archive:sujets22pr [Cours de Rémy Cazabet]

Cette page est en lecture seule. Vous pouvez afficher le texte source, mais ne pourrez pas le modifier. Contactez votre administrateur si vous pensez qu'il s'agit d'une erreur.
====== Sujets, 2021/2022 Printemps======

=====RT1. Optimisation des parcelles d'un potager =====

^ Domaines | Optimization, CSP, graphes   |
^ Langages conseillés   | **Prolog**/Python/Java/Bash     |
^ Librairies conseillés  | Choco/Gecode/NetworkX                    |
^ Responsable du sujet    | Rafael Tubino                                   |
^ E-mail    | rafael.ramos-tubino (at) univ-lyon1.fr |

Le but de ce projet est de réaliser une applcation capable d’optimiser le associations des plantes dans une parcelle de potager.

En se basant sur les bonnes et mauvaises combinaison de legumes, il va falloir établir un score et trouver ainsi les dispositions les plus indiquées. En plus de l'objectif principal, nous allons nous intéresser à la conception d’une interface graphique, la création des parcelles par l'utilisateur (disposition des carrés), édition des associations de plantes et visualisation des parcelles.

Pour la réalisation de ce projet, on fera l’ulitisation d’un langage logique (prolog), ou d’un solveur (ex: Choco (Java), Gecode (C++), python-constraint(python)).

=====RT2. Traitement des données Bitcoin =====

^ Domaines | Big Data, Data Science   |
^ Langages conseillés   | Python, Bash     |
^ Responsable du sujet    | Rafael Tubino                                   |
^ E-mail    | rafael.ramos-tubino (at) univ-lyon1.fr |

Dans le cadre d’un projet de recherche, nous disposons de l’ensemble des données de transactions Bitcoin présentes dans la blockchain. Ces données sont massives (600 Millions de transactions entre des dizaines de millions d’individus) et présentent des challenges intéressant: Données de type graphe, données dynamiques… Votre objectif sera de créer un outil permettant de répondre en un temps aussi court que possible à une ou des questions typiques, telles que:

- Pour un acteur donné, détail de ses transactions \\
- Pour un acteur donné à un moment donné, tracer la destination de l’argent qu’il possède \\
- Calculer le plus court chemin entre 2 acteurs donnés dans le graphe dynamique de transaction \\
- Calculer des indicateurs cumulés (nombre/montant de transactions par jour…), acteurs les plus actifs, etc. \\

Vous pourrez comparer plusieurs approches, par exemple un code optimisé par vos soins et/ou des librairies de Big Data existantes.

=====RT3. Génération de modèles pour l'impression 3D, avec OpenSCAD =====

^ Domaines | Modélisation géométrique    |
^ Langages/Logiciel   | OpenSCAD, Cura     |
^ Responsable du sujet    | Rafael Tubino                                   |
^ E-mail    | rafael.ramos-tubino (at) univ-lyon1.fr |

OpenSCAD permet la modélisation paramétrique de modèles 2D/3D. Très utilisé pour la génération de modèles pour l'impression 3D car sa nature permet la customisation des modèles à des différents besoins. Plusieurs modèles réalisés avec OpenSCAD peuvent être trouvés sur Thingiverse [1].

Contrairement à d'autres logiciels de CAO, la modélisation sur OpenSCAD se fait à l'aide d'un langage de programmation. Le but de ce projet est de implementer une bibliothèque permettant la réalisation d'objets complexes. Les choix des détails de la bibliothèque seront faits avec l'étudiant pour pouvoir mieux adapter le projet à son goût. 

[1] https://www.thingiverse.com/tag:openscad


=====RC1. Data Explorable  =====

^ Domaines                | Data science, Data Mining, Big Data...   |
^ Librairies (proposées)  | scikit-learn, seaborn, bokeh, d3js, chart.js, etc.                         |
^ Langages (proposé)      | Python, javascript, html/css, etc.                  |
^ Responsable du sujet    | Rémy Cazabet                                   |
^ Informations à voir     | http://cazabetremy.fr/Teaching/LIFPROJET.html  |
|                                                                         ||

Le principe de ce projet est de Choisir une source de données accessible (open data, data crawling, etc), de collecter ces données, les analyser, et construire un "explorable" permettant à n'importe qui d'explorer ces données de manière interactive, typiquement sous la forme d'un site web.

Vous êtes libre de choisir les données qui vous intéresse, et nous discuterons des analyses que nous pouvons en faire (restitution sous forme de cartes, de réseaux/graphes, de graphiques interactifs, sous forme de site-web ou non, etc.). 

