Projets innovants réalisés

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

13270 Projets terminés

1072
AB
2795
C.-B.
430
MO
106
NF
348
SK.
4184
L’ONT
2671
QC (EN)
43
PE
209
N.-B.
474
N.-S.

Projets par catégorie

10%
Informatique
9%
Génie
1%
Ingénierie - biomédicale
4%
Ingénierie - chimique / biologique

Identifier les microaggressions vécues par les étudiants en génie du BIPOC dans l’enseignement supérieur en Ontario

Reconnaissant que la discrimination et les préjugés de diverses sortes (p. ex. verbale, comportementale, environnementale) continuent d’exister dans le système d’éducation, cette recherche vise à examiner comment et pourquoi les microaggressions contre les Noirs, les Autochtones et les personnes de couleur (BIPOC), au sein des départements d’ingénierie, apparaissent parmi les pairs dans les salles de classe, à travers les interactions dans les environnements de laboratoire, les activités de groupe, et plus encore. Cette recherche vise à faire la lumière sur la prévalence de ces microaggressions telles qu’elles apparaissent non seulement dans l’apprentissage en personne, mais plutôt sur la façon dont elles sont également intégrées dans les environnements d’apprentissage virtuels. En mettant l’accent sur le BIPOC dans le milieu du génie, la recherche comprend des résultats fondés sur une analyse documentaire approfondie, des entrevues 1 contre 1 et des groupes de discussion. De plus, la recherche sera menée dans l’ensemble de l’enseignement supérieur et dans l’ensemble du réseau croissant d’étudiants et d’anciens étudiants en génie de la Society of Professional Engineers (OSPE) de l’Ontario. L’OSPE a élaboré un plan d’action en quatre points pour s’attaquer aux préjugés systémiques dans la culture, la formation et son processus d’autorisation d’exercer. Ce projet de Mitacs fournira des renseignements utiles aux membres du Groupe de travail sur la diversité et l’inclusion (TF), qui sont tous des ingénieurs professionnels. De plus, les membres du TF peuvent fournir au stagiaire mitacs des idées et des commentaires qui pourraient être bénéfiques pour la recherche.

Voir la description complète du projet
Superviseur de la faculté :

Medhat Shehata

Etudiant :

Anum Khan

Partenaire :

Société des ingénieurs de l’Ontario

Discipline :

Ingénierie - civil

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université métropolitaine de Toronto

Programme :

Accélération

Interprétabilité des modèles d’apprentissage automatique qui prédisent les troubles cognitifs de la parole et du langage humains

L’apprentissage automatique a un grand potentiel dans la détection des troubles cognitifs, mentaux et fonctionnels de la santé de la parole, car les propriétés acoustiques de la parole et les modèles correspondants dans le langage sont modifiés par une variété d’effets liés à la santé. Plus précisément, les modèles de langage neuronal ont récemment démontré des capacités impressionnantes dans des tâches impliquant des connaissances linguistiques. Leur succès dans les tâches de compréhension et de classification des langues pourrait être attribué à leurs représentations efficaces des connaissances linguistiques. Cependant, la complexité croissante des modèles de pointe les fait se comporter de manière boîte noire lorsque les modèles ne sont pas facilement interprétables. L’adoption réussie de modèles d’apprentissage automatique dans les applications de soins de santé repose en grande partie sur la façon dont les décideurs sont en mesure de comprendre et de faire confiance à leurs fonctionnalités. Ce n’est que si les décideurs ont une compréhension claire du comportement du modèle qu’ils peuvent diagnostiquer les erreurs et les biais potentiels dans ces modèles, et décider quand et dans quelle mesure s’y fier. En tant que tel, il est important de créer des techniques pour expliquer les modèles de boîtes noires d’une manière interprétable par l’homme.

