Bases de Données / Databases

Site Web de l'équipe BD du LIP6 / LIP6 DB Web Site

Outils pour utilisateurs

Outils du site


site:offres:2022:theses:start

Différences

Ci-dessous, les différences entre deux révisions de la page.

Lien vers cette vue comparative

Les deux révisions précédentesRévision précédente
Prochaine révision
Révision précédente
site:offres:2022:theses:start [07/04/2022 22:01] hubertsite:offres:2022:theses:start [07/04/2022 22:03] (Version actuelle) hubert
Ligne 1: Ligne 1:
-====== Sujets de thèse 2022-2025 ======+====== Sujets de thèse ======
  
 ===== Sujet pré-sélectionné par SCAI ===== ===== Sujet pré-sélectionné par SCAI =====
-Offre de thèse à Paris financée par l'institut Sorbonne Center for Artificial Intelligence (SCAI).+Offre de thèse 2022-2025 à Paris financée par l'institut Sorbonne Center for Artificial Intelligence (SCAI).
  
 Date limite pour candidater: <fc #ff0000>25 avril 2022</fc> Date limite pour candidater: <fc #ff0000>25 avril 2022</fc>
 +
 Dépot des candidatures sur le [[https://www.sorbonne-universite.fr/projets-proposes-en-2022-programme-instituts-et-initiatives|site du programme instituts et initiatives]] Dépot des candidatures sur le [[https://www.sorbonne-universite.fr/projets-proposes-en-2022-programme-instituts-et-initiatives|site du programme instituts et initiatives]]
  
Ligne 14: Ligne 15:
  
 ===Contexte=== ===Contexte===
 +{{ :site:offres:2022:theses:prd_scai_2022_graphologia_avec_contact.pdf |Lire le sujet de thèse complet}}
 +
 Cette thèse en //data science// et //big data// aborde le déploiement de dataflows de machine learning alimentés par des graphes de données. Il s'agit de convevoir des solutions pour l'analyse automatique de méga-graphes à partir de données hétérogènes et dynamiques. L'objectif est d'exécuter plus efficacement la préparation des données d’apprentissage et l’entraînement des modèles d’apprentissage. Cette thèse en //data science// et //big data// aborde le déploiement de dataflows de machine learning alimentés par des graphes de données. Il s'agit de convevoir des solutions pour l'analyse automatique de méga-graphes à partir de données hétérogènes et dynamiques. L'objectif est d'exécuter plus efficacement la préparation des données d’apprentissage et l’entraînement des modèles d’apprentissage.
  
site/offres/2022/theses/start.1649361690.txt.gz · Dernière modification : de hubert