Post-doctorat en apprentissage automatique

Pendant les travaux préliminaires, des modèles de réseaux neuronaux ont été développés pour effectuer des tâches simples en utilisant les données de l'accéléromètre. Elles permettent de classifier quelques évènements simple du cycle de vie de l'emballage. Cependant, ces modèles ne sont pas suffisamment robustes pour être utilisés dans un environnement réel. En effet, les données de l'accéléromètre ne sont pas suffisantes pour obtenir une classification précise. Il est donc nécessaire de fusionner les données de l'accéléromètre avec d'autres capteurs pour obtenir de meilleurs résultats.

Si de la littérature existe pour des problèmes similaires, il n'existe pas de solution qui soit directement applicable à notre problème. Il est donc nécessaire de réaliser une synthèse des travaux existants et de les adapter au contexte Goodfloow. Sous la responsabilité fonctionnelle des responsables du projets, et en collaboration étroite avec les équipes impliquées dans le projet, vous devez identifier des capteurs supplémentaires pertinents pour recueillir des informations plus complètes sur l’environnement du paquet et mettre en œuvre cette fusion dans des modèles d’apprentissage profond. Une des thématiques de recherche sera également de travailler à l'embarquabilité de ces modèles, ainsi qu'à leur robustesse.

En outre vous participerez à la valorisation des résultats de ces travaux, en produisant des publications scientifiques pour des revues et des conférences internationales.

Consultez la fiche de poste détaillée