Ne manquez pas de venir visiter l’exposition des travaux de bachelor de la HEIA-FR ce vendredi 31 août de 16h30 à 21h00. Lors de cette édition, l’institut des Systèmes Complexes iCoSys a eu le plaisir de relayer et d’encadrer différents projets de bachelor sur des idées amenées par  des entreprises ainsi que dans le cadre de nos axes de recherche appliquée. Voici quelques exemples de projets réalisés cette année.

• Machine learning dans le domaine des données smart buildings. L’idée du projet est de capitaliser sur l’immense quantité de données collectées dans le cadre du smartlivinglab à la Halle Bleue de Blue Factory (voir notre projet Big Building Data) et d’analyser les capacités des algorithmes de machine learning afin de créer des systèmes prédictifs de consommation et d’évolution des températures. Ce projet a été co-encadré par les instituts iCoSys et ENERGY.
• Deep Learning on medical data. Les approches d’apprentissage profond dites “deep learning” ont révolutionné l’état de l’art du machine learning dans bon nombre de domaines tels que la reconnaissance d’objets et la reconnaissance de la parole. L’idée du projet était ici d’appliquer ces méthodes sur des séries temporelles de données qui proviennent de capteurs bio-médicaux. Plus spécifiquement, l’objectif était d’évaluer ces méthodes dans le cadre d’une extraction automatique de caractéristiques (bio-marqueurs).
• Methodologies for topics detection on web pages. Le but du projet était de mettre en place un ensemble d’outils permettant de crawler l’ensemble des sites web du domaine .ch et d’en extraire des éléments d’information ciblés. Le “topic detection” est actuellement un sujet très important de recherche appliquée avec de nombreuses applications commerciales. Le projet a pu se réaliser grâce à l’infrastructure iCoLab de l’institut iCoSys, et plus spécifiquement la plate-forme big data mise en place dans le cadre du projet DAPLAB.
• Analyseur syntaxique pour la reconnaissance de prescriptions médicamenteuses. Ce projet a visé l’analyse et le développement d’outils de Natural Language Processing (NLP) pour saisir de façon plus efficace les prescriptions de médicaments. L’idée sous-jacente est de rendre les interfaces plus naturelles où l’utilisateur pourrait s’exprimer librement (par écrit ou oralement) afin de spécifier les prescriptions. En suivant un développement original, le projet a misé sur une utilisation détournée d’un outil de Machine Learning, les modèles de Markov Cachés (Hidden Markov Models).
• Microservices for machine learning applications. Les architectures basées sur les micro-services à base de conteneurs tels que Docker sont en pleine évolution et promettent un déploiement et une gestion plus aisée des services informatisés. Le but de ce projet était d’analyser ces architectures dans le but de créer une plate-forme de micro-services Machine Learning. La solution retenue se base sur un cluster Kubernetes avec Istio et Rook.
• Company Files Explorer. Les entreprises de développement logiciel sont confrontés à la gestion des nombreux fichiers nécessaires à leurs projets en cours, à venir ou terminés (factures, cahier des charges, offres, …). Ces fichiers sont en général entreposés sur le dépôt partagé de l’entreprise (« shared repository »). Chacun de ces fichiers doit être stocké selon des règles précises imposées par l’entreprise (dossier, nomenclature, etc..) afin de garantir une architecture organisée. Pour les employés, il devient rapidement fastidieux et compliqué de jongler avec toutes ces différentes règles. Le but du projet «Files Explorer» est donc de créer un gestionnaire de fichier permettant de gérer les fichiers éparpillés dans les disques partagés d’une entreprise de manière personnalisée. Les employés de l’entreprise auraient ainsi la possibilité de structurer les fichiers du dépôt partagé d’une manière qui leur permette de travailler efficacement ceci sans impacter les règles de l’entreprise (noms de fichier et arborescence personnalisés). Ce projet est réalisé en étroite collaboration avec une entreprises de développement de logiciels de la région fribourgeoise.
• Environnement pour la programmation quantique multiplateforme. Les superordinateurs sont utiles pour résoudre des problèmes très gourmands en temps de calculs. Toutefois, peu importe leur puissance de calcul, certains problèmes leur résisteront toujours car la complexité des algorithmes qui les résolvent sont de nature exponentielle. A terme un changement de technologie semble donc inévitable. Aujourd’hui une alternative qui semble prometteuse dans un avenir pas trop lointain est l’ordinateur quantique. Il s’agit d’une technologie radicalement différente utilisant les propriétés de la physique quantique qui permet non seulement de diminuer de manière significative la consommation électrique, mais, pour certains problèmes difficiles, d’écrire des algorithmes dont la complexités n’est plus exponentielle mais polynomiales. Les grandes entreprises informatiques privée (IBM, Google, Intel, Microsoft, …) et même la NSA (National Security Agency) investissent actuellement des sommes énormes dans la recherche sur les ordinateurs quantiques. Le but de ce projet de préparer un cours dans le domaine de l’informatique quantique en utilisant des technologies d’e-learning.
• Evaluation de OpenMP 4.5 pour la programmation de GPU. Le développement de logiciels de simulation de la météorologie est un problème très complexe nécessitant de grandes puissances de calcul. Afin de tirer parti de la puissance de calcul potentiel des superordinateurs, il est souvent nécessaire d’optimiser les programmes pour des architectures matérielles spécifiques. Cela rend ces programmes peu portables et donc difficiles à faire évoluer. Météo suisse en collaboration avec le Center for cClimate Systems Modeling (C2SM) a donc développé un outil open source capable peut générer automatiquement du code Fortran moderne et optimisé pour à une architecture matérielle donnée à partir d’un code source générique. Cet outil appelé CLAW peut, entre autre, généré du code pour des architectures GPUs (Graphics Processing Units). OpenACC (Open Accelerators) est un ensemble de directives utilisées pour l’écriture de programmes s’exécutant sur GPUs. Un problème est que certains grands constructeurs de superordinateurs, comme par exemple Cray Inc., pourraient, dans un proche avenir, ne plus supporter OpenACC. Le but de ce projet est d’explorer une alternative à OpenACC fournie par la dernière version de l’outil OpenMP (Open Multi-Processing), la version 4.5, qui intègre la possibilité de programmer des GPUs. Dans la mesure du possible il serait également intéressant de pouvoir étendre CLAW pour qu’il puisse générer du code OpenMP version 4.5 intégrant des GPUs.
• Automatic Trajectory detection – application au Ping Pong. Le but de ce projet est de créer un prototype capable de déterminer les coordonnées de l’impact d’une balle Ping Pong sur la table lors d’une partie entre deux joueurs. Le prototype utilise intensivement les techniques de traitement d’images. Il se base sur un flux vidéo fourni par une caméra placée près de la table en hauteur afin qu’elle puisse capturer à la fois le la surface de la table et la balle. Le démonstrateur obtenu pourra être couplé à un module de comptage des points mais également à inventer de nouvelles règles de jeux en utilisant la rétroprojection par exemple sur la table des motifs interdits de toucher avec la balle et de contrôler automatiquement ce nouveau comptage de points etc.