This shows you the differences between two versions of the page.
| Both sides previous revision Previous revision Next revision | Previous revision Last revision Both sides next revision | ||
|
teaching:mfe:ia [2020/04/16 09:04] bersini [Introduction] |
teaching:mfe:ia [2022/11/30 13:32] 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)]] | ||