Projets

L'objet de ce projet sera de développer un outil pour réaliser l'attribution des projets Androide aux groupes d'étudiant(e)s, en vue de sa mise en place l'année prochaine dans le cadre de l'UE. Cette problématique d'appariement avec préférences est aujourd'hui présente dans de nombreuses plateformes web utilisées à très large échelle à travers le monde, dont les plus connues au niveau national sont vraisemblablement Parcoursup et MonMaster. L'objectif du présent projet est bien entendu beaucoup plus local.

Le gain d'information bayésien (BIG) est une méthode d'interaction entre un ordinateur et un utilisateur. Traditionnellement, un ordinateur exécute simplement les commandes de l'utilisateur. Dans BIG, l'ordinateur effectue une expérience sur l'utilisateur pour mettre progressivement à jour la distribution d'une variable aléatoire qui modélise la connaissance qu'il a de l'objectif de l'utilisateur.

De nombreux agents intelligents, tels que les assistants, les enseignants artificiels et les systèmes de recommandation, fournissent des suggestions aux utilisateurs. Souvent, ces suggestions peuvent être inexactes ou non pertinentes, ce qui peut conduire les utilisateurs à devenir défavorables aux suggestions de l'agent, et globalement à une faible acceptabilité de ces systèmes.

Ce projet vise à explorer et développer des techniques de reconnaissance automatique de nombres sur une surface sphérique, avec une application spécifique au tirage du loto. L'objectif principal est de concevoir un système efficace capable de détecter et d'identifier les chiffres tirés au hasard lors des événements de loterie.

Ce projet peut être réalisé par un groupe de 2 à 4 étudiants. Contact : francois.clement@lip6.fr

L'apprentissage par renforcement profond applique les algorithmes de l'apprentissage par renforcement tabulaire à des réseaux de neurones. Pour cela, on applique aux réseaux de neurones des gradients dans l'espoir d'améliorer progressivement le comportement des agents.

Mastermind (https://fr.wikipedia.org/wiki/Mastermind) est un jeu de déduction classique, édité pour la première fois en 1972. De par la simplicité de ses règles, ce jeu a fait l'objet de nombreux travaux par des chercheurs dans différents domaines des mathématiques discrètes et de l'informatique (chercheurs en algorithmique, en optimisation combinatoire, en intelligence artificielle), afin de développer des stratégies pour trouver le code en un nombre minimum de coups.

Le problème d'agrégation d'ordres de préférences est très commun et utile dans de nombreux domaines. La méthode de Kemeny (qui minimise les désaccors sur les paires mal rangées) est une des approches les plus classiques, mais elle est difficile à calculer. Plusieurs méthodes sont connues pour donner des approximations du classement de Kemeny (par exemple la règle de Borda, la règle de Spearman).

Le jeu l'ile interdite est un jeu coopératif relativement simple (https://boardgamegeek.com/boardgame/65244/forbidden-island) qui demande à une équipe de joueurs de collaborer pour récupérer des trésors et s'échapper d'une ile sous la menace de la montée des eaux. Il peut se jouer de 2 à 4 joueurs. L'objectif de ce projet est :
* de proposer une interface permettant de jouer entre joueurs humains

Les foundational models, d’énormes réseaux de neurones entraînés sur des bases de données gigantesques, promettent d’améliorer très significativement la capacité de l’IA à résoudre des problèmes très variés comme la compréhension du langage naturel ou la commande de robots pour accomplir des tâches indiquées verbalement. Un certain nombre de ces modèles déjà entraînés sont disponibles en open source et ne demandent qu’à être testés, comme Octo et Voltron.