Notez que si vous souhaitez vous orienter vers une Visualization originale, interactive, construite sur mesure, vous pouvez choisir à la place le sujet GR3. Ce sujet-ci est plus orienté données, et utilisera plutôt des outils de visualisation classique (leaflet pour des cartes, chartjs pour des graphiques, etc.). Par contre, dans ce sujet nous pouvons passer plus de temps à travailler sur les données elles-même, ou travailler sur des Big Data, etc.

Quelques exemples classiques de données: Données météorologiques, Données de santé (Covid...), Données sportives (résultats sportifs par saison ou par match...), Culturelles (données de films, de musique...), Restaurants/Musées... Mais aussi: (politique, réseaux sociaux, économie, environnement, sécurité, etc.)

Si vous ne savez pas quelles données existent ou non, partez du principe que tout existe, et nous chercherons ensemble ce qui est effectivement accessible. Si vous ne savez pas où trouver des données, quelques points de départ: https://data.grandlyon.com/accueil, https://www.data.gouv.fr/fr/ , https://datasetsearch.research.google.com .

Vous pouvez consulter quelques projets précédents sur ma page http://cazabetremy.fr/Teaching/StudentsProduction.html . 
=====RC2. Kaggle Challenge    =====

^ Domaines                                                  | Machine Learning ("Intelligence Artificielle") |
^ Librairies (proposées)                                               | scikit-learn, keras, tensor-flow...    |
^ Langages (proposé)                                                   | Python, autre |
^ Responsable du sujet                                              | Rémy Cazabet                   |                                                                            
^ Informations à voir                                        | [[https://www.kaggle.com/competitions | Challenges Kaggle en cours]]                                                                                     ||
|                                                           ||
[[https://www.kaggle.com/competitions | Kaggle]] est le site web le plus connu de challenges en machine learning. 

En 2 mots: des entreprises proposent des challenges auxquels n'importe qui peut tenter de proposer une solution. La meilleure solution gagne. Mais là où Kaggle est particulièrement intéressant, c'est qu'il propose des tutoriels pour résoudre certains problèmes classiques, en utilisant différentes méthodes. Votre objectif: 1) Suivre un/des tutoriels pour résoudre un problème tout fait, 2)Choisir un challenge en cours et appliquer ce que vous avez appris.
Vous pouvez consulter quelques projets précédents sur ma page http://cazabetremy.fr/Teaching/StudentsProduction.html. 

=====RC3. Recommendation de contenus    =====

^ Domaines                                                  | Machine Learning |
^ Librairies (proposées)                                               | scikit-learn, keras, tensor-flow...    |
^ Langages (proposé)                                                   | Python, autre |
^ Responsable du sujet                                              | Rémy Cazabet                   |                                                                            
^ Informations à voir                                        | [[https://github.com/Yquetzal/Teaching_notebooks/blob/main/Networks/Movie-similarity.ipynb | Notebook pour commencer]]                                                                                     ||
|                                                           ||

L'objectif de ce projet est de créer un outil de recommendation de contenus: pour un utilisateur qui indique ses préférences (notes ou like) sur des contenus (films, musiques, jeux vidéos...), vous lui recommanderez des contenus similaires, découvert automatiquement à partir des préférences des autres utilisateurs (en se basant sur des bases de données existantes). Vous pouvez travailler uniquement sur l'algorithme lui-même (python uniquement donc), ou faire un site web complet de recommendation. Un exemple de méthode classique pour le faire est le collaborative filtering: https://en.wikipedia.org/wiki/Collaborative_filtering , mais d'autres méthodes plus avancées seront possible pour les groupes qui avancent rapidement.
=====RC4. Visualisation de graphes dynamiques    =====

{{:projet:all_examples_pdf_1_page_.png?nolink|}}
^ Domaines              | Dataviz, data science, génie logiciel, logiciel libre  |   |
^ Librairies            | https://tnetwork.readthedocs.io, https://docs.bokeh.org, matplotlib,...                                      |   |
^ Langages (proposé)    | python, javascript                         |   |
^ Responsable du sujet  | Rémy Cazabet                                           |   |
^ Informations à voir   | https://tnetwork.readthedocs.io,https://github.com/TiphaineV/streamfig/blob/master/all_examples.pdf             ||
|                                                                               ||   |
tnetwork https://tnetwork.readthedocs.io est une librairie python permettant de manipuler des graphes dynamiques. Cette librairie orientée recherche a été développé par des membres de l'équipe DM2L du LIRIS, en particulier moi-même. L'objectif de ce projet sera de créer un outil de visualization de graphes dynamiques en s'inspirant du formalisme graphique utilisé ici : https://github.com/TiphaineV/streamfig/blob/master/all_examples.pdf.
Cependant, de manière à pouvoir visualiser des gaphes de grande taille, la visualisation sera interactive : cliquer sur un nœud doit pouvoir réorganiser le graphe pour montrer les contacts avec ses voisins, on doit pouvoir zoomer une partie du graphe, etc.

