Ce stage vise à enrichir l’ontologie TransformON, développée par INRAE pour structurer les connaissances sur les itinéraires de production d’aliments et de bioproduits. En s’appuyant sur des techniques de deep learning et des grands modèles de langage (LLM), il s’agira de combler les lacunes en définissant automatiquement des concepts manquants, améliorant ainsi l’interopérabilité et la réutilisation des données scientifiques.
Stage de M2 (avec possible suite en Thèse) sur l'inférence de modèles statistiques spatio-temporels par réseaux de neurones sur graphes.
Application en environnement/climat/geosciences.
Laboratoires d'accueil : MIA Paris-Saclay (AgroParisTech/INRAE, Université Paris-Saclay) et Équipe Géostatistique, Centre de Géosciences (Mines Paris, PSL).
Tous les détails sont disponibles dans le pdf attaché.
France, the second-largest wine producer in the world, is adapting to climate change and societal pressures. Winemaking fermentation requires low temperatures, making it energy-intensive. To address this, INRAe's digital twin1 project (DigitWine) uses state-of-the-art sensors to monitor fermentation and aroma compounds.
This internship offer is no longer valid.
THIS INTERNSHIP OFFER IS NO LONGER VALID.