Projet académique visant à concevoir et entraîner des modèles de deep learning pour la conduite autonome de véhicules. Utilise un simulateur 3D pour valider les performances des algorithmes avant leur déploiement potentiel sur des véhicules réels. Permet aux étudiants de tester et d'optimiser des solutions d'intelligence artificielle dans un cadre sécurisé et contrôlé.

Ce projet développe des modèles de deep learning pour analyser et prédire les risques liés aux installations industrielles. Il permet d'identifier des scénarios critiques et d'optimiser les processus de maintenance préventive. Les modèles sont entraînés sur des données historiques et des simulations pour améliorer la sécurité et la fiabilité des infrastructures.

Myria3D est une bibliothèque de deep learning conçue pour la segmentation multiclasse de grands nuages de points Lidar à haute densité. Elle implémente l'entraînement de réseaux de neurones de segmentation 3D avec des logiques de traitement et d'évaluation optimisées pour les données à l'échelle du lot. L'inférence sur des nuages de points inconnus à grande échelle est également prise en charge, ce qui permet d'évaluer la IoU sur l'ensemble du nuage de points, ce qui se traduit par une évaluation fiable du modèle.

Ithemal est un outil d'intelligence artificielle conçu pour prédire le nombre de cycles CPU nécessaires à l'exécution de blocs de code assembleur x86-64. Basé sur des modèles de deep learning, il permet aux développeurs et aux chercheurs d'évaluer rapidement la performance de leurs algorithmes sans avoir à les exécuter physiquement. L'outil est particulièrement utile pour l'optimisation de code bas niveau et l'analyse de performance matérielle.

Melissa est un framework open source conçu pour optimiser les analyses de sensibilité et l'entraînement de modèles de deep learning à très grande échelle sur supercalculateurs. Il élimine le besoin de stocker des fichiers intermédiaires en traitant les données en transit, permettant ainsi de gérer des études impliquant des milliers de simulations parallèles sans surcharge de stockage. Le système coordonne des simulations numériques, des calculs statistiques et des entraînements de réseaux de neurones de manière efficace et résiliente.