=====RC5. Objectif présidentielles  =====

^ Domaines              | data science, data viz, analyse de réseaux sociaux, etc.  |   |
^ Librairies            |                                    |   |
^ Langages (proposé)    | python, javascript                      |   |
^ Responsable du sujet  | Rémy Cazabet                                           |   |
La présidentielle 2022 est l'occasion de se plonger dans des données. Votre objectif: soit la prédiction du vainqueur avec des méthodes de type machine learning, soit une analyse visuelle ou quantitative des activités autour des partis, des candidats... 
Il existe de nombreuses données accessibles, soit en allant les chercher sur les réseaux sociaux, comme le fait par exemple le politoscope dont vous pouvez vous inspirer (https://politoscope.org/2021/12/apres-sa-primaire-lr-au-bord-de-la-rupture/), en passant par les données des sondages, accessibles par crawling de la page Wikipedia par exemple: https://fr.wikipedia.org/wiki/Liste_de_sondages_sur_l%27élection_présidentielle_française_de_2022, voire en se basant sur les données de votes précédents, disponible sur data.gouv et d'autres sources (https://www.data.gouv.fr/fr/pages/donnees-des-elections/)
===== AM1. Deep learning et image : classification ou génération d'images =====

^ Domaines                                                                         | Image Processing / Deep Learning(IA) / Interaction |
^ Techniques et langages                                                           | Python / PyQt  |
^ Responsable du sujet                                                             | Alexandre Meyer   | 
^ Niveau de difficulté                                                             | intermédiaire  |    

L'objectif de ce projet est d'explorer les possibilités qu'offre les réseaux de neurones à traiter des images. Il y a deux grandes pistes qui peuvent être explorées. 
D'abord la classification d'images qui cherche à reconnaitre un objets à partir de sa photo, c'est à dire à lui donner un label : le nom de la personne, le type d'objet, un caractère pour la reconnaissance d'écriture, des informations sur des images satallitaires ou médicales, etc.
Le deuxième aspect est l'édition ou la génération de nouvelles images. Un réseau peut apprendre à modifier, voir à générer une nouvelle image après avoir "appris" sur une base d'images du même type. 

Par exemple, les auto-encoders sont une classe d'algorithme basée sur les réseaux de neurones profonds qui transforment un jeu de données (des images pour nous) en une représentation latente (cachée) que l'on nomme un code. Ils sont composés d'un encodeur qui produit le code et d'un décodeur qui repasse du code à la données d'origine (l'image). Une piste pour ce sujet serait de construire cet auto-encoder sur une classe d'images puis d'offrir à l'utilisateur des curseurs pour éditer le code tout en lui montrant l'image décodé. En allant plus loin, il est également envisageable d'explorer les GAN (Generative Adversarial Network) pour produire une nouvelle image ... Le domaine est vaste.

[[https://towardsdatascience.com/gans-vs-autoencoders-comparison-of-deep-generative-models-985cf15936ea|GANs vs. Autoencoders: Comparison of Deep Generative Models]]
[[https://medium.com/@jonathan_hui/gan-some-cool-applications-of-gans-4c9ecca35900|GAN — Some cool applications of GANs.]] 



===== AM2. Animation procédurale des mouvements d'un personnage et jeu vidéo sous Unity  =====

^ Domaines                                                                                | Animation/Interaction/Jeu vidéo |
^ Techniques et langages                                                                  | C# / Unity  |
^ Responsable du sujet                                                                    | Alexandre Meyer |
^ Difficulté                                                                              | Raisonnable / Intermédiaire |

Les approches classiques d'animations d'un personnage virtuel dans un jeu vidéo sont en utilisant des clips d'animations. Ces clips peuvent être produit par un animateur, provenir de capture de mouvements ou être généré procéduralement. En pratique, les 3 approches sont souvent mélangées.
L'idée de ce sujet est d'explorer la famille de techniques de génération procédurale. A partie de données comme la longueur du pas, l'algorithme pourra produire les positions de pieds sur le sol, ainsi qu'une trajectoire de vol entre chaque contact. En phase avec la trajectoire des pieds il est possible de produire une trajectoire du bassin. Le reste du corps pourra être déduit par de la cinématique inverse.

Unity semble être une bonne plateforme pour ceci car il propose un certains nombres d'outils intégrés : un algorithme de ray-casting pour trouver l'interection entre un rayon et la surface du sol (point de contact du pied), un algorithme de cinématique inverse pour générer la position du corps en fonction des positions des pieds, etc.

