Laboratoire de Génie Informatique et d’Automatique de l’Artois

Cette thèse se situe à la croisée de plusieurs thématiques : la quantification de l’incertitude prédictive, l’extraction de caractéristiques, la compréhension et la conservation des écosystèmes marins. Si la quantification de l’incertitude prédictive, qui est un sujet fondamental et d’actualité en apprentissage machine, sera la thématique scientifique principale, l’extraction de caractéristiques aura également une place importante étant donné la nature des données à traiter. Les travaux menés dans ces thématiques, même s’ils ont vocation à ne pas être limités à une seule application, seront toutefois fortement orientés par la thématique des traits de vie des poissons, dont la maîtrise participe à la compréhension et la conservation des écosystèmes marins.

Le/la candidat(e) assurera des enseignements en cybersécurité, systèmes Windows/Linux, virtualisation au sein du BUT R&T de l’IUT de Béthune, il participera au suivi des étudiants, aux projets pédagogiques et aux responsabilités collectives.

En recherche, de très bon niveau scientifique, le/la candidat(e) doit disposer d’une très bonne compétence en Intelligence Artificielle appliquée à au moins l’un des deux thèmes scientifiques du laboratoire : Décision et fusion d’information, Optimisation des systèmes complexes. Il/elle mènera des travaux en intelligence artificielle appliquée à la robotique autonome, aux drones et à l’industrie 4.0, au sein du LGI2A, avec un fort investissement dans les projets nationaux et les collaborations académiques et industrielles.

L’objectif de ce stage est de combiner un CNN capable de classifier automatiquement les stades de sommeil à partir de signaux EEG issus de la base Sleep-EDF avec le modèle CD-ENN, afin de créer un DNN capable à la fois de prédire les stades de sommeil et d’indiquer précisément le niveau d’incertitude associé à chaque prédiction.