Differences

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

--- dima:start [2021/04/20 12:09] – [Programme du trimestre recherche] edecenciere
+++ dima:start [2024/04/11 10:30] (current) – [Année scolaire 2023-2024] edecenciere
@@ Line 1: / Line 1: @@
-====== DIMA  ======
+===== Trimestre recherche DIMA  =====
+[[https://cloud.minesparis.psl.eu/index.php/s/k3lxKLa0J7XZX1Y | Plaquette de présentation ]]
-===== Responsables =====
-  * [[ https://cmm.mines-paristech.fr/~decenciere | Etienne Decencière ]]
+=== Responsables ===
+  * [[ https://people.cmm.minesparis.psl.eu/users/decenciere/ | Etienne Decencière ]]
   * [[ https://matperso.mines-paristech.fr/People/david.ryckelynck/ | David Ryckelynck ]]
-===== Centres impliqués et contacts =====
+=== Centres impliqués et contacts ===
   * Centre de morphologie mathématique (Etienne Decencière)
   * Centre des matériaux (David Ryckelynck)
-  * Centre de bio-informatique (Chloé-Agathe Azencott)
+  * Centre de bio-informatique (Thomas Walter)
   * Centre de robotique (Fabien Moutarde)
   * Centre de recherche en informatique (Olivier Hermant)
-===== Année scolaire 2020-2021 =====
-Lundi 22/02 - mardi 02/03 : cours scientifique et formation à la recherche bibliographique
+<block 80:r:#FFCC99;black;4px solid #3300CC;Arial, Helvetica, sans-serif/10ptrounded>
+**
+DIMA contribue à faire avancer la recherche scientifique**
-Mercredi 03/03 - jeudi 29/04 (sauf semaine de vacances du 15/03): stage de recherche
+Parmi les travaux de stage les plus remarquables, certains obtiennent la reconnaissance de la communauté scientifique:
-Début avril: soutenances de mi-stage.
-Vendredi 30/04 : soutenances
+  * X. Liu, S. Blusseau and S. Velasco-Forero. "Counting melanocytes with trainable h-maxima and connected components counting layers", DGMM 2024.
+  * Z. Jiang, J. P. C. Bertoldo, and E. Decencière, “Heuristic Hyperparameter Choice for Image Anomaly Detection”, 12th International Conference on Image Processing Theory, Tools and Applications (IPTA), 2023.
+  * T. Gula and J. P. C. Bertoldo, “Gaussian Image Anomaly Detection with Greedy Eigencomponent Selection”, International Conference on Computer Vision workshop (ICCVw), 2023.
+  * J. P. C. Bertoldo and D. Arrustico, “Visualization for Multivariate Gaussian Anomaly Detection in Images”, 12th International Conference on Image Processing Theory, Tools and Applications (IPTA), 2023.
+  * Les travaux d'Arnaud Mondon ont été incorporés dans une publication: Launay, H., Ryckelynck, D., Lacourt, L., Besson, J., Mondon, A. and Willot, F.. "Deep multimodal autoencoder for crack criticality assessment". International Journal for Numerical Methods in Engineering, 123(6), pp.1456-1480, 2022.
+  * Raphaël Rozenberg, encadré par Joseph Gesnouin et Fabien moutarde, a décroché la troisième place du ICCV Trajnet++ Challenge 2021.
-Vendredi 07/05 : rendu du rapport de stage
+</block>
+===== Contexte, enjeux et objectifs =====
+L'exploitation des données occupe une place de plus en plus importante dans notre société, aussi bien au niveau professionnel que personnel. Ces données sont souvent complexes : texte, images, vidéos, génome, nuages de points, graphes, par exemple. Elles constituent la matière première des industries du numérique. L'extraction automatique d'information utile à partir de ces masses de données constitue un défi de taille.
-==== Programme du cours scientifique et de la formation à la recherche documentaire ====
+L'objectif de ce trimestre de recherche est de fournir aux élèves ingénieurs une première expérience en matière de recherche sur l'analyse automatique de données complexes. Les images et autres données structurées (graphes, arbres, séquences, etc.) seront au centre de ce travail. Les disciplines scientifiques concernées seront en particulier l'apprentissage automatique, l'analyse d'images, la robotique, la physique et la bio-informatique. Les étudiants auront l'occasion, en fonction des projets, d'utiliser les méthodes à noyaux, le deep learning ou la morphologie mathématique, entre autres. Les problèmes liés à l’optimisation de ces méthodes et à leur déploiement feront aussi partie de la thématique.