Il est possible de travailler uniquement sur l'animation ou d'inclure ces mouvements dans un jeu vidéo : jeu de sport, jeu de combat, voir "plateformer" ou exploration d'un monde. L'équipe du projet peut se partager entre les dévelopeurs du jeu qui déplaceront un personnage non animé dans un 1er temps et incluront l'animation procédurale au fur et à mesure.




===== AM3. Capture et transfert d'animation d'un visage vers un autres par image warping ou déformation de maillages 3D =====

^ Domaines                                                                                | Image Processing |
^ Techniques et langages                                                                  | Python ou C++/OpenGL ou C#/Unity|
^ Responsable du sujet                                                                    | Alexandre Meyer   |
^ Difficulté                                                                              | Sujet progressif |


L'objectif de ce projet est de développé un algorithme capable de transférer le mouvement d'un visage d'une personne filmé vers une autre personne. La capture de l'animation du visage source se fera en détectant les points caractéristiques d'un visage filmé avec une webcam en utilisant DLib (python ou C++). 

Un premier prototype se fera en générant une nouvelle position de marqueurs de visage puis en réalisant un warping (déformation) de l'image du visage cible. Une interpolation par RBF (ou autre) semble une solution réalisable. 

Ce warping pourra s'etendre dans 2 directions 
- vers la déformation d'un maillage 3D, probablement en utilsant Gkit (le code de LIFGRAPHIQUE en L2);
- vers une éformation 2D plus réaliste en utilisant les réseaux de neurones (GAN).


===== AM4. Animation physique et optimisation de la morphologie de créatures animées =====
^ Domaine | Algorithme évolutionniste, simulation physqiue, méta heuristiques, optimisation, moteur physique |
^ Langage | C++ ou python avec BulletPhysics; Ou C# avec Unity; etc. |
^ Responsable du sujet | Fabien Rico et Alexandre Meyer                                         | 
^ Information à voir                                                      ||
| [[http://jvf.free.fr/550_Articles_LinuxMag/GLMF_076_034_041.pdf]]  ||
| [[https://www.youtube.com/watch?v=JBgG_VSP7f8]]    ||
| [[https://www.youtube.com/watch?v=m4E9sj9vH1I]]  ||

Les algorithmes évolutionnistes ou génétiques sont des méta-heuristique d'optimisation c'est à dire des méthodes globales pour résoudre des problèmes de toutes sorte qu'il faut adapté à un problème particulier. Comme leur nom l'indique, ils sont basés sur le concepts d'évolution. On génère une famille aléatoire d'individu dont on conserve les plus performant, que l'on mélange pour générer une nouvelle famille ...

Une idée classique de ce choix de projet est d'appliquer ces algorithmes évolutionnistes à un problème de génération de forme de créatures en cherchant à ce que ces créatures réalisent une tâche le mieux possible : par exemple la locomotion. Vous prendrez en main un moteur physique. L'algorithme évolutioniste proposera une série de créatures avec des morphologies différentes encodées par une séquence de "gènes" (un code). La simulation physique donnera une distance de déplacement que l'algo cherchera à maximiser.

L'implémentation peut se faire en C++ ou en python avec le moteur BulletPhysics; mais également en C# avec Unity.


===== AM5. Modélisation, Rendu, Animation de nuages ou de la surface de l'eau =====
^ Domaine | Synthèse d'images |
^ Langage | C++ (ou C# avec Unity) |
^ Responsable du sujet | Alexandre Meyer                                         | 
^ Information à voir                                                      ||
| https://tel.archives-ouvertes.fr/tel-00319974/file/defense.pdf  ||
|     ||
|   ||

Les nuages ou l'eau font partis des éléments à modéliser, afficher et animer dans une scène d'extérieure en synthèse d'images. Ce projet se propose d'explorer certains aspects des nuages ou de la surface de l'eau : leur formation, leur mouvement, leur interaction avec la lumière.

La réalisation pourra se faire en C++ avec gkit (ou autre code en C++), mais pourra également se réaliser en C# sous Unity.


===== SA1. Modélisation distribuée d’un jeu stratégique - Exemple du tactical RPG =====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
L’objectif de ce projet est de proposer une modélisation distribuée d’un jeu stratégique. Nous prendrons comme exemple le tactical RPG. Nous considérerons des personnages qui évoluent sur un environnement dynamique. Les personnages appartiennent à plusieurs groupes. Les personnages peuvent se déplacer en même temps selon des règles préétablies. 
Nous implémenterons une méthode de résolution distribuée avec des entités autonomes dotée de comportements intelligents. Nous commencerons par définir des stratégies de résolution simples dans lesquelles les personnages effectuent des déplacements uniquement sur la base de leur perception. Dans une deuxième étape, nous définirons des stratégies de résolution plus fines permettant aux personnages de construire des stratégies de jeu collectives en interagissant avec leur voisinage. L'étudiant peut avoir acces a une premiere implementation deja realisee.

