Les sujets de thèse prévus pour l'année 2018-2019 - insea
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
Haut Commissariat au Plan
--------------------------------------------------------------------------------------
Institut National de Statistique et d’Economie Appliquée (INSEA)
-----------------------------------------------------------------------------------
Centre d’Etudes Doctorales - Sciences, Ingénierie et Développement Durable
(CEDOC-SIDD)
Laboratoire de recherche
Systèmes d’Information, Systèmes Intelligents et Modélisation
Mathématique
(SI2M)
Les sujets de thèse prévus pour l’année 2018-2019
Filière Systèmes d’Information et Systèmes Intelligents
Octobre 2018
1SYSTEMES INTELLIGENTS 1 : Apprentissage symbolique et Deep Learning dans les
jeux stratégiques: Application dans les jeux de cartes (Pr. KABBAJ Adil)
Le sujet consiste à utiliser le machine learning symbolique, notamment le raisonnement à base
de cas, et le deep learning dans le développement d'agents intelligents capables de jouer aux
jeux stratégiques.
On considère comme domaines d'applications éventuelles les jeux de cartes, en particulier le
jeu marocain "Tijari/Touti".
D'autres domaines sont à considérer aussi.
SYSTEMES INTELLIGENTS 2 : Détection des objets à partir des Images Satellitaires
en temps réel : Approche basée sur le Deep Learning (Pr. KABBAJ Adil & Pr. SAIDI
Nabil)
Les satellites autour du monde capturent plusieurs images satellitaires chaque seconde, ce qui
offre une large base de données de ces images satellitaires.
Le but de cette thèse est l'analyse des images satellitaires afin de reconnaître les objets exposés
dans chaque image et ce en assurant la notion du "temps réel" en se basant sur les techniques
du Deep Learning permettant le traitement de ces données massives en peu de temps et avec
haute précision.
SYSTEMES INTELLIGENTS 3 : Algorithm Portfolios on contraint programming
Networks (Pr. BENELALLAM Imade)
Constraint Programming (CP) techniques have been proved to be a very elegant paradigm to
model and solve various problems in different fields. The human models the problem and the
machine solves it. Solver developers on Artificial Intelligence (AI) and end users often face
several issues and questions :
- Which configuration settings should I use to optimize my solvers' empirical performance?
- How does solver's performance depend on the settings of a certain parameter on constraint
networks?
- What characteristics distinguish easy from hard problem instances?
- Which of two (or more) available solvers will perform best on a given new instance?
2In this research project, we will describe fully formalized domain-independent methods to
answer these questions based on deep learning and constraints optimization techniques.
References :
• Tarek Menouer, Nitin Sukhija, and Le Cun Bertrand. 2017. A learning Portfolio solver
for optimizing the performance of constraint programming problems on multi-core
computing systems. Concurrency and Computation: Practice and Experience 29, 4
(2017).
• Deep Learning for Algorithm Portfolios, Andrea Lorreggia, Horst Samulowitz, Yuri
Malitsky, Vijay Saraswat (2016), 30th AAAI Conference on Artificial Intelligence,
2016. http://www.cs.toronto.edu/~horst/cogrobo/papers/DLforAP.pdf
• Model-based Genetic Algorithms for Algorithm Configuration [ pdf ]
Carlos Ansotegui, Yuri Malitsky, Horst Samulowitz, Meinolf Sellmann, Kevin
Tierney(2015), IJCAI, 2015.
• Algorithm Portfolios Based on Cost-Sensitive Hierarchical Clustering [ pdf]
Yuri Malitsky, Ashish Sabharwal, Horst Samulowitz, and Meinolf Sellmann (2013)
23rd International Joint Conference on Artificial Intelligence, Beijing, China, IJCAI
• Snappy: A Simple Algorithm Portfolio (Tool-Paper) [ pdf ]
Horst Samulowitz, Chandra Reddy, Ashish Sabharwal, Meinolf Sellmann (2013)
To be published in 16th International Conference on Theory and Applications of
Satisfiability Testing, SAT
• Frank Hutter, Lin Xu, Holger Hoos, Kevin Leyton-Brown (2014). Algorithm runtime
prediction: Methods and evaluation. Artificial Intelligence Journal (AIJ) 206:79–111.
• Frank Hutter, Holger Hoos, Kevin Leyton-Brown (2011). Sequential Model-Based
Optimization for General Algorithm Configuration. Proceedings of the 5th Learning
and Intelligent Optimization Conference (LION 2011).
• Chris Thornton, Frank Hutter, Holger Hoos, Kevin Leyton-Brown (2013). Auto-
WEKA: Combined Selection and Hyperparameter Optimization of Classification
Algorithms. Proceedings of the 19th ACM SIGKDD international conference on
knowledge discovery and data mining (KDD 2013).
