017 : Intelligence Artificielle]
teaching:mfe:ia [2018/05/02 14:41]
bersini
Line 64: Line 64:
  
 Ce mémoire se fera en collaboration avec l'​équipe médicale du centre pour l'​anorexie et la boulimie de l'​hôpital Erasme. Il consistera en l'​analyse informatisée des données récoltées lors d'​entretiens avec le patient et sa famille au cours du traitement. Les données sont actuellement stockées dans dans une base de données SPSS.  Le mémoire consistera pour l'​essentiel au traitement de ces données par des approches "​Machine Learning"​ et "Data Mining"​ dans une perspective de Quality Management. ​ Ce mémoire se fera en collaboration avec l'​équipe médicale du centre pour l'​anorexie et la boulimie de l'​hôpital Erasme. Il consistera en l'​analyse informatisée des données récoltées lors d'​entretiens avec le patient et sa famille au cours du traitement. Les données sont actuellement stockées dans dans une base de données SPSS.  Le mémoire consistera pour l'​essentiel au traitement de ces données par des approches "​Machine Learning"​ et "Data Mining"​ dans une perspective de Quality Management. ​
 +
 +  * Contact : [[http://​code.ulb.ac.be/​iridia.people.php?​id=1|Hugues Bersini (IRIDIA)]] ​
 +
 +===== Développer des solutions de text mining pour la société Procter & Gamble =====
 +
 +Ce mémoire se fera en collaboration avec des responsables marketting de cette société. Il consistera en l'​analyse informatisée des appréciations récoltées sur les produits de la firme et d'une analyse comparative avec les appréciations de concurrents. Il s'​agira d'​études de type "​clustering",​ "​classification"​ et "​sentiment analysis"​.
  
   * Contact : [[http://​code.ulb.ac.be/​iridia.people.php?​id=1|Hugues Bersini (IRIDIA)]] ​   * Contact : [[http://​code.ulb.ac.be/​iridia.people.php?​id=1|Hugues Bersini (IRIDIA)]] ​
Line 79: Line 85:
   * Contact : [[http://​code.ulb.ac.be/​iridia.people.php?​id=1|Hugues Bersini (IRIDIA)]] ​   * Contact : [[http://​code.ulb.ac.be/​iridia.people.php?​id=1|Hugues Bersini (IRIDIA)]] ​
  
- 
-===== Etude pratique et expérimentale du langage de programmation F# ===== 
- 
-Depuis quelques années, Microsoft met en avant un nouveau langage de programmation F# créé dans le sillage des langages dits déclaratifs ou fonctionnels. Il semblerait que ce langage soit idéal pour le traitement des données. Le MFE consistera en une étude expérimentale de ce langage et un comparatif avec les langages de programmation aujourd'​hui les plus usités. ​ 
- 
- * Contact : [[http://​code.ulb.ac.be/​iridia.people.php?​id=1|Hugues Bersini (IRIDIA)]] ​ 
  
 ===== Etude de l'​algorithme du Deep Learning ===== ===== Etude de l'​algorithme du Deep Learning =====
Line 208: Line 208:
  
   * Contact : [[http://​code.ulb.ac.be/​iridia.people.php?​id=1|Hugues Bersini (IRIDIA)]]   * Contact : [[http://​code.ulb.ac.be/​iridia.people.php?​id=1|Hugues Bersini (IRIDIA)]]
 +
 +===== Utilisation de réseaux de neurones récurrents pour la détection d'​arythmies cardiaques =====
 +
 +Ce mémoire s'​effectuera en collaboration avec le service de cardiologie d'​Erasme et consistera en la détection automatique d'​apparition d'​arythmies cardiaques à l'aide des réseaux de neurones récurrents,​ qui semblent être très efficaces pour le traitement des séries chronologiques complexes.  ​
 +
 +  * Contact : [[http://​code.ulb.ac.be/​iridia.people.php?​id=1|Hugues Bersini (IRIDIA)]]
 +
 +
 +===== Text Categorisation and quality control through automatic language processing =====
 +
 +This thesis is developed in collaboration with the Energy Efficiency in Industrial Processes (EEIP) company. EEIP is a global industry information network. As part of their activities, they disseminate case studies to various network groups. The goal of the project is to develop an automatic language processing algorithm capable to evaluate the quality (accept / reject) of the proposed case studies and to allocate them to single/​multiple categories. Testing and training the algorithm is a key part as it not only requires development and testing of concepts such as how to evaluate quality or definition of requirements for multiple category allocation but the project also has
 +to be developed in a limited data environment (+/- 1000 case studies as training set).
 +
 +Required skills: A background in machine learning would be helpful.
 +
 +
 +  * Contacts : 
 +    * [[http://​iridia.ulb.ac.be/​~stuetzle|Thomas Stützle (IRIDIA)]] ​
 +    * [[https://​www.ee-ip.org/​|Jürgen Ritzek (EE-IP)]] ​
  
  
 
teaching/mfe/ia.txt · Last modified: 2022/11/30 13:34 by stuetzle