===== SA2. Véhicule autonome : Gestion automatique de la traversée d’une intersection intelligente=====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
Les récentes évolutions technologiques des dernières années ont permis d’améliorer le niveau d’équipement des véhicules rendus de plus en plus connectés, voire autonomes, ce qui permet de proposer de nouvelles réponses aux problèmes du trafic urbain. Les véhicules sont, à présent, capables de communiquer et de se coordonner. Avec notre projet, nous proposons une approche de régulation du trafic s’appuyant sur des méthodes distribuées pour améliorer les conditions de mobilité des véhicules.

Dans le cadre ce travail, nous implémenterons la méthode de régulation que nous avons définie à l’échelle de l’intersection tirant parti des capacités de communication des véhicules, et dans laquelle les véhicules autonomes négocient leur droit de passage dans chaque intersection. Cette négociation s’effectue en utilisant des mécanismes prédéfinis en s’appuyant sur les données de mobilité de chaque véhicule et en permettant ainsi de prendre en compte différents critères pour la prise de décision locale, comme l’état général du trafic, la localisation d’éventuelles congestions, ou encore la circulation des bus, les trajets programmés par les véhicules, etc. L'étudiant peut avoir acces a une premiere implementation deja realisee.

===== SA3. Exploration collective d’un territoire par des drones =====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
Nous allons développer un système automatique pour le partage efficace de tâches entre des drones autonomes capables de collaborer pour l’exploration d’un territoire. Le système doit prendre en compte les contraintes de navigation des drones, les contraintes environnementales, etc. 
L’objectif de la coordination entre les drones est de minimiser les coûts d’exploration en termes d’énergie par exemple. Nous considérerons une résolution distribuée et nous testerons ainsi différentes méthodes.

===== SA4. Partage dynamique d’énergie verte entre des ilots autonomes et des véhicules connectés=====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
Plusieurs projets urbains innovants d’ilots autonomes tels que le projet du groupe Bouygues-construction pour la gestion intelligente de l’énergie traitent du problème du partage dynamique de l’énergie avec son réseau de communication énergétique et un système de stockage par des batteries de nouvelle génération directement installées dans les bâtiments. Ce projet vise à équiper les foyers avec de nouveaux dispositifs intelligents pour éprouver des solutions originales pour les futurs réseaux de distribution.  Il cible l’ouverture des  réseaux  et l’exploitation automatique des îlots. L’évolution actuelle de ces ilots est renforcée grâce au développement de nouvelles batteries de stockage à fort potentiel et à faibles coûts, et au transfert intelligent de l’énergie entre les ilots avec un câblage interne indépendamment des systèmes de distribution classiques. Ce transfert permet d’envisager une adaptation de la consommation de manière locale, i.e., à l’échelle d’un quartier, en réduisant les coûts et les pertes du transport de l’énergie. 

Pour accompagner le développement de ce projet, une solution pour la gestion du surplus d’énergie s’est inscrite en direction des véhicules autonomes solution de stockage et d’usage intelligent de l’énergie renouvelable. Ce modèle de fonctionnement requière l’installation de bornes de rechargement communicantes au niveau des ilots autonomes permettant aux résidents et aux non-résidents de l’ilot d’accéder au surplus d’énergie produite dans ces ilots moyennant une participation financière mais avec un coup d’achat de cette énergie relativement inférieur à celui appliqué par les fournisseurs standards. La gestion de l’énergie doit ainsi être reformulée comme un problème de planification où l’énergie fournie est considérée comme une ressource partagée et intermittente dont l’usage doit être régulé et optimisé par ce nouveau système intelligent. 
L’objectif de ce projet est ainsi d’implémenter une méthode de résolution qui permet aux véhicules de se recharger auprès des bornes intelligentes et de contrôler dynamiquement les interactions entre les véhicules autonomes et les bornes. L'étudiant peut avoir acces a une premiere implementation deja realisee.

