Ci-dessous, les différences entre deux révisions de la page.
Les deux révisions précédentes Révision précédente Prochaine révision | Révision précédente | ||
site:offres:2022:theses:start [07/04/2022 17:19] hubert [GraphologIA] |
site:offres:2022:theses:start [07/04/2022 22:03] (Version actuelle) hubert |
||
---|---|---|---|
Ligne 1: | Ligne 1: | ||
- | ====== Sujets de thèse 2022-2025 ====== | + | ====== Sujets de thèse ====== |
- | ====GraphologIA ==== | + | ===== Sujet pré-sélectionné par SCAI ===== |
- | Offre de thèse à Paris financée par l'institut Sorbonne Center for Artificial Intelligence (SCAI). | + | Offre de thèse 2022-2025 à Paris financée par l'institut Sorbonne Center for Artificial Intelligence (SCAI). |
- | ===Titre=== | + | Date limite pour candidater: <fc #ff0000>25 avril 2022</fc> |
- | GraphologIA : Actionner les méga-graphes de données | + | |
- | dans les dataflows d’apprentissage automatique | + | Dépot des candidatures sur le [[https://www.sorbonne-universite.fr/projets-proposes-en-2022-programme-instituts-et-initiatives|site du programme instituts et initiatives]] |
+ | |||
+ | ====GraphologIA : Actionner les méga-graphes de données dans les dataflows d’apprentissage automatique ==== | ||
===Encadrants=== | ===Encadrants=== | ||
Ligne 12: | Ligne 14: | ||
* Camelia.Constantin@sorbonne-universite.fr | * Camelia.Constantin@sorbonne-universite.fr | ||
- | ==Contexte== | + | ===Contexte=== |
- | Cette thèse en //data science// et //big data// aborde le déploiement de dataflows de machine learning alimentés par des graphes de données. Il s'agit de convevoir des solutions pour l'analyse automatique de méga-graphes à partir de données hétérogènes et dynamiques. L'objectif est d'exécuter plus efficacement la préparation des données d’apprentissage et l’entraînement des modèles d’apprentissage. | + | {{ :site:offres:2022:theses:prd_scai_2022_graphologia_avec_contact.pdf |Lire le sujet de thèse complet}} |
- | + | ||
- | {{ :site:offres:2022:theses:prd_scai_2022_graphologia_avec_contact.pdf |Lire le sujet de thèse: GraphologIA}} | + | |
+ | Cette thèse en //data science// et //big data// aborde le déploiement de dataflows de machine learning alimentés par des graphes de données. Il s'agit de convevoir des solutions pour l'analyse automatique de méga-graphes à partir de données hétérogènes et dynamiques. L'objectif est d'exécuter plus efficacement la préparation des données d’apprentissage et l’entraînement des modèles d’apprentissage. | ||