Stage
Stage GPINN: Physics-Informed Generative Neural Networks for stochastic PDEs
Les dates sont flexibles, début à partir de février. Durée : 5 à 6 mois
Télécharger le PDF ci-dessous pour une description détaillée du sujet.
Please download the PDF below for the detailed description.
Stage M1 ou M2: Analyse textuelle des études scientifiques évaluant l'impact des vers de terre sur l'environnement
la perception qu'ont les scientifiques des vers de terre est très variable selon la région géographique considérée. Ces animaux sont perçus de manière très positive en Europe, où de nombreux scientifiques considèrent qu'ils consituent une composante essentielle des agro-écosystèmes et qu'ils permettent d'augmenter la production agricole. Au contraire, en Amérique du nord, les vers de terre sont perçus comme des animaux envahisseurs conduisant à une réduction de la biodiversité du fait des modifications physico-chimiques qu'ils induisent sur le sol.
Stage M2 : Modélisation statistique pour la dynamique physiologique des plantes via des approches d'apprentissage profond
L'objectif du projet est de développer une stratégie d'inférence alternative basée sur les approches récemment développées pour l'estimation des paramètres en apprentissage profond (différentiation automatique, batch gradient descent) pour ajuster des modèles à effets mixtes non linéaires de pointe pour la dynamique physiologique. À cette fin, l'inférence sera présentée comme un problème d'optimisation où la cible est un réseau neuronal, et où la fonction de perte sera choisie en fonction de la nature de la caractéristique physiologique (continue ou discrète).
M2 Internship : improving inference of Poisson log-normal models with normalizing flows
Voir lien vers le PDF détaillé