-Salle (ou salle virtuelle via [[https://salles-zoom.mines-paristech.fr/]]): L226.
+Les domaines d'application seront très variés, allant de la conduite automatique à la santé en passant par le contrôle non destructif et la caractérisation de matériaux. Certains projets de recherche se déroulement dans le cadre de collaborations avec des partenaires industriels.
-== Lundi 22 février ==
+===== Prérequis =====
-h-10h30: Etienne Decencière : Introduction à la semaine scientifique, suivie d'une présentation sur les mécanismes d'attention en analyse d'images et les "transformers". Mode: **hybride**.
+Tous les cours de tronc commun en mathématiques et informatique.
-h45-12h15: Beatriz Marcotegui: Analyse d'images 3D, nuages de points et DL. Mode: **hybride**.
+Par ailleurs, nous conseillons fortement aux élèves intéressés par ce trimestre recherche de suivre les enseignements spécialisés suivants du troisième semestre :
+  * Apprentissage automatique (Fabien Moutarde)
+  * Deep learning for image analysis (Etienne Decencière, Thomas Walter, Santiago Velasco)
+  * Analyse d’images (Beatriz Marcotegui, Samy Blusseau)
-h45-15h15: Claude Tadonki: High Performance Artificial Intelligence. Mode: **hybride**.
+Les projets de recherche de ce module d'enseignement demandent très souvent une implémentation informatique des solutions proposées. Le langage le plus courant pour ce faire est le Python.
-h30-17h: Lecture d'article. Mode: **hybride**.
+Si vous ne connaissez pas l'apprentissage automatique (//machine learning//) on vous recommande les neuf premières leçons [[https://work.caltech.edu/lecture.html| du cours du Prof. Abu-Mostafa.]]
+Le [[https://www.youtube.com/@CNRS-FIDLE/ | cours FIDLE du CNRS]] constitue une excellente initiation à l'apprentissage profond:
-== Mardi 23 février ==
+Si vous avez besoin de revoir (ou de vous familiariser avec) les réseaux de neurones à base de convolutions, vous pouvez consulter [[https://www.youtube.com/playlist?list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv | ce cours]], en particulier les dix premières vidéos.
-h-12h15: Chloé Azencott: Apprentissage sur les graphes et applications en santé. Mode: **distanciel**.
-h-17h: Recherche documentaire - La publication scientifique. Mode: **distanciel**.
+===== Déroulement =====
+Le trimestre recherche commence par un cours scientifique et un formation à la recherche documentaire qui durent une semaine et demie. Le stage démarre juste après. Le trimestre s'achève par un séminaire dans lequel les élèves présentent leurs travaux. Un rapport, qui prend la forme d'une article scientifique d'une dizaine de pages, doit être rendu postérieurement.
+===== Stages =====
-== Mercredi 24 février ==
+Huit semaines sont entièrement dédiées au travail de stage. Les sujets sont proposés par des chercheurs, souvent des centres de recherche des Mines, mais aussi d'organismes extérieurs ou d'entreprises. Ces mêmes chercheurs assurent l'encadrement.
-h-12h15: Fabien Moutarde. Mode: **hybride**.
+[[https://cloud.minesparis.psl.eu/index.php/s/yQZfssNWHZBsCyL | Le sujets sont disponibles ici.]]
-- AI challenges for Intelligent Vehicles
-- Deep-Learning for Automated Vehicles
-- AI challenges for Robotics
+===== Année scolaire 2023-2024 =====
-h45-17h: Lecture d'article. Mode: **distanciel**.
+Cours scientifique et formation à la recherche bibliographique : 4-12 mars.
+Stage : 13 mars - 6 mai.
-== Jeudi 25 février ==
+Séminaire intermédiaire: **jeudi 11 avril après-midi**.
-h-12h00: Recherche documentaire - Définir, accéder, collecter. Mode: **distanciel**.
+Séminaire final: **après-midis des 2 et 3 mai**.
-h45-17h: Sport
-== Vendredi 26 février ==
-h-10h30: Pierre Kerfriden: Méta-Modélisation et Machine Learning Probabiliste pour l’acquisition, la compression et la restitution des résultats de modèles numériques détaillés. Mode: **hybride**.
-h45-12h15: David Ryckelynck: Learning Faster Simulation Methods for Partial Differential Equations. Mode: **hybride**.
-h45-17h: Lecture d'article. Mode: **distanciel**.
-== Lundi 1er mars ==
-h-10h30: choix des stages. Mode: **distanciel**.
