Ces thèses ont été sélectionnées par le Comité Scientifique suite aux appels successifs du projet, grâce à différentes sources de financement : le projet ANR AiBy4, Centrale Nantes, le RFI Atlanstic2020, les fonds propres des laboratoires.
Campagne de 2020 :
TALMed : Traitement Automatique de la Langue Médical
Doctorant : Bazoges Adrien
Sujet : TALMed : Traitement Automatique de la Langue Médical
Établissement : Université de Nantes
Laboratoire(s) : LS2N / CRTI
Encadrant(s) : Emmanuel Morin, Béatrice Daille, Pierre-Antoine Gourraud
Résumé : Développement de ressources et de méthodes spécifiques au domaine biomédical français pour l’extraction d’informations dans des comptes rendus hospitaliers.
Financement : AiBy4 — CRTI
Learning deep representations and driving models for connected autonomous vehicles
Doctorant : Dao Minh Quan
Établissement : ECN
Laboratoire(s) : LS2N
Encadrant(s) : Vincent Frémont, Vincent Frémont
Résumé : The main objective is to increase the perception capabilities and navigation performances of the autonomous vehicle by developing end-to-end driving models based on learned multi-modal environment representations and human-like navigation strategies. This is done by deep fusion for semantic segmentation, 3D objects detection and tracking from heterogenous and extended perception systems; and data-driven end-to-end driving model to generate human-like driving actions.
Financement : AiBy4 – Centrale Nantes
Apprentissage fédéré de Réseaux Bayésiens préservant la confidentialité dans le cadre d’applications médicales personnalisées
Doctorant : Benikhlef Sarah
Établissement : UN
Laboratoire(s) : LS2N / U2PEA
Encadrant(s) : Philippe Leray, Guillaume Raschia,Olivier Bonnot
Résumé : L’objectif est de proposer de nouveaux algorithmes d’apprentissage de modèles graphiques probabilistes sous contrainte de confidentialité différentielle dans le cadre de la médecine personnalisée. Une attention particulière sera portée dans le domaine de l’apprentissage fédéré dans lequel plusieurs modèles sont appris de manière parallèle, en échangeant des informations suffisamment riches entre ces modèles, mais préservant encore la confidentialité.
Financement : AiBy4 – RFI A2020

Vers une visualisation située d’une cartographie sensible des villes
Doctorant : Benjamin Beaucamp
Établissement : Centrale Nantes
Laboratoire(s) : AAU
Encadrant(s) : M. Servières, T. Leduc et V. Tourre
Résumé : Qualification par apprentissage automatique de la perception de l’espace urbain par un piéton en mobilité pour un affichage de compléments d’information en Réalité Augmentée.
Financement : Centrale Nantes – RFI A2020
