Stage

Les décisions prises au sein des organisations ont souvent un impact sur plusieurs individus, qu’il convient de considérer de manière équitable. Dans ce contexte, l’optimisation équitable vise à produire des solutions efficaces tout en contrôlant l’équilibre des satisfactions des individus vis-à-vis de la solution choisie. Cela peut concerner des problèmes de partage d’objets indivisibles, d’affectation de tâches de façon à équilibrer la charge ou la satisfaction d’individus.

Le LIP6 développe des algorithmes et met en œuvre la bibliothèque open-source Agrum pour apprendre des modèles causaux à partir de données observationnelles.

D'un autre côté, SAP dispose de bibliothèques et d'outils pour développer des modèles prédictifs. Notre objectif est de combiner ces deux domaines et technologies pour quantifier l'influence causale de certaines variables clés sur une cible donnée.

Le CRIGEN est le centre corporate de R&D et d'expertise opérationnelle dédié aux nouveaux gaz, aux nouveaux usages de l’énergie, au digital et technologies émergentes. Situé en région parisienne à Stains (93), il compte 200 collaborateurs. Il fournit des applications industrielles testées, éprouvées et commercialisables, ainsi que de nouvelles offres basées sur le développement et la mise en commun d'idées innovantes, de connaissances scientifiques et d'expertise technique. Sa capacité à innover constitue un avantage clé pour le Groupe ENGIE.

Dans un essaim de robots, chaque unité ne peut communiquer qu'avec ses voisins immédiats. Cela pose un défi unique pour l'estimation d'information concernant l'ensemble de l'essaim, comme l'estimation collective du nombre de robots présents dans l'essaim. L'objectif de ce stage est de concevoir et implémenter sur robots réels un algorithme distribué permettant à chaque robot d'estimer le nombre total de robots présents.

M2 internship in AI and Data Science:

Spasticity is a motor disorder characterized by muscular hyperactivity caused by impaired nerve conduction. Diagnosis of this pathology relies on the assessment of the degree of resistance of the limb following a passive movement performed by the practitioner, and is used to determine the treatment to be followed. However, this assessment remains subjective and requires practical experience, making it difficult to learn for young practitioners.

Ce stage concerne l'application directe de méthodes de machine learning pour la résolution de problèmes d'optimisation combinatoire multi-objectifs. L'objectif est de pouvoir prédire la fréquence d'apparition d'une variable dans les solutions Pareto-optimales, afin d'ensuite utiliser des méthodes d'échantillonnage pour obtenir l'ensemble des solutions Pareto-optimales. L'apprentissage se base sur des techniques d'apprentissage profond spécifiques pour l'apprentissage de graphes, les réseaux neuronaux de graphes (GNN).

La prise en compte de l’aléatoire dans des contextes d’ordonnancement est une thématique de plus en plus présente aussi bien dans le monde académique qu’économique. Ainsi, la résolution des problème d'affectation de tâches à des ressources dans un cadre aléatoire présente un intérêt théorique notable car il n’existe pas, à ce jour, d’approche qui puisse calculer l’optimum global.

L'étude des négociations sur le climat est un sujet d'une grande complexité, puisque cellesci
mettent en jeu de nombreux acteurs, interagissant à des niveaux différents, selon des modalités
complexes, nécessitant la mise en place de mécanismes de délibération et de négociations
originaux en vue d'aboutir à des accords dont le résultat est parfois difficile à évaluer (en
particulier en ce qui concerne les conséquences sur le long terme).

Au cours des dernières décennies, la conception et l'analyse des algorithmes étaient basées sur l'analyse du pire cas, où la performance d'un algorithme est caractérisée par sa pire performance sur toutes les instances d'une taille donnée. Cependant, pour de nombreux problèmes, l'analyse du pire cas ne permet pas de prédire les performances des algorithmes en pratique. En effet, dans de nombreux scénarios, l'entrée est loin d'être le pire cas et présente certaines caractéristiques prévisibles.