Développement de Techniques Avancées de Traitement et Classification des Données pour le Contrôle Non Destructif, la Santé et le Stockage d’Énergie : Approches Basées sur le Machine Learning, Deep Learning et les Métaheuristiques

L'augmentation exponentielle des données massives dans des secteurs critiques comme l'industrie,

la santé et le stockage d’énergie nécessite des techniques de traitement et de classification plus

performantes, précises et adaptées au temps réel. Ce projet propose le développement de méthodes

innovantes de traitement et d’analyse des données, en s’appuyant sur des modèles mathématiques

avancés issus du Machine Learning, du Deep Learning et des métaheuristiques. L’objectif central

est de relever les défis liés à la complexité et à la volumétrie des données, tout en garantissant des

performances accrues dans les domaines ciblés. Le projet se déclinera selon trois axes majeurs :

1. Prétraitement des données : Conception de pipelines de traitement robustes pour nettoyer,

structurer et normaliser les données, permettant d’assurer une qualité optimale pour les

étapes d’analyse et de modélisation.

2. Développement de modèles de classification : Conception et implémentation d’algorithmes

de Machine Learning et de Deep Learning capables de classifier avec précision des données

complexes (images et signaux), répondant ainsi aux exigences des applications industrielles

et médicales.

3. Optimisation par métaheuristiques : Utilisation d’approches bio-inspirées (algorithmes

génétiques, colonies de fourmis, recuit simulé, etc.) pour optimiser les performances des

modèles de traitement et de classification, tout en améliorant leur efficacité

computationnelle.

Les retombées du projet s’articulent autour de trois axes d’application :

 Industrie : Optimisation des systèmes de Contrôle Non Destructif (CND) pour la détection

automatique et précise des défauts dans des données d’images et de signaux.

 Santé : Amélioration des diagnostics biomédicaux grâce à des modèles capables de

détecter des anomalies avec une grande précision, contribuant ainsi à une meilleure

gestion des maladies critiques.

 Stockage d’énergie : Modélisation avancée de matériaux complexes et bidimensionnels

pour les systèmes énergétiques, en exploitant des bases de données de grande échelle.

Ce projet s’inscrit dans une dynamique d’innovation technologique et de transformation

numérique, visant à exploiter le potentiel des données massives pour répondre aux besoins

croissants de précision, de fiabilité et de rapidité dans des secteurs stratégiques.