Stage

Les responsables des stages sont Aurélie Beynier et Thibaut Lust.
La durée des stages est de 5 mois minimum et 6 mois maximum. Les soutenances des stages ont lieu en septembre.
Propositions de stages de M2.

Par Cedric Herpson , 8 décembre, 2017

MODELISATION D’UN SYSTEME DISTRIBUE POUR LA REGULATION FERROVIAIRE

L’objectif de ce travail consiste à vérifier la faisabilité d’une approche décentralisée de régulation
dans un système ferroviaire, implémenté sous la forme d’un système à agents. Les agents de ce
système seront les trains dont les règles de comportement seront à définir pour concourir à un bénéfice
global du système qui sera lui-aussi à définir.

Par Cedric Herpson , 7 décembre, 2017

Architecture d’agent adaptatif pour l’autonomie à long terme

L'objectif de ce stage est de concevoir et mettre en œuvre une architecture cognitive élémentaire pour l’autonomie à long terme d’une entité artificielle évoluant en environnement ouvert, dynamique et partiellement observable.

Mots-clés : autonomie à long terme, adaptation, robustesse, apprentissage incrémental
Localisation : Paris – Université Pierre et Marie Curie, campus Jussieu – LIP6.

Par Paolo Viappiani , 30 novembre, 2017

Algorithmes d’explication de recommandations multicritères

DASSAULT SYSTEMS

Ce stage est proposé par l’organisation « Recherche » dont la mission est de développer et d’évaluer l'applicabilité de nouvelles technologies innovantes, notamment sur des prototypes, pour maintenir un haut niveau de compétences dans tous les domaines techniques stratégiques.

ROLE ET OBJECTIF

Description sur: https://careers.3ds.com/fr/job-description/?job=312455

POSTULER

Par Safia Kedad-Sidhoum , 22 novembre, 2017

Offres de stages à NAVER LABS Europe

--

Dynamic trip planing

Description

As both historical and real-time data are available for more and more urban areas, integrating either one or the other in trip planning algorithms has received a wide interest in the literature in the past few years [Bast et al. 2014]. NAVER LABS is developing its own trip planning algorithms, pursuing research to improve models and algorithms, to take advantage of the various sources of data available in smart cites and to enhance user personalization and experience.