===== SA5. Formation dynamique de pelotons pour une conduite collaborative =====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
La conduite en peloton est un mode de conduite collaborative où les véhicules forment des groupes ou 
le premier véhicule, dit le véhicule meneur, est piloté par un conducteur humain ou un programme ; les 
autres véhicules suivent de manière automatique leur prédécesseur sachant que chaque conducteur peut 
garder le contrôle de son véhicule. Les véhicules sont directement interconnectés par un réseau sans-fil 
et échangent des informations en temps réel sur un réseau ad hoc dédié. Cette formation présente de 
nombreux avantages, notamment de sécurité puisque la signalisation du meneur est automatiquement 
retransmise aux autres véhicules. Par exemple, si un des véhicules du peloton effectue un freinage 
d’urgence alors tous ceux qui le suivent freineront instantanément, ainsi le risque de carambolage est 
réduit. La communication inter véhicules peut alors être utilisée pour pallier au problème de stabilité 
des pelotons, et leur permet un certain niveau d’organisation interne. 

Le rôle de l’étudiant est de formaliser et d’implémenter un ensemble de 
comportements nécessaires à un véhicule autonome pour qu’il puisse former des pelotons pendant son 
trajet sans devoir modifier son itinéraire. 

===== SA6. Gestion intelligente de parkings dans un centre urbain =====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
L’objectif de ce projet est de proposer une méthode distribuée pour l’affectation des places de stationnement à des véhicules intelligents. Le rôle de l’étudiant est de formaliser et d’implémenter l’ensemble des comportements nécessaires aux véhicules pour interagir avec les parkings et négocier le tarif de stationnement qui est décidé dynamiquement en tenant compte d’un ensemble d’information, telles que la durée du stationnement, le profil de l’usager, le taux d’occupation du parking, le créneau horaire, etc. 

===== SA7. Planification dynamique de la trajectoire d’un véhicule électrique  intelligent =====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
Dans le cadre de ce projet, nous étudierons la consommation énergétique d’un véhicule électrique intelligent. Nous examinerons un ensemble de méthodes pour planifier dynamiquement la trajectoire du véhicule en tenant compte à la fois de la consommation prédite, des contraintes de mobilité des véhicules, de l’occupation des voies, etc. 
Chaque véhicule est modélisé dans le système par un agent intelligent. Nous définirons les comportements des véhicules et proposeront le modèle d’interaction pour supporter les interactions entre les véhicules et l’infrastructure.  

===== SA8. Simulation distribuée du jeu de football (1) =====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
Le football est un jeu stratégique complexe dans lequel se mêlent les stratégies individuelles des joueurs et les stratégies collectives des groupes. Dans ce projet, nous proposerons une modélisation distribuée de ce jeu. Nous implémenterons l’environnement du jeu avec l’ensemble des personnages. Nous proposerons des comportements de jeu simples pour les joueurs. Nous implémenterons et testerons les algorithmes correspondants.     

===== SA9. Simulation distribuée du jeu de football : Comportements collectifs (2) =====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
Ce projet est une variante du projet SA8 qui porte sur le jeu du football. En plus de la modélisation  distribuée du jeu à proposer, nous nous intéresserons particulièrement au problème de la formation des groupes de joueurs sur le terrain. Nous définirons les critères de formation de ces groupes et les algorithmes correspondants ensuite nous les testerons.


===== SA10. Modélisation distribuée d’une variante du jeu de dames  =====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
L’objectif de ce projet est de proposer une modélisation distribuée d’un jeu stratégique. Nous prendrons comme exemple une variante du jeu de dames. Dans ce jeu, les pièces peuvent se coordonner et communiquer pour mettre en œuvre des stratégies collectives. Elles peuvent effectuer différents mouvements parallèles selon des règles prédéfinies et exhiber différents comportements (tels que des attaques de groupes simultanées). Nous testerons différentes règles de jeu et implémenterons les stratégies collectives. 

===== SA11. Sites marchands intelligents pour le commerce électronique   =====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
Nous utiliserons des modèles de négociation automatique pour la mise en place de sites marchands intelligents. Chaque site dit "vendeur" propose plusieurs items ou produits avec des indications sur les propriétés des items (ex. prix min,...). Un utilisateur peut spécifier, à un site dit "acheteur", l’item qu’il recherche, ses propriétés ainsi que les contraintes et les préférences associées à cet item. Le site acheteur se chargera alors de mener les négociations automatiques avec les sites vendeurs proposant cet item. Le travail demandé consiste à modéliser les différents comportements de négociation automatique pour la vente et l’achat des items. Nous définirons les protocoles d’interactions et de négociation correspondants. Nous implémenterons et testerons l'ensemble des mécanismes à proposer.     

