1. A Propos de la spécialité réseaux de neurones et Intelligence Artificielle

La spécialité "Réseaux de neurones et Intelligence Artificielle" forme des experts capables de concevoir, développer et déployer des systèmes d'IA inspirés du cerveau humain, au cœur du machine learning et du deep learning. Elle repose sur la maîtrise des fondements mathématiques (algèbre, statistiques) et des architectures de réseaux (convolutifs, récurrents, transformers) pour résoudre des problèmes complexes que la programmation classique ne peut adresser, comme la vision par ordinateur ou le traitement du langage naturel. Les compétences clés acquises incluent la programmation avec des outils comme Python et TensorFlow, le traitement de données massives, l'entraînement et l'optimisation de modèles. Les diplômés deviennent ainsi ingénieurs en machine learning, data scientists ou chercheurs, et sont highly recherchés dans tous les secteurs d'avenir pour concevoir les technologies de demain.

2. Liste des thèses réseaux de neurones et intellignece artificielle

1. Spécification et compilation de réseaux de neurones embarqués
2. Analyse des problématiques liées à la reconnaissance de sons
3. Apprentissage profond et pour la reconstruction de données spatio-temporelles
4. Techniques de Deep Learning en Reconnaissance Automatique du Locuteur
5. Classification de relations d’un document textuel non structuré basée sur le contexte
6. Contribution au développement de l’apprentissage profond dans les systèmes distribués
7. Apprentissage profond pour la prédiction de phénotypes à partir de données d’expression de gènes
8. Intelligence Artificielle Et Au Delà
9. Réseaux de neurones et application à la classification d'images
10. Usage des réseaux de neurones pour des calculs de haute performance dédiés à la modélisation du transport de sources
11. Algorithmes d’Intelligence artificielle de radiocommunications dans un contexte embarqué durci
12. Représentation événementielle, réseaux de neurones impulsionnels supervisés et pré-entraînement auto-supervisé
13. Cohorte de Réseaux de Neurones Récurrents pour la Reconnaissance de l’Écriture
14. Apprentissage profond pour la classification des changements du code source par activités de maintenance
15. Méthodes d’apprentissage automatique pour la prise en compte du bruit dans les images de synthèse