Trimestre recherche DIMA

Plaquette de présentation

• Etienne Decencière

• David Ryckelynck

• Centre de morphologie mathématique (Etienne Decencière)
• Centre des matériaux (David Ryckelynck)
• Centre de bio-informatique (Chloé-Agathe Azencott)
• Centre de robotique (Fabien Moutarde)
• Centre de recherche en informatique (Olivier Hermant)

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.

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, Samy Blusseau)
• Introduction à la génomique et la bioinformatique (Thomas Walter, Chloé-Agathe Azencott), pour les projets de recherche en bioinformatique

Semaine du 21 février * Lundi

9h-12h15: David Ryckelynck, Etienne Decencière : - Introduction à la semaine scientifique - Présentation des stages

13h45-15h15: Etienne Decencière : Mécanismes d'attention en analyse d'images et “transformers”.

15h30-17h: Beatriz Marcotegui: Analyse d'images 3D, nuages de points et DL

* Mardi 9h-12h15: Chloé-Agathe Azencott: Apprentissage sur les graphes et applications en santé 13h45-17h: Formation biblio * Mercredi

9h-10h30: Chloé-Agathe Azencott: Apprentissage sur les graphes et applications en santé (suite et fin)

10h45-12h15: Claude Tadonki: High Performance Artificial Intelligence

13h45-17h: Formation biblio

* Jeudi 9h-12h15: Georges-André Silber: Introduction au traitement automatique du langage 13h45-17h: Sport * Vendredi

9h-10h30: Pierre Kerfriden: Meta-modelling: response surface, machine learning & the curse of dimensionality

10h45-12h15: Chloé-Agathe Azencott: Machine learning techniques for data integration

13h45-17h: Formation biblio

Semaine du 28 février: * Lundi

9h-12h15: Fabien Moutarde: AI challenges for Intelligent Vehicles and robotics

3h45-17h: David Ryckelynck

- Data augmentation for applications of machine learning in materials sciences

- Learning Faster Simulation Methods for Partial Differential Equations

* Mardi 9h-12h15: choix des stages, et instructions pour la rédaction du rapport de stage 13h45-17h: formation biblio - restitution === Stage de recherche: du 2 mars au 29 avril. === Soutenance de stage: 28 et 29 avril. Rendu du rapport de stage: 6 mai. ===== Année scolaire 2020-2021 ===== ==== Programme du cours scientifique et de la formation à la recherche documentaire ==== Salle (ou salle virtuelle via https://salles-zoom.mines-paristech.fr/): L226. == Lundi 22 février == 9h-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. 10h45-12h15: Beatriz Marcotegui: Analyse d'images 3D, nuages de points et DL. Mode: hybride. 13h45-15h15: Claude Tadonki: High Performance Artificial Intelligence. Mode: hybride. 15h30-17h: Lecture d'article. Mode: hybride. == Mardi 23 février == 9h-12h15: Chloé Azencott: Apprentissage sur les graphes et applications en santé. Mode: distanciel. 14h-17h: Recherche documentaire - La publication scientifique. Mode: distanciel. == Mercredi 24 février == 9h-12h15: Fabien Moutarde. Mode: hybride. - AI challenges for Intelligent Vehicles - Deep-Learning for Automated Vehicles - AI challenges for Robotics 13h45-17h: Lecture d'article. Mode: distanciel. == Jeudi 25 février == 9h-12h00: Recherche documentaire - Définir, accéder, collecter. Mode: distanciel. 13h45-17h: Sport == Vendredi 26 février == 9h-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. 10h45-12h15: David Ryckelynck: Learning Faster Simulation Methods for Partial Differential Equations. Mode: hybride. 13h45-17h: Lecture d'article. Mode: distanciel. == Lundi 1er mars == 9h-10h30: choix des stages. Mode: distanciel. 10h45-12h15: Lecture d'article. Mode: distanciel. 14h-17h: Recherche documentaire - Définir, accéder, collecter. Mode: distanciel. == Mardi 2 mars == 9h-12h15: Lecture d'article - restitution. Mode: hybride. 14h-17h: Recherche documentaire - Rédiger la biblio et citer ses sources. Mode: distanciel**.