Home » 2023

Hugo Lecrubier

Diplômé d’un master MTI3D (Management des Technologies Interactives 3D) délivré par l’école d’ingénieurs Art et Métiers, je me suis spécialisé dans les technologies de réalité étendue (VR/AR/MR). Au cours de mes expériences professionnelles précédentes, j’ai eu l’opportunité de concevoir des outils virtuels immersifs pour le prototypage numérique et l’aide à la prise de décision industrielle. J’ai également développé des serious games dédiés à la formation avancée d’anesthésistes pour l’utilisation de respirateurs artificiels, ainsi que réalisé des démonstrateurs de produits et des applications pour l’apprentissage des gestes techniques.

Tengfei AN

Tengfei a obtenu sa licence et son premier master en Chine, puis a travaillé à Pékin, d’abord comme ingénieur en simulation de réservoir, puis comme ingénieur QA pendant plusieurs années.
Il est venu à la Sorbonne Université pour étudier l’informatique et a obtenu son master en informatique.
Il travaille actuellement au sein de l’équipe STACK en tant que doctorant Son sujet de thèse est la modélisation et l’étude de l’auto-stabilisation au sein de Kubernetes Ses encadrants sont Hélène Coullon et Jacques Noyé ainsi que M. Crégut, Pierre d’Orange.

Yujie HUANG

Son parcours :

2017-2021 : Ocean University of China, Bachelor, Ingénierie de l’information électronique;

2021-2023 : Polytech Nantes, Ingénieur, Electronique et Technologie Numérique;

Son sujet de thèses : Apprentissage machine pour l’analyse d’interaction en Réalité Virtuelle. Elle sera encadrée par Patrick LE CALLET, et co-encadrée par Alexandre BRUCKERT.

Chen XIONG

Je suis arrivée en France en 2017 pour intégrer l’INSA Rouen Normandie afin d’y effectuer un cursus d’ingénieur de cinq ans avec l’option Aide à la décision et IA. En parallèle, j’ai effectué un master en Science et Ingénierie des Données à l’université de Rouen. Je suis actuellement doctorante dans le projet ALICIA au sein de l’équipe Modélis. De manière générale, ma thèse porte sur la combinaison de l’apprentissage par renforcement et de la recherche opérationnelle appliquée aux lignes d’assemblage.

Amir H. Abolmasoumi

I completed my BSc in electrical engineering at University of Tehran and MSc and Ph.D. at Tarbiat Modares University, Tehran, Iran. I then joined the ECE group at Arak University Iran in 2012. I was a visiting researcher at Virginia Polytechnic Institute and State University during 2020.  My research career focus is on dynamic control systems theory and its application to power, biology and vibrational systems. My research interests within the area of dynamic systems include state estimation, data-driven modeling and control of delay dynamical systems. Some of my recent works includes the design of robust particle filters and robust Kalman filters with application to power system state estimation and biochemical gene regulatory systems. My recent work also revolves around the Koopman operator theory and the data-driven modeling, diagnosis and control based on dynamic mode decomposition.    

Rétrospective journée pôle SDD du 7 avril 2023

La journée dédiée au pôle thématique Sciences des Données et de la Décision (SDD) a été un succès avec la participation de 45 personnes. Les six équipes du pôle, COMBI, DUKe, GDD, MéForBio, modelis et TASC, ont été représentées avec une forte participation des doctorants.

La thématique de la journée était « Le cycle de vie de la donnée ». Nous avons eu le plaisir d’accueillir Stéphane Pesant, chercheur à l’EMBL-EB au Royaume Uni, qui a partagé son expertise sur le cycle de vie de la donnée dans les projets du monde marin. En tant que gestionnaire de données pour les missions de Tara Oceans, il a présenté l’ensemble du processus, de la collecte à la publication.

La matinée s’est poursuivie avec une présentation courte de chaque équipe, permettant aux doctorants de présenter leurs travaux.

Marinna Gaudin, de l’équipe COMBI, a exposé la question centrale de sa thèse : « Dans quelle mesure la biogéographie des interactions planctoniques peut-elle fournir des informations sur la réponse des communautés planctoniques au changement climatique ? »
Guillaume Raschia, de l’équipe DUKe, a présenté les travaux de thèse d’Aurélie Suzanne, qui a trouvé une solution efficace pour traiter les flux d’événements temporels en temps réel.
Quatre doctorants de l’équipe GDD ont mis en avant leur travail sur comment rendre de données hautement accessibles sur le web. Ils ont discuté de la transformation des données en graphes de connaissances, de l’augmentation des données grâce au web et de l’accès efficace et flexible du web des données.
Honglu Sun, de l’équipe MéForBio, a exposé les problématiques de son travail de thèse, qui consiste à identifier les paramètres de la modélisation hybride (modèles continus et discrets) de réseaux de régulation génique à partir de données de séries temporelles.
Après une courte introduction d’Olivier Peton, responsable de l’équipe modelis, David Tremblet a présenté son sujet de thèse, qui s’inscrit dans le cadre du projet européen ASSISTANT. Il a expliqué comment il travaillait à la planification de la production basée sur les données avec des économies de coûts importantes, tout en prenant en compte l’incertitude dans la prédiction de la consommation de ressources.
Enfin, après une courte introduction de Samir Loudni, responsable de l’équipe TASC, trois doctorants de l’équipe TASC ont introduit de manière ludique leurs problématiques de recherche : les modèles discrets d’ordonnancement dans un contexte d’optimisation combinatoire, l’utilisation de solveurs de contraintes pour échantillonner des problèmes combinatoires de manière générique et l’apprentissage pour classer des règles d’association à l’aide de l’intégrale de Choquet de façon itérative en prenant en compte les retours de l’utilisateur.

L’après-midi, trois tables rondes ont eu lieu en parallèle. Chacune d’entre elles a duré une heure, suivie d’un bref compte-rendu adressé à l’ensemble des participants.

  1. La modélisation des données et les nouveaux enjeux, comment les affronter (éthique, qualité des jeux de données utilisés, qualité des résultats, respect de la vie privée, respect de la RGPD, etc.).
  2. La place de l’IA dans nos préoccupations (est-elle le sujet central de nos recherches, ou un outil à un stade de solution que nous proposons).
  3. Les bonnes pratiques à suivre pour produire des protocoles expérimentaux sérieux (quelle taille des données à générer ? quels benchmarks ? quels indices de qualité ? etc.).

Galerie photos

Copyright : LS2N 2017 - Mentions Légales - 
 -