Projets novateurs réalisés

Explorez des milliers de projets réussis issus de la collaboration entre organisations et talents postsecondaires.

29670 projets achevés

2811
AB
4990
C.-B.
801
MB
663
NL
825
SK
8841
ON
9197
QC
95
PE
568
NB
1088
NS

Projets par catégorie

Vulnérabilité des populations de crevette nordique aux changements climatiques et globaux le long de la côte Est du Canada

La crevette nordique est une des plus importantes espèces exploitées à l’est du Canada, moteur d’approvisionnement et de développement pour de nombreuses communautés côtières. Depuis quelques années, les stocks de crevette nordique semblent en déclin. Le réchauffement, l’acidification et la désoxygénation des océans pourraient venir d’autant plus affecter la viabilité et la rentabilité de cette pêcherie. Cependant, la vulnérabilité relative des différentes populations n’est que peu connue et ne permet pas de prédire l’évolution globale de cette pêcherie dans un contexte de changements globaux. En menaçant la ressource, ces changements pourraient à moyen et long terme impacter par extension l’activité économique de la pêche et la vitalité socio-économique de plusieurs régions atlantiques. À CONTINUER

Voir la description complète du projet
Superviseur du corps professoral :

Piero Calosi; Fanny NOISETTE; Marco ALBERIO; William Cheung

Étudiant :

Partenaire :

Ouranos Inc; Merinov (Rimouski, QC)

Discipline :

Sciences de la vie

Secteur :

Services d’hébergement et de restauration; Agriculture; Services professionnels, scientifiques et techniques; Administration publique

Université :

Université du Québec à Rimouski

Programme :

Accélération

Évaluation de la thérapie alpha ciblée sur des cellules de glioblastome dérivées du patient

Le glioblastome multiforme (GBM) est la forme la plus mortelle de tumeurs cérébrales humaines, récurrente systématiquement malgré un traitement multimodal. En conséquence, la survie moyenne du patient est inférieure à 15 mois, et on pense qu’elle est liée à la présence de cellules souches tumorales cérébrales (BTSC) impliquées dans la résistance au traitement. Les BTSC GBM sont résistants à la radiothérapie et à la chimiothérapie, et les BTSC échappant au traitement peuvent expliquer la rechute tumorale. À l’ère actuelle de la médecine de précision, la radiothérapie ciblée constitue une stratégie attrayante pour traiter les maladies intraitables. En combinant la sélectivité des immunothérapies avec la létalité prouvée des radio-isotopes, nous avons la possibilité d’infliger des dommages irréversibles à une population cellulaire cancéreuse définie tout en épargnant des tissus normaux. Nous avons développé un modèle de souris in vivo qui a l’avantage distinct de générer un GBM récurrent, humain et réfractaire au traitement. À CONTINUER

Voir la description complète du projet
Superviseur du corps professoral :

Sheila Kumari Singh

Étudiant :

Partenaire :

Longbow Therapeutics Inc

Discipline :

Sciences de la vie

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université McMaster

Programme :

Accélération

Techniques améliorées pour l’appariement historique et la prévision des données des réservoirs de pétrole – Deuxième année

L’appariement historique fait référence à l’étalonnage de modèles numériques ou analytiques à partir des données observées. Cependant, cette tâche peut être très difficile en présence de géologie complexe et/ou de nombreuses données inconnues.
Le but de ce projet est d’introduire et d’appliquer de nouvelles techniques pour la création efficace de modèles prédictifs correspondant à l’historique pour la caractérisation des réservoirs conventionnels et non conventionnels, qui peuvent être utilisés pour la prévision probabiliste et la quantification de l’incertitude. On s’attend à ce qu’elle soit mise en œuvre comme un ensemble de code et introduise de nouveaux flux de travail capables d’améliorer la tâche de correspondance historique dans divers problèmes. Cela inclut l’utilisation et l’application de méthodes de pointe capables de représenter la géologie et d’étalonner efficacement et précisément les modèles dynamiques en minimisant le coût de calcul.
Ce programme postdoctoral offre une occasion unique de faire progresser mes études en correspondance historique et en quantification de l’incertitude à un nouveau niveau au sein de la dynamique des écoulements rocheux (RFD). Ce projet m’aide à utiliser les interactions avec l’industrie et à recevoir des retours industriels sur la praticité de mes algorithmes.