Voir la description complète du projet
Superviseur de la faculté :

Frank Rudzicz ; Andreï Badescu

Etudiant :

Malikeh Ehghaghi

Partenaire :

WinterLight Labs Inc. (en)

Discipline :

Informatique

Secteur :

Université :

Université de Toronto

Programme :

Accélération

Reconnaissance spatiale vidéo

Les véhicules aériens sans pilote (UAV) autonomes font l’objet d’une attention particulière dans de nombreuses collectivités, notamment : milieu postsecondaire, l’industrie et l’électronique grand public. SOTI est le fournisseur de solutions de gestion mobile et IoT le plus fiable au monde et sa nouvelle division aérospatiale, SOTI Aerospace, se concentre sur les systèmes matériels et logiciels pour prendre en charge les drones aériens auto-navigation conscients de la situation. Ce projet appartient à la division aérospatiale de SOTI et se concentre sur un système de vision pour l’environnement intérieur. L’objectif principal de ce projet est de trouver une méthodologie de reconnaissance d’objets 3D en temps réel pour soutenir la navigation par drone. Les demandes initiales seront axées sur le secteur médical et les opérations de recherche et de sauvetage.

Voir la description complète du projet
Superviseur de la faculté :

Anthony Bonner

Etudiant :

Yunze Pan

Partenaire :

SOTI Inc. (en)

Discipline :

Informatique

Secteur :

Université :

Université de Toronto

Programme :

Accélération

Algorithmes de science des données et d’apprentissage automatique pour les données de séquence d’événements

Chaque jour, des millions de clients se déplacent à travers les cycles de vente des entreprises, générant de nombreuses données pour une utilisation potentielle. L’objectif principal du projet de recherche est de faire progresser les techniques de pointe actuelles au sein de l’entreprise, en ce qui concerne l’application de nouveaux algorithmes sur les données de comportement des clients. Du point de vue de la recherche, l’accès à de vastes ensembles de données complexes du monde réel peut améliorer les grandes possibilités d’appliquer et d’évaluer les techniques existantes à grande échelle et d’en développer de nouvelles passionnantes. Ce projet de recherche comprendra le développement, l’amélioration et la mise en œuvre d’algorithmes qui fournissent une analyse avancée de grandes sources de données d’événements. De plus, les projets de recherche contribueront directement et immédiatement à la gamme de produits de l’ODAIA.

Voir la description complète du projet
Superviseur de la faculté :

Dehan Kong

Etudiant :

Cheng Han Hsieh

Partenaire :

ODAIA Intelligence Inc.

Discipline :

Informatique

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université de Toronto

Programme :

Accélération

Technologie persuasive - Conseils à Virtual Relationship Manager (VRM) pour un effort de vente efficace d’exploration de données vocales

La voix du client (VoC) est la façon dont les entreprises entendent et écoutent les commentaires des clients sur leur marque, leurs produits et leurs services. Les solutions Voice of the Customer convertissent les commentaires recueillis en données et informations précieuses à grande échelle. Il est prouvé que les programmes d’analyse VoC axés sur les données augmentent la valeur du cycle de vie des clients et réduisent le taux de désabonnement des clients. Les entreprises de divers secteurs, y compris l’assurance, les services financiers et les soins de santé, tirent parti de cette technologie pour générer des informations sur les besoins des clients. ICICI Bank dispose d’un grand nombre de gestionnaires de relations virtuelles qui interagissent avec les clients qui leur sont attribués via des canaux électroniques uniquement pour diverses ventes et services de produits. L’objectif principal de ce projet est de développer un modèle d’apprentissage automatique qui intègre à la fois les dossiers clients disponibles auprès de la banque et les données vocales pour trouver des acheteurs potentiels des produits de la banque. Nous visons également à créer un voicebot pour faire des recommandations personnalisées en fonction de l’historique et des préférences des clients.

Voir la description complète du projet
Superviseur de la faculté :

Mark Chignell

Etudiant :

Saarthak Sangamnerkar

Partenaire :

Banque ICICI Du Canada

Discipline :

Informatique

Secteur :

Finance, assurance et affaires

Université :

Université de Toronto

Programme :

Accélération

Réseau neuronal convolutionnel pour la prévision de la demande

De nombreux détaillants sont intéressés à prévoir la demande pour les produits qu’ils vendent. Deloitte a utilisé des méthodes d’apprentissage automatique pour s’attaquer à ce problème dans le passé. Cependant, cela nécessite la création de fonctionnalités fabriquées à la main basées sur les données de vente de produits, ce qui est un processus coûteux et chronophage. L’utilisation de modèles alternatifs pour effectuer cette tâche éliminerait le besoin de manipulation laborieuse des données. Il permettra également d’adapter les améliorations du modèle à de nombreux clients plutôt que de nécessiter une manipulation des données à partir de zéro pour chaque nouveau client. Par conséquent, ce projet impliquera le développement d’un nouveau modèle d’apprentissage automatique pour prédire la demande de produits. Le modèle sera formé à l’aide de données historiques sur les ventes. Les étapes itératives de l’architecture du modèle et le réglage fin donneront lieu au modèle final. Diverses améliorations à l’architecture du modèle seront explorées. L’objectif principal est que le modèle final soit intégré dans une solution modulaire de prévision de la demande chez Deloitte.