SYSTEMES INTELLIGENTS 4 : Distributed Constraint Reasoning based Blockchains
technologies (Pr. BENELALLAM Imade)
Recently, there has been a huge explosion of interest in blockchain-based distributed ledger
systems such as Bitcoin and many others. On Distributed constraint Programming many
questions raised, such as privacy, ethics, security, and so on, are all issues familiar to
Constraint Programming community.
In this research project, we will demonstrate how to represent distributed constraint network
using Bockchains in order to guarantee privacy, ethics and security of exchanged data.
References :
• Maurice Herlihy. 2017. Blockchains and the Future of Distributed Computing.
In Proceedings of the ACM Symposium on Principles of Distributed
Computing (PODC '17). ACM, New York, NY, USA, 155-155. DOI :
3https://doi.org/10.1145/3087801.3087873
• Blockchain Technology: Principles and Applications Research Handbook on Digital
Transformations, edited by F. Xavier Olleros and Majlinda Zhegu. Edward Elgar,
2016
• Blockchain technology: Beyond bitcoin, M Crosby, P Pattanayak, S Verma, 2016
• Distributed Constraint Programming, Boi Faltings, https://doi.org/10.1016/S1574-
6526(06)80024-6
SYSTEMES INTELLIGENTS 6 : Le Deep Learning pour la segmentation sémantique
des Images Satellitaires : Application dans "Smart farming" (Pr. SAIDI Nabil)
Une augmentation spectaculaire du nombre d'images satellitaires disponibles ces dernières
années a fait de l'interprétation de ces données un problème difficile. L'extraction des
informations utiles à partir de telles images nécessite une compréhension fine et précise des
données satellitaires.
C'est dans ce sens que cette thèse vise à analyser des images satellitaires en utilisant les
techniques du Deep Learning au profit de l'agriculture.
En effet, le "Smart farming" est devenu un concept très important pour relever les défis de
l'agriculture, production, impact environnemental, sécurité alimentaire, durabilité....
L'objectif de cette thèse est donc la réalisation de la ségmentation sémantique des images
satellitaires.
OPTIMISATION 1 : Problèmes d'optimisation à deux niveaux : existence de solutions,
dualité et conditions d'optimalité (Pr. A. Kadrani)
L’optimisation à deux niveaux a plusieurs applications telles que l’économie, les problèmes
d’ingénierie, problèmes d’allocations de ressources, théorie des jeux,..... Pour ce sujet de thèse, nous
considérons deux formulations principales de problèmes d’optimisation à deux niveaux, à savoir la
formulation forte et faible.
OPTIMISATION 2 : The behaviour of the predective systems when using large scale
data (Pr. A. Kadrani)
N.A.
OPTIMISATION 3 : Real time predective system when using the noised big data (Pr. A.
Kadrani)
N.A.
OPTIMISATION 4 : Multicriteria Decision-Making Model Based Framework in a
Standardized IT Project Portfolio Prioritization Process (Pr. A. Kadrani)
The awareness of companies has tended to balance engaged project budgets prior to the
allocation and resource capacity in Portfolio in order to cut costs and prevent inherent risks and
4resource scarcity. This optimization is modelized throughout a Multicriteria Decision Making
Problem. Among the criteria of the problem we may find, Risk, Scope, Strategic Alignment,
Business Value, Cost and Time. Then comes the step of prioritization the ranked projects based
on the scoring model.
This Project of Thesis will elaborate a Framework based on a Multicriteria Decision-Making
Model and will integrate, after a bibliographic review, techniques of proven standards in
selection and prioritization of Project Portfolio Management as the Management of Portfolios
of Axelos. The assessment of this Model will be realized in a software after a benchmarking.
At the end, this project will conclude on a study case of ONEE-BO Project Portfolio
Management with a reel Set of Projects to assess the whole Framework.
References
1. Driss El Hannach, Rabia Marghoubi, Mohamed Dahchour, Project portfolio management
information systems (PPMIS) information entropy-based approach to prioritize PPMIS:
Conference Paper, ISBN 978-1-5090-0751-6, Oct 24/26 2016.
2. Khadija Benaija and Laila Kjiri, Tradeoff Between Risk Management, Value Creation and
Strategic Alignment in Project Portfolio Management, In Proceedings of the 16th International
Conference on Enterprise Information Systems, Volume 3: ICEIS: 447-452, (2014), Lisbon,
Portugal
3. Axelos, The Stationery Office, Management of Portfolios (English Edition), (2011).
4. Project portfolio selection: Multi-criteria analysis and interactions between projects
5. Craig Kilford, how to implement Management of Portfolios within 100 days Case Study,
AXELOS, May 2013.
6. D. Danesh, M. J. Ryan, A. Abbasi, Using Analytic Hierarchy Process as a Decision-Making
Tool in Project Portfolio Management, World Academy of Science, Engineering and
Technology International Journal of Economics and Management Engineering, Vol: 9, No: 12,
(2015).
