Suggestions de projets

Transfert d’hypothèse par projection entre espaces

En apprentissage artificiel, une hypothèse de stationnarité est souvent observée et garantit que le concept appris reste valide après la phase d’apprentissage. Tant au niveau de l’intelligence humaine que des applications en traitement des données, cette hypothèse n’est souvent pas valide. Néanmoins, des connaissances acquises dans un contexte peuvent se révéler très utiles dans un autre contexte, bien que demandant une adaptation. Ce travail de transposition s’appelle « apprentissage par transfert ».

Conception d’un algorithme de clustering collaboratif

Le clustering est un problème d’apprentissage qui consiste à grouper ensemble des données similaires. En général les algorithmes de clustering ont accès à l’intégralité des données pour travailler, mais dans certaines applications ils peuvent n’avoir qu’une visibilité limitée sur les données (par exemple pour des raisons de sécurité). Dans de telles circonstances, les algorithmes doivent travailler sur les données auxquelles ils ont accès uniquement, mais peuvent échanger des informations entre eux à propos des groupes qu’ils forment : cette tâche s’appelle clustering collaboratif.

Trading intelligent de cryptomonnaies

Les cryptomonnaies font aujourd’hui l’objet d’une très forte volatilité, de par l’incertitude liée à leur valorisation dans les années à venir. Ceci permet l’apparition du trading par les particuliers, ce trading pouvant se fair basse fréquence (low frequency trading) et donc accessible par un ordinateur classique.

Apprentissage sur flux de données avec détection de changements

Les nouvelles sources de génération de données (l’internet des objets et les réseaux sociaux en particulier) ont conduit dans les dernières années à l’émergence d’une nouvelle problématique : le traitement de flux de données.

Pages