[01/2025] Internship position - Réseaux bayésiens pour l’évaluation de la performance énergétique de navires et systèmes portuaires

Encadrant: Philippe Leray (LS2N)

Abstract

L’objectif de ce stage au sein du LS2N est de participer de manière active à un projet de recherche collaborative entre le LS2N et la startup nantaise Ecomer Data. L’objectif de ce projet est d’utiliser la technologie des réseaux Bayésiens pour évaluer la performance énergétique de navires et systèmes portuaires grâce à un algorithme d’Eco-score qu’il convient d’élaborer, ainsi que de suggérer des axes d’amélioration de la conduite des systèmes en simulant l’impact sur l’éco-score évalué en situation opérationnelle.

Period : 6 mois maximum

Main location : LS2N/Site de Polytech Nantes

Internship allowance: approx. 670 € / month

More information : here

application : CV + lettre de motivation + résultats académiques (PDF format) à philippe.leray@univ-nantes.fr

[11/2024] Internship position - Mise en oeuvre de Bayesian Knowledge Tracing dans le jeu Cool Boole School

Supervisors: Philippe Leray (LS2N), Hamida Demirdache et David Imbert (GeM) – Nantes Université
funded by eLit cluster (ELlaborating inTerdiscplinary research with SSH) 

Abstract

L’objectif de ce stage est de considérer le serious game  ‘Cool Boole School Game’ (développé par le LLING) comme un cas d’usage pour les modèles de Bayesian Knowledge Tracing (développés par le LS2N), afin d’améliorer (pour le LS2N) les modèles de BKT grâce au contexte particulier du ‘Cool Boole SchoolGame’. Il s’agira également de tester une méthode d’apprentissage de la logique booléenne sans langage et d’améliorer certaines fonctionnalités du jeu (pour le LLING) grâce à l’ajout du BKT.

Period : 6 mois maximum entre le 01/01/2025 et le 11/07/2025

Main location : LS2N/Site de Polytech Nantes, et LLING/Campus du Tertre

Internship allowance: approx. 670 € / month

More information : here

application : CV + lettre de motivation + résultats académiques (PDF format) à philippe.leray@univ-nantes.fr, hamida.demirdache@univ-nantes.fr et david.imbert@univ-nantes.fr

[11/2024] Internship position - Bayesian networks for reliable prediction of the durability of Low Carbon Concrete in marine environnement

Supervisors: Philippe Leray (LS2N), Stéphanie Bonnet (GeM) – Nantes Université
funded by FAISTOS cluster (Fostering Artificial Intelligence in Industrial Systems and TechnOlogieS) 

Abstract

GeM and LS2N are currently collaborating about the proposition of a generic Bayesian network model able to (1) estimate model parameters in chloride ingress, from data measured in different contexts, and (2) deploy this model to predict the residual life of the structure.

This first study is only about Portland cement so with many data in the literature.

Period : 6 months maximum between 27/01/2025 and 29/08/2025

Main location : LS2N, DUKe, site de Polytech/Chantrerie

Internship allowance: approx. 670 € / month

More information : here

application : CV + cover letter + academic results (PDF format) to philippe.leray@univ-nantes.fr and stephanie.bonnet@univ-nantes.fr

[11/2024] One publication about Approximate inference on optimized quantum bayesian networks in the International Journal of Approximate Reasoning

One new scientific paper accepted about Walid Fathallah's PhD thesis in co-supervision with Nahla Ben Amor (LARODEC/ISG Tunis)

Fathallah, W., Ben Amor, N., and Leray, P. (2024). Approximate inference on optimized quantum bayesian networks. International Journal of Approximate Reasoning, 175:109307. [ DOI | http ]

[02/2024] PhD position - Vers des Modèles Graphiques d'Événements soutenables et explicables pour apprendre et raisonner à partir de séquences d'événements

Encadrants : Philippe Leray (40%), Julien Blanchard (60%) – LS2N & Nantes Université

Résumé

Les modèles graphiques d’événements sont des modèles graphiques probabilistes proposés par [Meek2014] pour décrire explicitement les dépendances temporelles entre événements. Nous proposons dans cette thèse de poursuivre les travaux existants autour de ces modèles dans deux directions: (1) l'inférence probabiliste, i.e. la possibilité d’interroger ces modèles à partir d’informations incertaines ou incomplètes, en nous intéressant aux aspects soutenabilité et explicabilité, et (2)  l'apprentissage de ces modèles à partir de données en nous concentrant sur leur soutenabilité.

Mots-clés : Intelligence artificielle explicable, Intelligence artificielle soutenable, Apprentissage basé sur des modèles, Modèles graphiques d'événements, Inférence probabiliste

Démarrage : sept-oct 2024

Sujet plus détaillé : ici

modalités de candidature : à venir

[12/2023] Atelier SFdS "Modèles graphiques probabilistes et apprentissage de réseaux" , 13-15 mars 2024, Paris (France)

Depuis 2001, la Société Française de Statistique organise des Ateliers en science des données destinés avant tout aux ingénieurs, chercheurs, doctorants et post-doctorants. Ces Ateliers sont originaux dans le sens où ils abordent des sujets porteurs et/ou nouveaux. Le premier Atelier de l’année 2024 portera sur les modèles graphiques probabilistes et l’apprentissage de réseaux. J'y interviendrai le jeudi 14 mars sur l'apprentissage de réseaux bayésiens :-)

https://www.sfds.asso.fr/fr/group/activites_et_parrainages/activites_de_la_sfds/541-ateliers_statistiques/

[01/2023] JFRB 2023, 1-2 juin 2023, Nantes (France)

Tous les deux ans, les Journées Francophones sur les Réseaux Bayésiens et les Modèles Graphiques Probabilistes (JFRB) sont l'occasion de permettre la rencontre et de faciliter les échanges entre les chercheurs académiques du domaine mais également les acteurs industriels intéressés par les réseaux bayésiens, et plus généralement, par les modèles graphiques probabilistes.