7. Caroline Ross, Roman Beck, how to Orchestrate IT Project Portfolios More Successfully -
Application of a Theory-Driven Proactive Operational Risk Management Approach,
International Research Workshop on IT Project Management 2008, (2008)
OPTIMISATION 5 : Efficacité énergétique dans le secteur agricole marocain : Etat des
lieux et essais de modélisation. (Pr. M. Ouzineb)
L’objectif de la thèse est de développer des algorithmes efficaces de gestion de l’énergie dans
le domaine agricole. Ces algorithmes permettent l’adéquation optimale entre la disponibilité
des sources et la consommation énergétique agricole, tout en minimisant les coûts totaux sujets
à des contraintes économiques et environnementales. Ces algorithmes seront basés sur les
prévisions de la demande et la disponibilité des technologies. Afin d’assurer la pertinence des
propositions, l’étude sera basée sur des exemples concrets s’appuyant sur des firmes situés dans
des régions marocaines pour lequel des données de conception et d’exploitation sont
disponibles.
Dans une première phase, il sera effectué une analyse de la consommation énergétique agricole.
Le candidat recruté doit recueillir d'abord toute l'information disponible relative à la
consommation énergétique agricole auprès des différentes entités concernées au Maroc :
Ministère de l'Énergie, des mines et du développement durable et l'Office National de
l'Électricité et de l'Eau Potable. Le candidat devrait mener des entretiens avec les responsables
5des firmes marocains afin de déceler les faiblesses des données recueillies et de construire
éventuellement une base de données, de compléter et d'enrichir celle déjà existante.
Dans une deuxième phase, il sera effectué une caractérisation des disponibilités des sources
énergétiques ainsi que des éléments de stockage. Ces éléments seront alors modélisés avec un
niveau d’abstraction cohérent avec celui des fonctions consommatrices. Ces différents modèles
seront intégrés avec des algorithmes d’optimisation et de contrôle qui seront proposés afin de
maximiser l’efficacité énergétique du système agricole tout en satisfaisant la demande.
OPTIMISATION 6 : Développement et amélioration des modèles pour la classification
des données complexe et de grande taille. (Pr. M. Ouzineb)
Le développement du domaine de l’informatique et de la technologie en générale, a conduit le
monde à une explosion de données. La quantité de données augmente d’une manière
exponentielle, ces données qui se divisent en données structurées, semi structurées et non
structurées, doivent être traitées et analysées afin de développer des algorithmes de
classification et des modèles pour prendre des décisions à temps réel.
Dans notre thèse on va s’intéresser au développement d’algorithmes de classification et à les
appliqués aux systèmes de recommandation et l’intelligence artificielle. La classification est un
problème central du Machine Learning. L’algorithme développé doit permettre à l’ordinateur
l’apprentissage automatique pour affecter un élément à un groupe à partir d’autres exemples.
Les modèles de classification que nous comptant développé doivent faire fasse à l’augmentation
des volumes de données et à la complexité de ces derniers. De plus, il doit être programmé avec
un langage de programmation efficace et évolutif et doit être validé et testé sur plusieurs types
de données et prouver son efficacité en face des données volumineuses.
Pour les entreprises, la classification est un enjeu important qui est devenu un facteur
compétitivité et d’innovation. De plus, la classification est applicable dans tous les domaines
d’activité à savoir la reconnaissance de formes, l’analyse d’image, la recherche d'information,
dans la bio-informatique pour regrouper les séquences homologues dans les familles de gènes
dans la biologie évolutive, dans la médecine pour classer les antibiotiques en fonction de leur
activité antibactérienne et ainsi développée des médicaments plus efficaces, dans le marketing
pour partitionner la population en saignements de marché et mieux positionné les produits, dans
les banques pour le Credit Scoring, dans les réseaux sociaux et les moteurs de recherche pour
offrir des résultats de recherche plus pertinents et identifier les groupes de personnes, dans la
climatologie, la sécurité informatique, la compression de données et beaucoup plus encore.
OPTIMISATION 7 : Développement de nouvelles techniques d'optimisation et de
modélisation pour un mix énergétique efficace. (Pr. M. Ouzineb)
N.A.
OPTIMISATION 8 : Modeling of Long-term scenario energy supply and demand:
Feasibility study in the Moroccan Case. (Pr. A. Kadrani)
Long-term forecasts of energy supply and demand have gained considerable importance in
basic research in order to provide sustainable solutions to energy-related problems. The aim of
this thesis is to develop different model to generate scenario-based analysis to explore
Moroccan future energy demand, supply and associated GHG emissions from 2010 to 2050.
6The first part concerns the demand forecast taking into account different stochastic constraint,
we will presents different scenarios for the development of the Moroccan energy system to
2050, using time series and statistic tools. The second part deal with feasibility study depending
on the developed scenarios, indeed in this part a mathematical model descripting the cost of
energy production under long term demand supply and evolution of costs constraint will be
presented, the resolution of this problem will be the key of the optimal sizing of the hybrid
system. The last part will be focused on developing the optimal policy to manage our hybrid
system depending on different scenarios.
7Vous pouvez aussi lire
