ESPRI-IA – Offres de stages

Financement EUR

  1. Analyse de la variabilité phytoplanktonique en Atlantique nord par méthodes neuronalesRoy Elhourany (IBENS-LOCEAN), Anastase Charantonis , Sylvie Thiria (LOCEAN)

    Thème 6 : Marine biogeochemistry, ecosystems and resources

    Description du stage (pdf)

  2. Downscalling of geophysical fields by fusion of heterogeneous ocean observations using Deep Learning algorithmsCarlos Mejia (LOCEAN-ESPRI-IA), Sylvie Thiria (LOCEAN)

    Thème 6 : Marine biogeochemistry, ecosystems and resources

    Description du stage (pdf)

  3. Effect of climate change on nutritive quality of plants and cropsBerzaghi Fabio (LSCE- MOSAIC)

    Attente co-encadrement Machine Learning

    Thème 5 : Land biogeochemistry, ecosystems and agriculture

    Description du stage (pdf)

  4. Développement d’algorithmes d’apprentissage causaux et d’aggrégation d’experts pour prendre en compte l’erreur multimodèles dans les études de détection et d’attribution de records climatiquesSoulivanh Thao, Philippe Naveau (LSCE), Julien Worms (laboratoire mathématiques de l’UVSQ)

    Thème 2 : Internal and forced climate variability

    Description du stage (pdf)

  5. Développement d’un algorithme de « scoring » par apprentissage profond pour l’évaluation de cartes de précipitationsBarthes Laurent (LATMOS), Mallet Cécile (LATMOS)

    Co-encadrement : Pierre Lepetit (doctorant Météo-France)

    Thème 4 : Water cycle

    Description du stage (pdf)

  6. Recalage d’historique et machine learning pour la recherche de paramètres de modèles d’océan/atmosphèreRedouane Lguensat (LOCEAN-LSCE), V. Balaji (Princeton-IPSL)

    Thème 4 : Water cycle

    Description du stage (pdf)

  7. Inferring the rain rate from remote sensing space measurement using machine learning algorithmNicolas Viltard (LATMOS)+ spécialistes ML de l’équipe SPACE

    Co-encadrement : Pierre Lepetit (doctorant Météo-France)

    Thème 4 : Water cycle

    Description du stage (pdf)

  8. Apport de différentes techniques d’intelligence artificielle pour la classification des organisations spatiales de nuages bas observées par satellitesBrient Florent, Bony Sandrine (LMD) Denby Leif (University of Leeds)

    Thème 4 : Water cycle

    Description du stage (pdf)

Financement CNES

  1. Peut-on détecter un cyclone avec un modèle Deep Learning développé pour la conduite autonome ?Maya George (LATMOS ), Sébastien Gardoll (ESPRI-IA / IPSL)

    Financement CNES de Cathy Clerbaux

    Thème 4 : Water cycle

    Description du stage (pdf)

Financement SCAI

  1. The power of deep learning applied to oceanic eddy detectionAlexandre Stegner (LMD), Olivier Schwander (LIP6)

    Thème 6 : Marine biogeochemistry, ecosystems and resources

    Description du stage (pdf)

  2. Réseaux de neurones pour la modélisation de la dynamique spatio-temporelle de courants océaniques de surfacePatrick Gallinari (LIP6), Marina Levy, Sylvie Thiria (LOCEAN)

    Co-encadrement Marie Dechelle (doctorante, LIP6-LOCEAN)

    Thème 6 : Marine biogeochemistry, ecosystems and resources

    Description du stage (pdf)

  3. Projections du climat Antarctique par émulation d’un modèle atmosphérique régional avec des méthodes de Machine LearningPatrick Gallinari LIP6, Cécile Agosta (LSCE)

    Co-encadrement : Antoine Doury, doctorant au CNRM (Toulouse)

    Thème 3 : Forced climate future evolution and related processes

    Description du stage (pdf)