Voir la description complète du projet
Superviseur de la faculté :

Huaxiong Huang ; Arvind Gupta

Etudiant :

Sasha Nanda

Partenaire :

Deloitte

Discipline :

Informatique

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université de Toronto

Programme :

Accélération

Modélisation de turbine à double entrée pour les moteurs à haut rendement

Une turbine est placée dans un système de moteur pour utiliser l’énergie contenue dans les gaz d’échappement. Il reçoit les gaz chauds qui restent du processus de combustion et les convertit en puissance d’arbre utile qui augmente l’efficacité globale. Le débit de chaque cylindre est très dynamique car il est créé par l’ouverture et la fermeture de la soupape d’échappement. Un moteur avec plus de quatre cylindres doit séparer les flux afin d’éviter l’interaction qui peut perdre une partie de l’énergie disponible. Une turbine à double entrée est conçue avec deux entrées et un diviseur pour garder ces flux séparés jusqu’à ce qu’ils atteignent la roue. Ce projet de recherche visera à simuler une turbine à double entrée en créant un nouveau modèle qui peut prédire son rendement lorsqu’il est exposé à un flux de pulsation réaliste. Ce modèle doit fonctionner rapidement afin de l’intégrer avec succès dans une simulation de système de moteur plus grande.

Voir la description complète du projet
Superviseur de la faculté :

Colin Copeland

Etudiant :

Kate Powers

Partenaire :

Cummins Canada

Discipline :

Génie

Secteur :

Fabrication

Université :

Université Simon Fraser

Programme :

Accélération

Plate-forme cloud pour l’apprentissage automatique

Surgical Safety Technologies vise à fournir aux professionnels de la santé la possibilité d’effectuer des recherches dans les domaines de la performance chirurgicale et de l’éducation et de mettre en œuvre des solutions fondées sur des données probantes pour améliorer la sécurité des patients. La recherche de contenu vidéo serait une fonctionnalité idéale pour aider à la recherche des professionnels de la santé. Ce projet utilise un modèle de vision par ordinateur pour classer la pertinence de la vidéo chirurgicale. De plus, ce projet vise à améliorer l’expérience utilisateur du produit en analysant les métadonnées générées par la plateforme infonuagique et en développant une technique efficace de visualisation des données.

Voir la description complète du projet
Superviseur de la faculté :

Maryam Mehri Dehnavi

Etudiant :

Yi Xiang

Partenaire :

Surgical Safety Technologies Inc. (en)

Discipline :

Informatique

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université de Toronto

Programme :

Accélération

Système de recommandation hybride avec intégration de données multi-sources et de graphiques de connaissances sociales

Recommander avec précision des éléments d’intérêt est essentiel pour que les utilisateurs améliorent leur expérience. Pour obtenir de meilleurs résultats, un système de recommandation peut utiliser de multiples sources de données et le graphique des connaissances sociales. Cela peut mener à une utilisation efficace de l’information pour améliorer le système de recommandation. En explorant les données et en extrayant des fonctionnalités cruciales à alimenter en modèles conçus, le moteur de recommandation peut augmenter considérablement ses performances. En outre, un graphique des connaissances sociales contient la description et la relation des utilisateurs, qui peuvent servir de base de connaissances pour l’inférence. Par la fusion de ces techniques, le système de recommandation résultant peut être optimisé.

Voir la description complète du projet
Superviseur de la faculté :

Peter Marbach

Etudiant :

Yiwen Feng

Partenaire :

AppDirect Canada Inc. (en)

Discipline :

Autre

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université de Toronto

Programme :

Accélération

Application des plans de conservation du patrimoine et de protection temporaire dans le processus de la Loi sur l’aménagement du territoire.