===== SA12. Livraison de marchandises   =====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
L’objectif de ce travail est de proposer un planner automatique pour la livraison intelligente de marchandise. Nous allons considérer un ensemble de véhicules de livraison chacun ayant des propriétés spécifiques (ex. poids maximum à transporter, niveau d’autonomie, …). Chaque véhicule possède une liste de tâches à accomplir dans la journée. Il doit planifier l’ordre d’exécution de ses tâches de manière dynamique et parer à tout événement pouvons se produire dans son environnement (ex. blocage ponctuel d’une voie). Nous proposerons une modélisation distribuée dans laquelle chaque véhicule possède des connaissances de son environnement et peut interagir avec les autres véhicules et l’infrastructure. Il décide individuellement de ses actions et peut adapter ses comportements de manière dynamique. Nous implémenterons et testerons un ensemble de mécanismes pour garantir cette interaction et adaptation aux événements imprévus.   

===== GR1. Apprendre OCaml en pratiquant 🐪 ===== 
^ Domaine | Langage de programmation |
^ Langage | OCaml |
^ Responsable du sujet | Gabriel Radanne |

Ce projet à pour but d'apprendre OCaml en pratiquant, via l'implémentation d'un projet complet!

[[https://ocaml.org/|OCaml]] est un langage fonctionnel statiquement typé. Il est utilisé pour des taches variées, de la construction de compilateurs jusqu'à la finance, en passant par la programmation Web ou les systèmes d'exploitation.  
OCaml est connu pour sa fiabilité et son expressivité, et est utilisé par de nombreuses entreprises (Facebook, Docker, Janestreet, ...).
Dans ce projet, vous apprendrez le langage OCaml en implémentant une application concrète choisi parmi la liste ci-dessous. 
Ce projet est ouvert aux étudiants ne sachant pas encore programmer en OCaml, l'apprentissage étant le but premier.

Je propose 4 projets, correspondant à des domaines variés. Vos propositions sont également bienvenues !
  * Un générateur de plantes (Algorithmique, Graphique OU Web)
  * Un roguelike en OCaml (Langages, Ligne de commande)
  * Un wiki en ocaml (Web)
  * Autre, Soyez créatifs !


===== GR2. Apprendre Rust en pratiquant 🦀 ===== 
^ Domaine | Langage de programmation |
^ Langage | Rust |
^ Responsable du sujet | Gabriel Radanne |

Ce projet à pour but d'apprendre Rust en pratiquant, via l'implémentation d'un projet complet!

[[https://www.rust-lang.org/fr/|Rust]] est un langage mixant paradigmes impératifs et fonctionnels, et le typage statique. Il fournit à la fois des constructions de haut niveau, et un contrôle fort permettant la programmation haute performance ou embarqué.
Il est utilisé dans des logiciels très connu tels Firefox, Dropbox, et même le noyau Linux !
Dans ce projet, vous apprendrez le langage Rust en implémentant une application concrète choisi parmi la liste ci-dessous. 
Ce projet est ouvert aux étudiants ne sachant pas encore programmer en Rust, l'apprentissage étant le but premier.

Je propose 4 projets, correspondant à des domaines variés. Vos propositions sont également bienvenues!
  * Un générateur de labyrinthe (Algorithmique, Graphique OU Web)
  * Un émulateur pour les jeux [[https://fr.wikipedia.org/wiki/CHIP-8|CHIP-8]] (Système, Langages)
  * Un clone de `grep` en Rust (Langages, Ligne de commande)
  * Autre, Soyez créatifs!

 ===== GR3. Visualisation interactive de données avec D3.js  ===== 
^ Domaine | data-science, web |
^ Langage | Javascript |
^ Responsable du sujet | Gabriel Radanne |

Dans ce projet, vous réaliserez une visualisation de données dans le navigateur avec la bibliothèque D3.js.

[[https://d3js.org/|D3.js]] est une bibliothèque très connue qui permet de visualiser des données sous des formes très variées: cartographie, graphes, hierarchies, etc.
Le but de ce projet est de vous initier à la collecte et la visualisation de données, et à l'utilisation de D3.js, 
via la construction d'une visualisation concrète sur le sujet de votre choix.
Une première phase du projet est de collecter et de mettre en forme les données. Une deuxième étape est de programmer une visualisation interactive en javascript.

Le sujet de la visualisation est à discuter, voici quelques idées:
  * Performance des joueurs de foot de Ligue 1 au fil du temps
  * Trajectoire et position des satellites en orbite autour de la terre (via [[http://www.celestrak.com/NORAD/elements/gp-index.php|celestrak]])
  * Un graphe de similarité pour les artistes musicaux (via [[https://www.last.fm/|Last.fm]])

 ===== GR4. Jeu de plateau multijoueur en ligne  ===== 
^ Domaine | web, interface graphique |
^ Langage | Javascript |
^ Responsable du sujet | Gabriel Radanne |

Ce projet à pour but d'implémenter un jeu de plateau multijoueurs entièrement du côté client.

