Visitez notre page

 

 

 

 

 

 


Stage

Modélisation spatiaux-temporelle de la production laitière avec des réseaux de neurones

Ce stage de 6 mois porte sur la prévision de séries temporelles, avec un accent sur l’explicabilité des méthodes utilisées. Un intérêt particulier est porté à la détection des phénomènes atypiques et la quantification de leur impact sur la série temporelle cible. Le candidat idéal est en M2 ou en dernière année d’école d’ingénieur, avec des solides compétences en apprentissage automatique, statistiques et programmation. Une sensibilité aux sciences biologiques, agronomiques ou zootechniques est un plus.

STAGE M2, INGÉNIEUR ou CÉSURE - Analyses de la structure des communautés fongiques de la phyllosphère du blé

Résumé du projet
Le projet MycoMix (INRAE SPE / Graduate School BIOSPHERA) vise à explorer la façon dont les mélanges de
variétés de blé plus ou moins résistantes à Zymoseptoria tritici, champignon responsable de la septoriose,
influencent les communautés fongiques associées à la plante. Il s’agit d’évaluer dans quelle mesure ces
communautés microbiennes peuvent contribuer à la régulation de la maladie. Plus précisément, le projet
vise à comparer la structure et la composition des communautés fongiques entre des couverts

Apprentissage de modèle génératif de scènes 3D de grandes cultures

Afin d’optimiser les traitements dans l’agriculture, et donc de minimiser leur impact, il est
essentiel d’identifier précisément les plantes à cibler. Or, il existe une grande variété de cultures, de
stades de développements, et de conditions, certaines en lien avec le changement climatique. De
plus, les conditions de prise de vue elles-mêmes peuvent être variables selon le type de capteurs,
l’angle de prise de vue, la luminosité, etc.
Le projet de recherche dans lequel s’inscrit ce stage a pour objectif de permettre de comparer des

Stage complétion de définition d'ontologie en utilisant les LLM

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 M2 - Inférence de modèles spatio-temporels par réseaux de neurones sur graphes

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.