stage PFE en Intelligence artificielle

Objectif ?

La startup DourbIA offre un stage de PFE (6 mois) pour renforcer son équipe qui travaille actuellement sur une application mobile d’aide à la visite personnalisée.

Problématique ? 

Comment améliorer l’expérience de visite à l’aide de l’IA.

Pour qui ? 

les étudiants de Master en Informatique, Data science, Intelligence artificielle, et toute autre discipline qui s’intéresse à la problématique de l’optimisation des circuits.

Durée du stage : 6 mois

Lieu : Orange FABLAB LAC 1

Modalité du stage : Alternance présentiel (une fois par semaine) / En ligne

Si vous êtes passionné(e) par la valorisation du patrimoine culturel à travers les nouvelles technologies, rejoignez-nous pour cette expérience enrichissante. 

La date limite de l’envoi de la candidature est le 15 Février 2024. Présentation de la startup Dourbia

Dourbia est une startup informatique qui oeuvre pour le développement du tourisme culturel via les outils numériques. En effet, le projet Dourbia vise le développement d’un générateur de circuits touristiques personnalisés en utilisant l’intelligence artificielle.

La version beta de l'application est déjà développée et disponible sur ce lien de playstore https://bit.ly/3sCH5yS elle offre actuellement des circuits de visite à Carthage et à La Marsa.

Dans la nouvelle version de l'application, nous souhaitons intégrer :

-La personnalisation des circuits pour proposer une expérience de visite sur mesure basée sur l’intelligence artificielle via les techniques d'optimisation. Description du stage

Dans la version actuelle, le visiteur est géolocalisé en temps réel et il est ensuite guidé pour aller d'un point à un autre sur le circuit via une navigation Maps. La visite est enrichie par un contenu multimédia sous forme de texte, audio, vidéo, modèle 3D et visite en 360° sur les fiches historiques des monuments.

Problématique :

Les visites du patrimoine tunisien (sites archéologiques, médinas, musées,...) ne répondent pas aux attentes des visiteurs qui deviennent de plus en plus adeptes des nouvelles technologies, ce qui nous pousse à chercher de nouveaux outils pour enrichir et adapter les parcours au profil de chaque visiteur.

Ce sujet propose de traiter la problématique de personnalisation de circuits de visite qui nécessite la création d’un modèle d’aide à la décision permettant de répondre aux préférences du visiteur. Ceci revient à un problème de satisfaction de contraintes spatialisé dont la résolution s’est basée dans certains travaux sur des méthodes mathématiques de la logique floue (ELECTRE et PROMETHEE), des systèmes multi agents, des algorithmes génétiques et des systèmes de recommandation contextuels. Ces méthodes prises séparément ne présentent pas des solutions satisfaisantes pour notre problème étant donné que la résolution doit être suivie d’une spatialisation et d’ajustements qui prennent en considération les spécificités de l’environnement choisi. Ce qui nous pousse à réfléchir sur une nouvelle approche hybride qui intègre un système d’aide à la décision permettant d’interagir avec

l’environnement et le visiteur pour proposer un circuit optimal. Ainsi, ce travail pose les questions suivantes : Comment améliorer l’expérience du visiteur au sein des sites historiques et l’adapter à ses préférences ? Comment modéliser un circuit de visite personnalisé (CVP) à l’aide des techniques de l’intelligence artificielle ?

Exigences du stage

Etat existant :

Ce projet vise le développement d’un générateur intelligent de circuits de visites personnalisés (CVP). Il s’agit d’un créateur d’expériences de visites inédites, innovantes et sur mesure d’un lieu choisi du patrimoine. Dans nos anciens travaux (voir section références) nous proposons une formalisation du problème de génération de CVP correspondant aux préférences du visiteur (considérées ici comme des contraintes) en utilisant les concepts du problème spatialisé.

Cette formalisation est traduite ensuite par un système multi-agents (SMA) de génération de CVP basé sur le modèle SMARRPS et une optimisation du circuit final souhaité via les algorithmes génétiques (AG). Ainsi, l’interaction entre les agents et l’environnement est conditionnée par des contraintes internes (composantes du site) associées aux contraintes externes induites par le visiteur. Elle aboutit à une satisfaction partielle ou totale des contraintes que nous proposons de mesurer à l’aide de la fonction de fitness (fonction d’évaluation). Celle-ci est utilisée dans les AG pour évaluer différentes solutions potentielles. Elle mesure ici la satisfaction des contraintes liées à la visite. L’idée est d’utiliser les AG afin de résoudre un nouveau problème complexe (NPComplete) relatif à la modélisation spatiale appliquée au patrimoine.

Travail demandé :

L’Étudiant(e) en Master est censé travailler sur les points suivants :

-L’implémentation de ce modèle hybride pour tester les résultats préalables en se basant sur des contraintes introduites dans une interface de saisie expérimentale

-Améliorer le modèle en proposant de nouveaux algorithmes d’optimisation

-Comparer les résultats obtenus et retenir la meilleure approche qui offre les meilleurs circuits pour le visiteur du patrimoine

- Belkaïd A., Hassoumi I., and Zghab R. (2020). Un générateur intelligent de circuits personnalisés pour une meilleure visite du patrimoine. In E. Reyes, G. Kembellec, F. Siala-Kallel, L. Sfaxi, Proceedings of Digital Tools & Uses Congress (DTUC '20) : AI & Big Data 2020. Virtual Event Tunisia. October 15 - 17, 2020. Indexed by Association for Computing Machinery (ACM), New York, USA. Paper N° 18. Pages 1-5 https://doi.org/10.1145/3423603.3424055 ISBN: 78-1-4053-7753-9

Informations

Requirements

Skills:

BI mean stack BUSINESS-ANALYSIS BIGDATA MICROSOFT OFFICE AUTONIMIE

NODE.JS Python, PADE, IA, tachniques d'optimisation