Ce projet comprend la recherche et l’élaboration de modèles pour les plans de conservation du patrimoine et les plans de protection temporaires afin de gérer les impacts sur les ressources du patrimoine culturel, telles que les bâtiments et les paysages historiques. Les objectifs de cette étude sont les suivants : 1) une analyse documentaire des pratiques exemplaires et de l’information de base ; 2) Les comparer aux exigences législatives actuelles de l’Ontario ; 3) Élaborer des tableaux analytiques pour les plans de conservation du patrimoine et les plans de protection temporaires ; 4) Appliquer ces plans à deux exemples du monde réel et 5) Collaborer à la recherche sur l’histoire de la planification suburbaine canadienne. L’entreprise partenaire aura accès aux installations de recherche universitaires (bibliothèques) et aux modèles de pratiques exemplaires pour les futurs projets de planification du patrimoine.

Voir la description complète du projet
Superviseur de la faculté :

David L.A. Gordon

Etudiant :

Jenna Dawson

Partenaire :

Institut des planificateurs professionnels de l’Ontario

Discipline :

Géographie / Géologie / Sciences de la Terre

Secteur :

Autre

Université :

Université Queen’s

Programme :

Accélération

Développement d’algorithmes d’intelligence artificielle pour la classification des maladies basée sur le microbiome

L’objectif de ce projet est d’aider à construire des algorithmes d’intelligence artificielle pour le diagnostic de la maladie en utilisant des données dérivées du microbiome humain. Ce projet sera axé sur la mise en œuvre de nouvelles méthodes statistiques pour réduire le « bruit » que l’on retrouve dans les données provenant de différentes sources, ce qui nous permettra d’améliorer l’entraînement des algorithmes d’intelligence artificielle. Un autre objectif de ce projet sera de mettre en œuvre de nouveaux types de modèles mieux adaptés aux données sur le microbiome, ce qui permettra des prévisions plus précises. Grâce à ces modèles améliorés, Phyla (organisation partenaire) sera en mesure de détecter plus précisément la maladie à partir du profil microbien des échantillons de selles.

Voir la description complète du projet
Superviseur de la faculté :

Adam Oberman

Etudiant :

Noah Marshall

Partenaire :

Phyla

Discipline :

Statistiques / Sciences actuarielles

Secteur :

Soins de santé et aide sociale

Université :

Université McGill

Programme :

Accélération

Changement saisonnier dans l’écologie du repos chez la chauve-souris à poil argenté (Lasionycteris noctivagans)

Les chauves-souris à poil argenté sont des espèces communes de chauves-souris que l’on trouve en Amérique du Nord. Ils utilisent des cavités dans les arbres et l’espace sous l’écorce lâche pour se percher, ou se reposer et élever des jeunes. On pense que la chauve-souris aux cheveux argentés migre vers le sud au cours de l’hiver. Malgré cela, nous les avons trouvés dans certaines parties de la Colombie-Britannique pendant l’hiver, ce qui suggère qu’ils pourraient ne pas migrer dans ces régions. Notre travail aidera à soutenir un étudiant à la maîtrise qui étudiera comment les chauves-souris aux cheveux argentés utilisent les arbres dans les zones où elles hivernent en Colombie-Britannique et compareront à la façon dont elles utilisent les arbres en été. Nous allons capturer des chauves-souris et les suivre pour identifier les dortoirs d’arbres. Une fois localisées, nous enregistrerons combien de temps les chauves-souris restent à chaque arbre, et les caractéristiques de l’arbre pour identifier les modèles dans l’utilisation des arbres. Notre partenaire, la Société pour la conservation de la faune du Canada, a déterminé que ce domaine de recherche était une mesure de conservation hautement prioritaire. Les résultats de ce projet seront utilisés pour planifier des pratiques forestières adaptées aux chauves-souris en identifiant les arbres qui conviennent comme dortoirs d’hiver et d’été pour les chauves-souris à poil argenté.

Voir la description complète du projet
Superviseur de la faculté :

Erin Baerwald

Etudiant :

Emily de Freitas

Partenaire :

Société de conservation de la faune canada

Discipline :

Sciences de l’environnement

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université de Northern British Columbia

Programme :

Accélération

Précédent
1...386387388389390391392...1,106
Suivant

Joignez-vous à un écosystème d’innovation florissant.

Abonnez-vous à notre infolettre dès maintenant!

S’inscrire