L'IA sous l'angle de la modélisation mathématique et statistique.
Yohann De Castro est membre junior de l’Institut Universitaire de France, à l'Institut Camille Jordan, il étudie des techniques d’optimisation convexe sur l’espace des mesures de Radon pour des problèmes de machine learning et traitement du signal. Son objectif est de donner de nouveaux modèles et algorithmes plus rapides, plus fiables et préservant la confidentialité des données. Ces recherches sont des leviers importants pour lever les verrous industriels et scientifiques dans divers domaines d'étude :
- Médecine : analyse de cohortes de patients à partir de données cliniques, génétiques et environnementales;
- Bio-statistique : détection de gènes;
- Traitement du signal : détection de sources ponctuelles, reconstruction d’image.
- Machine learning : confidentialité, optimisation, garanties statistiques.
Relever le défi de l'IA embarquée
Au sein de l’INL (Institut des Nanotechnologies de Lyon), Alberto Bosio et son équipe, spécialistes de la nano-éléctronique, se concentrent sur l'IA embarquée, avec des projets de recherche sur l'optimisation des architectures matérielles, en vue d’améliorer l'efficacité énergétique et la fiabilité des systèmes autonomes pour des applications telles que :
- les voitures autonomes,
- les satellites et drones,
- l’industrie intelligente.
Emmanuel Dellandrea du LIRIS (Laboratoire d'InfoRmatique en Image et Systèmes d'information) mène ses recherches au sein d'une équipe qui développe des modèles d'IA reposant sur différentes techniques d'apprentissage utilisant une grande variété de données, avec un large spectre d'applications telles que :
- la manipulation robotique,
- les smart cities,
- les performances sportives,
- l’ingénierie médicale,
- le génie civil.