Voir la description complète du projet
Superviseur du corps professoral :

Mario Costa Sousa

Étudiant :

Partenaire :

Rock Flow Dynamics Inc; Université de Calgary

Discipline :

Sciences de la Terre

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université de Calgary

Programme :

Élévation

Techniques améliorées pour la correspondance historique et la prévision des données des réservoirs de pétrole

L’appariement historique fait référence à l’étalonnage de modèles numériques ou analytiques à partir des données observées. Cependant, cette tâche peut être très difficile en présence de géologie complexe et/ou de nombreuses données inconnues.
Le but de ce projet est d’introduire et d’appliquer de nouvelles techniques pour la création efficace de modèles prédictifs correspondant à l’historique pour la caractérisation des réservoirs conventionnels et non conventionnels, qui peuvent être utilisés pour la prévision probabiliste et la quantification de l’incertitude. On s’attend à ce qu’elle soit mise en œuvre comme un ensemble de code et introduise de nouveaux flux de travail capables d’améliorer la tâche de correspondance historique dans divers problèmes. Cela inclut l’utilisation et l’application de méthodes de pointe capables de représenter la géologie et d’étalonner efficacement et précisément les modèles dynamiques en minimisant le coût de calcul.
Ce programme postdoctoral offre une occasion unique de faire progresser mes études en correspondance historique et en quantification de l’incertitude à un nouveau niveau au sein de la dynamique des écoulements rocheux (RFD). Ce projet m’aide à utiliser les interactions avec l’industrie et à recevoir des retours industriels sur la praticité de mes algorithmes.

Voir la description complète du projet
Superviseur du corps professoral :

Mario Costa Sousa

Étudiant :

Partenaire :

Rock Flow Dynamics Inc; Université de Calgary

Discipline :

Sciences de la Terre

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université de Calgary

Programme :

Élévation

Explorer les règles optimales de trading dans un portefeuille à haute fréquence

Étant donné un ensemble d’instruments financiers ayant des caractéristiques inhérentes à différents intervalles de temps, nous souhaitons trouver une règle de négociation optimale dans un contexte de trading à haute fréquence. Une règle de négociation est définie comme une combinaison d’indicateurs ainsi qu’un seuil d’entrée (et potentiellement d’autres paramètres de négociation). La fonction objective que nous cherchons à maximiser est les profits de la stratégie basée sur la règle de négociation. Un impact de la non-linéarité de tels problèmes est que le gradient de la fonction objectif est difficile à estimer en utilisant une approche boîte noire. Des données de ticks à haute fréquence sont utilisées, ce qui permet d’obtenir un grand volume d’échantillons, ce qui aggrave le problème. Dans ce projet, nous avons entrepris d’explorer différentes méthodes pour effectuer une recherche aléatoire efficace, telles que l’utilisation de séquences à faible divergence, le recuit simulé et les procédures évolutives. À CONTINUER

Voir la description complète du projet
Superviseur du corps professoral :

Manuel Morales

Étudiant :

Partenaire :

Squarepoint Technologies

Discipline :

Mathématiques

Secteur :

Finance et assurance

Université :

Université de Montréal

Programme :

Accélération

Classification automatisée des transactions à l’aide d’un algorithme d’apprentissage automatique

Le processus d’approvisionnement d’une organisation est essentiel pour comprendre les coûts de l’entreprise. Les organisations recueillent de grandes quantités de données provenant de différentes sources (par exemple, état de résultat, bilan, lignes du grand livre général). Cette information est de nature hétérogène puisqu’il s’agit d’un mélange de données non structurées et non structurées. De plus, elle doit être nettoyée et consolidée dans une taxonomie pour permettre la gestion des catégories. L’objectif est de regrouper les articles et/ou services similaires en catégories du point de vue de l’analyse du marché de l’offre et de considérer la gestion des catégories pour une dépense globale. Les algorithmes d’apprentissage automatique supervisés et non supervisés semblaient être des choix naturels pour ce type de problème en raison de la nature des données disponibles. PwC dispose déjà d’une première itération d’un produit de classification, appelé SAM (Spend Analysis Machine), basé sur un apprentissage supervisé pour la classification de texte à partir de comptes grand livre et de caractéristiques des fournisseurs. À CONTINUER

Voir la description complète du projet
Superviseur du corps professoral :

Maciej Augustyniak; Manuel Morales; Manuel Morales; Maciej Augustyniak

Étudiant :

Partenaire :

Services de gestion PwC LP

Discipline :

Mathématiques

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université de Montréal

Programme :

Accélération

Précédent
1…2,4702,4712,4722,473

Suivant

Joignez-vous à un écosystème d’innovation florissant.

Abonnez-vous à notre infolettre dès maintenant!

S’inscrire