This shows you the differences between two versions of the page.
| Both sides previous revision Previous revision Next revision | Previous revision | ||
|
teaching:mfe:ia [2020/04/16 09:04] bersini [Introduction] |
teaching:mfe:ia [2024/06/12 11:11] stuetzle |
||
|---|---|---|---|
| Line 1: | Line 1: | ||
| - | ====== MFE 2018-2019 : Intelligence Artificielle ====== | + | ====== MFE 2022-2023 : Intelligence Artificielle ====== |
| ===== Introduction ===== | ===== Introduction ===== | ||
| Line 52: | Line 52: | ||
| - | ===== Développer des solutions de text mining pour la société Procter & Gamble ===== | + | ===== Développer des solutions de text mining pour la société Procter & Gamble ou dans le domaine juridique ===== |
| - | Ce mémoire se fera en collaboration avec des responsables marketing 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 pour l'essentiel d'études de type "clustering", "classification" et "sentiment analysis" au départ de nombreuses librairies déjà existantes. | + | Ce mémoire se fera en collaboration avec des responsables marketing de cette société ou avec des reponsables du monde juridique. 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 pour l'essentiel d'études de type "clustering", "classification" et "sentiment analysis" au départ de nombreuses librairies déjà existantes. |
| + | |||
| + | Dans le cas du monde juridique, il s'agira de processus d'organisation et d'indexation automatique des documents juridiques | ||
| * 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 109: | Line 111: | ||
| - | ===== Etude de l'algorithme du Deep Learning ===== | + | ===== Etude de l'algorithme du Deep Learning et de l'optimisation des architectures des ces réseaux de neurones ===== |
| Les réseaux de neurones multicouches sont redevenus très à la mode depuis que Google les utilise massivement pour le traitement automatique d'images et de vidéos. Nous avons à IRIDIA étudié et réalisé plusieurs algorithmes d'apprentissage de ces réseaux multicouches. Le mémoire consistera en une comparaison des algorithmes de deep learning tels ceux utilisés chez Google et les alternatives que nous proposons ici à IRIDIA depuis plusieurs années. | Les réseaux de neurones multicouches sont redevenus très à la mode depuis que Google les utilise massivement pour le traitement automatique d'images et de vidéos. Nous avons à IRIDIA étudié et réalisé plusieurs algorithmes d'apprentissage de ces réseaux multicouches. Le mémoire consistera en une comparaison des algorithmes de deep learning tels ceux utilisés chez Google et les alternatives que nous proposons ici à IRIDIA depuis plusieurs années. | ||
| + | |||
| + | Plus particulièrement, nous nous intéressons à des mécanismes automatiques d'optimisation de l'architecture de ces réseaux: Combien de couches, combien de filtres convolutifs par couche... | ||
| * 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 239: | Line 243: | ||
| - | ===== Text Categorisation and quality control through automatic language processing ===== | + | ===== Autonomous AI agents to help in online sales ===== |
| - | 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 | + | 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 articles, reports and case studies to their global network of 150.000 business professionals. Currently, EEIP is about to start a mobile quiz as a serious gaming application including a content marketing service. EEIP wants autonomous AI agents to help in online sales for this business-to-business (B2B) online marketing services. |
| - | to be developed in a limited data environment (+/- 1000 case studies as training set). | + | |
| - | Required skills: A background in machine learning would be helpful. | + | “Autonomous AI agents, at their core, are intelligent entities capable of decision-making and action execution without direct human intervention. These agents leverage advanced algorithms and machine learning models to analyze data, draw insights, and execute tasks autonomously.” Source:https://www.analyticsvidhya.com/blog/2023/12/autonomous-ai-agents/#:~:text=Autonomous%20AI%20Agents%2C%20at%20their,insights%2C%20and%20execute%20tasks%20autonomously |
| + | The main goal of this thesis is to develop an autonomous AI agent which can help and execute autonomously the process of the online sales of the B2B content marketing service. To this aim, the scope of the thesis is to design an autonomous AI agent which can serve as a sales agent identifying sales prospects, contacting and interacting with them up to guiding them through a sales process to close the deal. | ||
| + | |||
| + | The particular scope of the master thesis is open for discussion. | ||
| + | |||
| * Contacts : | * Contacts : | ||