Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

14 novembre 2019

[Thèse] Traitement de séries temporelles par IA pour les smart sensors


Catégorie : Doctorant


Offre de thèse au CEA Grenoble en collaboration avc le GIPSA-Lab.

Début en Octobre 2020.

 

Un capteur est aujourd’hui un outil utilisé pour acquérir des données de modalité fixe (acoustique, pression, image, etc.). Ces données sont ensuite stockées avant d’être traitées par machine learning par exemple, en vue d’extraire des informations pertinentes. Un très grand nombre de capteurs et de cas applicatifs peuvent être considérés :

L’un des enjeu actuel est de pouvoir créer et designer des capteurs intelligents (smart sensors, Fig 1), c’est-à-dire des capteurs où la sortie serait directement l’information recherchée, et non plus le signal brut. Les smart sensors sont aujourd’hui un enjeu dans de nombreux domaines, en particulier quand les capteurs doivent fonctionner en autonomie et dans des environnements isolés, c’est-à-dire sous contrainte d’énergie et de capacités de stockage. C’est par exemple le cas lors de l’étude de paysages acoustiques pour la surveillance environnementale (forêts, zones sous-marines, etc). L’IoT et les capteurs de type « wearable » sont également des domaines visés.

De nombreux points techniques sont à aborder pour passer d’un capteur traditionnel à un capteur intelligent. Le design de méthodes d’intelligence artificielle efficace pour le traitement des données, tout en étant suffisamment légères en termes calculatoires et énergétique est un premier challenge. Le design de ces mêmes méthodes à partir de jeux de données peu ou faiblement labélisées en est un autre. Le CEA mène déjà des études dans ce sens, et la pertinence de certains outils d’intelligence artificielle est évidente.

 

Ce stage se focalise sur les capteurs enregistrant des séries temporelles : stations inertielles, microphones, bracelets connectés, etc. Le cœur du sujet est de travailler sur des méthodes d’IA pour les séries temporelles, dans un (ou plusieurs…) contexte applicatif. Le sujet s’inscrit dans une thématique plus globale concernant la fiabilité de l’IA (détection d’anomalies, détection d’événement non présents au cours de l’apprentissage), ainsi que le développement de méthodes d’IA performantes sous contrainte de labélisation. Le sujet est ambitieux et plusieurs voies de développement sont ouvertes. À cet effet, un financement de thèse sur le sujet est déjà acquis, et le sujet de stage se veut être une première étape vers la thèse. Le stage et la thèse se dérouleront à Grenoble.

 

Le ou la candidat(e) recherché(e)s sont des personnes autonomes, curieuses, dotées d’une expérience ou d’un parcours en machine learning / intelligence artificielle / data science et en traitement du signal. Une expérience dans le domaine de l’embarqué est un plus, mais n’est pas nécessaire. La personne sélectionnée pour le stage et la thèse sera amenée à développer des méthodes concrètes sur des jeux de données liés à un plusieurs domaines (recherche appliquée). Les applications visées seront décidées en fonction de l’intérêt du candidat (monitoring, médical, géophysique, etc).

 

Pour plus d’information sur le sujet, ou pour postuler (CV + lettre de motivation), merci de contacter : Marielle Malfante : marielle.malfante@cea.fr Jérôme Mars : jerome.mars@grenoble-inp.fr

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2020.