Informatique | Réseau de l'Université du Québec

Informatique

Offres disponibles par thème/sujet de stage :

Ingénierie des données à haute performance

ÉtablissementUniversité TÉLUQ
Laboratoire/équipeLe centre de recherche DOT-Lab
Professeur.e responsableDaniel Lemire
Mandat du/de la stagiaireDéveloppement logiciel (C, C++, C#, Java, Go, Rust, etc.) pour l'ingénierie des données.
Profil recherchéIntérêt pour la programmation informatique de haut niveau.
DuréeQuatre (4) mois

 

Mise à jour d'un calculateur d'écart de contextes

Établissement Université TÉLUQ
Laboratoire/équipeProjet TEEC - Technologie éducative et enseignement en contexte
Professeur.e responsableValéry Psyché et Jacqueline Bourdeau
Mandat du/de la stagiaireLe projet TEEC vise à élaborer un modèle et des instruments permettant à la communauté étudiante, par des échanges internationaux, de découvrir le rôle du contexte dans l’apprentissage d’un de ces domaines : biologie, géologie, français, socioéconomie.

Dans le cadre de ce projet, une interface de programmation de l’application MazCalc a été conçue. MazCalc est un calculateur des effets dus aux différences de contexte liées à un objet d’apprentissage. Mazcalc s’avère particulièrement utile pour la conception de scénarios pédagogiques collaboratifs pour deux publics cibles d’apprenants ayant des contextes d’apprentissage différents à propos d’un même objet d’apprentissage. Il peut fournir des informations précieuses aux conceptrices et aux concepteurs pédagogiques sur l’apprentissage des personnes apprenantes. Ainsi, le logiciel MazCalc intervient pour calculer les différences entre deux contextes externes sur la base de paramètres spécifiques, liés à l’objet que les personnes apprenantes sont censées étudier, et fournit des pistes pour la mise en œuvre de scénarios pédagogiques collaboratifs pertinents dans les deux contextes calculés, nécessitant une collaboration entre le personnel enseignant et les personnes apprenantes des deux contextes géographiques.

La tâche principale de la personne stagiaire sera de déployer un logiciel du projet, le MazCalc, sur un serveur sécurisé. Le MazCalc a été conçu en langage C#. Il fonctionnait très bien jusqu’à ce qu’il soit migré vers un autre serveur. Au moment de le déployer, le technicien à repérer beaucoup d’erreurs empêchant son installation. Il a constitué un catalogue des erreurs qui sera remis au démarrage du travail. L’objectif est de migrer MazCalc vers une version open source. Il faudrait que le candidat ou la candidate comprenne ce qui a été fait en C# afin de reprogrammer le tout en un langage open source tel que Python.
Profil recherché- Études universitaires en informatique.

- Démontrer des compétences avérées en programmation (preuve de réalisations à l’appui).

- Posséder des connaissances pour déployer un logiciel conçu en C# sur un serveur.

- Maîtriser ASP.NET Core, Visual Studio et langage C#, Python.

- Compétences en programmation open source.
DuréeSix (6) mois

 

Conception d'un scénarisateur contextuel et collaboratif

ÉtablissementUniversité TÉLUQ
Laboratoire/équipeProjet TEEC - Technologie éducative et enseignement en contexte
Professeur.e responsableValéry Psyché et Jacqueline Bourdeau
Mandat du/de la stagiaireLa personne stagiaire aura pour mandat de concevoir le scénarisateur en version Web open source et de le faire communiquer au MazCalc. Un prototype du scénarisateur a été conçu et sera disponible pour orienter le développement.
Profil recherché- Études universitaires en informatique.

- Compétences en programmation (preuve de réalisations à l’appui).

- Compétences en programmation open source.
DuréeSix (6) mois

 

Conception d'un référentiel de compétences du gestionnaire d'IA

ÉtablissementUniversité TÉLUQ
Laboratoire/équipeProjet PIA - référentiel de compétences du gestionnaire d'IA
Professeur.e responsableValéry Psyché et Diane-Gabrielle Tremblay
Mandat du/de la stagiaire- Faire le suivi du projet PIA.