La prochaine édition des JFRB se tiendra à Nantes les 1 et 2 juin 2023.

https://jfrb2023.sciencesconf.org/

[01/2023] Fundamental Challenges in Causality, May 9-12, Grenoble (France)

One colloquium on ‘'Fundamental Challenges in Causality'' will be held in Grenoble (France) from May 9th to May 12th. 

This colloquium will comprise a series of invited talks which will be given by:  Robin Evans, Hervé Isambert, Jakob Runge, Michèle Sebag, Ilya Shiptser, Mihaela Van der Schaar and Kun Zhang. 

In addition, the organizers (C. K. Assaad, E. Devijver, E. Gaussier) invite papers on all aspects of causality. Accepted papers will be published online and presented either within oral or poster sessions.

More information :
https://quarter-on-causality.github.io/challenges/
https://easychair.org/conferences/?conf=funcausal2023

[08/2022] One publication about Iterative knowledge discovery for fault detection in manufacturing systems in KES 2022

The new scientific paper accepted about Mahmoud Ferhat's PhD (industrial) thesis

Ferhat, M., Leray, P., Ritou, M., and Le Du, N. (2022). Iterative knowledge discovery for fault detection in manufacturing systems. In Knowledge-Based and Intelligent Information & Engineering Systems 26th Annual Conference, KES-2022, pages 1-10. Knowledge-Based and Intelligent Information & Engineering Systems 26th Annual Conference, KES-2022 Verona, Italy. [ http ] 

[04/2022] PhD position : Surgical Process Modelling with Graphical Event Models and Ontologies

Supervisors : Philippe Leray, LS2N, Nantes Université, Thomas Guyet, INRIA, Centre de Lyon, Pierre Jannin, LTSI, INSERM, Université Rennes 1

Keywords : Artificial Intelligence, Probabilistic Graphical Event Model, Ontology, Machine Learning, Surgical Process Modelling.

... [more details]

[01/2022] 3 propositions de stages (M2, M1, L3)

Deux propositions de stage sont à pourvoir pour ce semestre, en relation avec des projets collaboratifs en cours dans l'équipe :

• Data Mining and Probabilistic graphical models for recommending maintenance interventions in a prescriptive maintenance framework

• Bayesian Networks for learner assessment and recommendation of educational resources

[10/2021] 3 présentations de nos travaux lors des JFRB 2021

Trois de nos travaux en cours seront présentés lors des 10èmes Journées Francophones sur les Réseaux Bayésiens et les Modèles Graphiques Probabilistes, les 11-12 octobre, Île de Porquerolles

Mathilde Monvoisin, Philippe Leray and Mathieu Ritou Unsupervised co-training of Bayesian networks for condition prediction
Giovanni Mazzobel, David Boels and Leray Philippe Réseau bayésien en toxicologie clinique : Gradation de l’envenimation vipérine
Sarah Benikhlef, Philippe Leray, Guillaume Raschia, Montassar Ben-Messaoud and Fayrouz Sakly Apprentissage multi-tâches par transfert de structures de réseaux bayésiens

[06/2021] One publication about Multi-Task Transfer Learning for Bayesian Networks Structures in ECSQARU 2021

The first scientific paper accepted with my PhD student Sarah Benikhlef :-)

Multi-Task Transfer Learning for Bayesian Networks Structures, Sarah Benikhlef, Philippe Leray, Guillaume Raschia, Montassar Ben Messaoud and Fayrouz Sakly 

[06/2021] One publication about  Incremental discovery of new defects: application to screwing process monitoring in the CIRP Annals

The first scientific paper accepted about Mahmoud Ferhat's PhD (industrial) thesis

Ferhat, M., Ritou, M., Leray, P., and Le Du, N. (2021). Incremental discovery of new defects: application to screwing process monitoring. CIRP Annals. [ http ] 

[03/2021] One publication about Medical Companion accepted in Journal of Medical Internet Research

The article written with my psychiatric colleagues regarding the implementation of a medical assistant to prevent suicide relapse (Medical Companion), was accepted in Journal of Medical Internet Research

Mouchabac, S., Leray, P., Adrien, V., Gollier-Briant, F., and Bonnot, O. (2021). Beyond big data in behavioral psychiatry, the place of bayesian network. / example from a preclinical trial of an innovative smartphone application to prevent suicide relapse. Journal of Medical Internet Research, In Press:?-?

https://doi.org/10.2196/24560

[03/2021] One publication about unsupervised co-training of Bayesian networks for system state prediction in IEEE IEA/AIE 2021

The first contribution from Mathilde Monvoisin’s PhD thesis,  on unsupervised co-training of Bayesian networks for system state prediction has been accepted at the IEEE IEA/AIE 2021 conference

Monvoisin, M., Leray, P., and Ritou, M. (2021). Unsupervised co-training of bayesian networks for condition prediction. In 34th International Conference on Industrial Engineering and Other Applications of Applied Intelligent Systems, IEA/AIE 2021, July 26-29, 2021, Kuala Lumpur, Malaysia, pages ?-?

[12/2020] Medical Companion dans les Echos ...

Capacités crée une application contre la récidive du suicide.
La filiale de l'université de Nantes a mis à profit sa connaissance des réseaux bayésiens pour modéliser les compétences des psychiatres et développer un outil qui apprend à connaître et à conseiller les patients ayant fait une tentative de suicide...

Le reste de l'article sur le site des Echos.