Annonce en lien avec l’Action/le Réseau : aucun
Laboratoire/Entreprise : IRIT, Toulouse
Durée : > 4 mois
Contact : pierson@irit.fr
Date limite de publication : 2019-05-01
Contexte :
Dans le cadre du projet ANR i-Nondations, nous proposons le sujet de Master suivant, sur du machine learning. Le projet i-Nondations s’intéresse à la gestion de crises, en particulier celle des crues rapides.
Sujet :
Dans le cadre du projet ANR i-Nondations, une tâche consiste à capitaliser les expériences des crises précédentes pour éviter les suivantes. Les données manipulées sont des données quantitatives (capteurs de hauteur d’eau, topographie du lieu, images satellites, ressources mobilisées pour gérer la crise) et des données qualitatives (issues d’enquêtes de terrain auprès des collectivités et des personnes touchées). Les inondations, selon leur gestion, ont abouti in fine à des dégâts plus ou moins importants qui sont mesurables. L’utilisation du machine learning permettrait de dégager des pratiques qui limiterait le coût humain et/ou financier (l’objectif étant à définir). La particularité spécifique au contexte proposé est l’incertitude des données et leur non complétude sur l’ensemble des cas d’étude. Par exemple, dans certains cas, les ressources mobilisées n’ont pas été clairement identifiées lors de la crise (combien de pompiers, combien de véhicules), ou certains territoires n’ont pas beaucoup d’images satellites car la couverture nuageuse était trop importante au moment de la crise, certains capteurs étaient absents…
Dans un premier temps, le stagiaire fera un état de l’art des techniques d’apprentissage utilisées dans le cadre de la gestion de crise, en particulier d’inondation. Beaucoup de projets de recherche à l’échelle internationale s’intéressent à cette problématique, permettant d’avoir des premières pistes de réflexion et d’en comprendre les limites dans le cas précis des inondations.
Dans un second temps, le stagiaire devra proposer l’utilisation des techniques d’apprentissage les plus adaptées, puis de tester avec un sous ensemble de données du projet i-Nondations ses propositions.
Encadrement : Jean-Marc Pierson (pierson@irit.fr)
Profil du candidat :
– Motivé par l’apprentissage et le machine learning
– Intéressé par le sujet de la gestion de crises
– Master 2 Informatique ou Ecole d’Ingénieur Informatique
Pour candidater :
– CV
– Lettre de motivation vis à vis du sujet
– Résultats académiques en Licence 3 et Master 1 ou équivalent.
Les dossiers ne contenant pas ces documents ne seront pas étudiés.
Formation et compétences requises :
– Informatique en général
– Une formation en machine learning est un plus (la mettre en évidence sur la lettre de motivation)
Adresse d’emploi :
Laboratoire IRIT
Université Toulouse 3 Paul Sabatier
Toulouse