- Maîtrise des processus de conception informatique.
Profil recherché- Bonne connaissance des outils numériques et informatiques.

- Bonne connaissance de la gestion de projet d'un point de TI ou IA.
DuréeSix (6) mois

 

Méthodes d'apprentissage profond pour diagnostiquer la maladie de Parkinson à partir des données de démarche

Établissement Université TÉLUQ
Laboratoire/équipeLe centre de recherche DOT-Lab
Professeur.e responsableWassim Bouachir
Mandat du/de la stagiaireLa personne stagiaire commencera par étudier le modèle 1D-CNN permettant de détecter la maladie de Parkinson à partir des signaux de démarche avec une précision de 99 %. Le travail portera ensuite sur l’adaptation du réseau neuronal existant pour améliorer la précision de détection du stade de la maladie selon l’échelle UPDRS (Unified Parkinson’s Disease Rating Scale). Les codes sources et les jeux de données de ce projet sont publiques. Une description sommaire des travaux réalisés à ce jour est disponible ici
Profil recherchéLes travaux de programmation seront réalisés en utilisant Python et des librairies d’apprentissage machine (ex. PyTorch, TensorFlow). Il n’est pas nécessaire de maitriser ces outils au préalable. Cependant, un bon niveau en programmation Python et des connaissances de base en apprentissage machine sont requis.

Au terme du projet, la personne stagiaire acquerra une expérience en conception de modèles d’apprentissage profond pour le traitement des signaux unidimensionnels. Les modèles incluent essentiellement les réseaux neuronaux convolutifs unidimensionnels (1D-CNN) et les transformeurs (Transformer networks).
DuréeSix (6) mois

 

Détection visuelle des événements phénologiques dans les forêts boréales canadiennes en utilisant l'apprentissage profond

ÉtablissementUniversité TÉLUQ
Laboratoire/équipeLe centre de recherche DOT-Lab
Professeur.e responsableWassim Bouachir
Mandat du/de la stagiaireLe projet BudCam repose sur un réseau de caméras à intervalles (time-laps) déployées à travers les forêts boréales canadiennes. Ce projet réunit des écologistes et des spécialistes en IA dans l’objectif d’automatiser le traitement de séries chronologiques d’images capturées par le dispositif en place, pour détecter automatiquement les évènements phénologiques (principalement, le débourrement des arbres). Le projet BudCam a permis d’automatiser un grand volume de séries chronologiques d’images. Il est ainsi devenu possible d’extraire rapidement des indicateurs écologiques liés aux effets des changements climatiques sur les forêts canadiennes.

La personne stagiaire contribuera au projet BudCam en travaillant sur des jeux de données images existants pour réaliser les objectifs suivants :

1. Surpasser les performances du modèle de base (RetinaNet) en explorant d'autres modèles d’apprentissage profond (par exemple, Double-head R-CNN);

2. Entraîner l’algorithme existant en utilisant l'apprentissage par transfert (transfer learning) dans le but de détecter des stades précis de débourrement (qui ne sont pas détectés par le système actuel).

La page officielle du projet se trouve ici.

Un article de revue présentant les travaux réalisés à ce jour peut être consulté ici.
Profil recherchéLes travaux de programmation seront réalisés en utilisant Python et des librairies d’apprentissage machine et de traitement d’images (p. ex. : PyTorch, OpenCV, scikit-image, TensorFlow). Il n’est pas nécessaire de maîtriser tous ces outils au préalable. Cependant, un bon niveau en programmation Python et des connaissances de base en apprentissage machine sont requis.

Au terme du projet, la personne stagiaire acquerra une expérience pratique dans la mise en œuvre des techniques d’apprentissage profond pour l’identification d’objets d’intérêt dans le cadre d’une application réelle. Ces techniques incluent notamment les réseaux neuronaux convolutifs (CNNs) conçus pour la détection d’objets.
DuréeSix (6) mois