Dans ce projet, on réalisera un jeu de plateau avec 2 joueurs ou plus, entièrement du coté du client avec Javascript.
Le but est d'apprendre a faire des applications riches et interactives complètes, qui ne nécessite qu'un serveur minimal.
L'interface utilisateur sera faite en Javascript via un framework de votre choix tel React.js ou Angular.
Les communications entre joueurs se feront en P2P, sans passer par un serveur central, via la technologie WebRTC.

Voici quelques exemples de jeux qui peuvent être implémenté:
  * Othello, Blokus, ...
  * Pictionnary, Codenames, ...
  * Tron
  * Le jeu de plateau de votre choix (à discuter)

===== FR1. Site de travail colaboratif =====
^ Domaine | administration système/docker |
^ Technologie | Docker |
^ Responsable du sujet | Fabien Rico                                          | 
^ Information à voir                                                      ||
|     https://nextcloud.com/  ||
|     https://rocket.chat/    ||
|     https://fr.wordpress.org/ ||

Le but de ce travail est de créer un script d'installation d'un site de travail collaboratif. Ce site est basé sur plusieurs composant 
  * [[https://nextcloud.com/|nextcloud]] qui permettra le partage de documents, l'édition en ligne ...;
  * [[https://rocket.chat/|rocketchat]] qui permettra les discussions en lignes.
  * [[https://fr.wordpress.org/|wordpress]] (ou autre chose) qui permettra de créer un site web classique;
Ces composants devront de plus s'appuyer sur un système d'authentification unique (ldap?).

Pour simplifier l'installation automatique de l'ensemble, vous devrez utiliser des conteneurs //docker//. Le résultat de votre travail doit être une archive et un script dont l'exécution permettra d'installer l'ensemble des composant et de les faire communiquer.

==Amélioration==
Il y a un grand nombre de composants annexes pouvant être ajouter : webmail, forge, système d'authentification CAS/OpenIDConnect ... Il est aussi possible d'ajouter des modules utiles au composants proposé : conférence vidéo pour rocketchat, édition de documents pour owncloud ... 

===== FR2. Mise en place de cluster de calcul parallèle =====
^ Domaine | administration système|
^ Techniques | Docker, machines virtuelles |
^ Responsable du sujet                                               ||
|                     | Fabien Rico                                          | 
^ Information à voir                                                      ||
|  https://www.docker.com/       ||
|  http://spark.apache.org/       ||

Pour gérer de grands volumes de données, plusieurs //framework// ont été développés. //Spark// est l'un d'entre eux, il permet de définir des programmes dont les calculs seront facilement et efficacement distribués sur un cluster. Mais ces cluster doivent être créés. Vous devez créer un système capable de mettre en place un cluster spark et de lui soumettre des tâches de calcul.

Le système que vous allez développer pourra utiliser un outil comme //docker-machine// pour créer des machines virtuelles dans une plateforme de //cloud computing// (celle du département), puis les conteneurs //dockers// pour lancer les différentes parties du cluster de calcul. Enfin, il soumettront les tâches au cluster pour obtenir leurs résultats.

===Amélioration===
  * utilisation d'une plateformes de //cloud computing// publique (AWS, Azure, ...)
  * utilisation d'autres //frameworks// (hadoop)
  * interface web de gestion

===== FR3. Création d'une box web =====
^ Domaine | administration système |
^ Langage/Technologie | dnsmasq, ip, Kodi |
^ Responsable du sujet | Fabien Rico                                          | 

Le but de ce sujet est transformer un Rasberry Py en mini box, c'est à dire en un système partageant sa connexion internet et proposant différent services (stockage de fichiers, media center ...). Nous disposons d'un seul rasberry utilisable ce qui signifie qu'il est possible d'encadrer un groupe.

===== FR4. Mise en place d'un site web =====
^ Domaine | web |
^ Langage | php ou JS |
^ Responsable du sujet | Fabien Rico                                          | 
^ Information à voir                                                      ||
|     http://laravel.com/    ||
|     http://symfony.com/    ||
|     https://fr.vuejs.org/    ||


Le but de ce sujet est de mettre en place un site web avec une partie visible (front) et une partie d'administration (backend).
Le sujet du site est encore indéterminé (et des idées sont les bienvenues). Il devra comporter une part de programmation importante (ne pas uniquement installer un CMS). Il devra comporter un système de gestion des utilisateurs, des droits, de modification du front...


==Amélioration==
Selon la difficulté technique de certaines parties du site :
  * authentification web basée sur openid connect, ou CAS;
  * lien avec les réseaux sociaux