+==== Rapport final ====
-h45-12h15: Lecture d'article. Mode: **distanciel**.
+Le rapport final du trimestre recherche prendra la forme d'un article scientifique. Il sera rédigé en utilisant Latex, en anglais. Il ne doit pas dépasser les 10 pages (références bibliographiques non comprises).
+Si vous avez prévu de soumettre votre article à une conférence précise, vous pouvez alors prendre directement le modèle Latex de celle-ci et vous conformer aux instructions correspondantes (même si le nombre maximal de pages est inférieur à celui que nous demandons par défaut). Deux conditions doivent être impérativement respectées pour adopter ce choix:
-h-17h: Recherche documentaire - Définir, accéder, collecter. Mode: **distanciel**.
+  - vous devez avoir l'accord de vos encadrants;
+  - la soumission doit se faire pendant le mois de mai.
-== Mardi 2 mars ==
-h-12h15: Lecture d'article - restitution. Mode: **hybride**.
+L'article doit contenir:
-h-17h: Recherche documentaire - Rédiger la biblio et citer ses sources. Mode: **distanciel**.
+  * une introduction, décrivant le contexte, les défis et les objectifs du projet de recherche;
+  * des éléments de bibliographie;
+  * une description rigoureuse du travail effectué;
+  * une conclusion et des perspectives.
+Il sera accompagné d'illustrations adaptées. Il doit s'adresser à des
+lecteurs qui connaissent bien le domaine de recherche, sans forcément
+être des spécialistes de votre sujet.
-==== Lecture d'article ====
+Il doit être rendu à votre responsable de stage au plus tard le **10 mai**.
-Une partie du cours scientifique est consacrée à la lecture d'un article. Le travail se fera en binôme.
-Les articles sont disponibles [[https://cloud.mines-paristech.fr/index.php/s/dLTQp1nO1AIkRHM | ici]].
+==== Evaluation ====
-===== Stages de recherche =====
+La note du trimestre recherche est calculée à partir de 5 critères:
+  - Travail fourni (investissement dans le stage) ;
+  - Inventivité (force de proposition, idées) ;
+  - Clarté du support de la présentation finale ;
+  - Qualité du discours de la présentation finale (oral de l'exposé, réponses aux questions, respect du temps imparti) et
+  - Qualité du rapport final.
-Démarrage: 3 mars.
-Soutenance de stage: 30 avril.
-Remise des rapports: 7 mai.
-[[ https://cloud.mines-paristech.fr/index.php/s/pcvKoXkaYcnhUpk | Ce lien mène vers les descriptions complètes des stages de recherche.]]
-===== Contexte, enjeux et objectifs =====
-L'exploitation des données occupe une place de plus en plus importante dans notre société, aussi bien au niveau professionnel que personnel. Ces données sont souvent complexes : texte, images, vidéos, génome, nuages de points, graphes, par exemple. Elles constituent la matière première des industries du numérique. L'extraction automatique d'information utile à partir de ces masses de données constitue un défi de taille.
-L'objectif de ce trimestre de recherche est de fournir aux élèves ingénieurs une première expérience en matière de recherche sur l'analyse automatique de données complexes. Les images et autres données structurées (graphes, arbres, séquences, etc.) seront au centre de ce travail. Les disciplines scientifiques concernées seront en particulier l'apprentissage automatique, l'analyse d'images, la robotique, la physique et la bio-informatique. Les étudiants auront l'occasion, en fonction des projets, d'utiliser les méthodes à noyaux, le deep learning ou la morphologie mathématique, entre autres. Les problèmes liés à l’optimisation de ces méthodes et à leur déploiement feront aussi partie de la thématique.
-Les domaines d'application seront très variés, allant de la conduite automatique à la santé en passant par le contrôle non destructif et la caractérisation de matériaux. Certains projets de recherche se déroulement dans le cadre de collaborations avec des partenaires industriels.
-===== Prérequis =====
-Tous les cours de tronc commun en mathématiques et informatique.
-Par ailleurs, les élèves intéressés par ce trimestre recherche devraient naturellement être aussi intéressés par les enseignements suivants du troisième semestre :
-  * Apprentissage automatique (Fabien Moutarde, Chloé-Agathe Azencott)
-  * Deep learning for image analysis (Etienne Decencière, Thomas Walter, Santiago Velasco)
-  * Analyse d’images (Beatriz Marcotegui)
-  * Introduction à la génomique et la bioinformatique (Thomas Walter, Chloé-Agathe Azencott), pour les projets de recherche en bioinformatique