Projets novateurs réalisés

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

13270 Projets achevés

1072
AB
2795
C.-B.
430
MB
106
NF
348
SK
4184
ON
2671
QC
43
PE
209
NB
474
NS

Projets par catégorie

10%
Informatique
9%
Génie
1%
Génie - biomédical
4%
Génie - chimique / biologique

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

Reconnaissant que la discrimination et les préjugés de diverses formes (par exemple, verbaux, comportementaux, environnementaux) persistent dans le système éducatif, cette recherche cherche à aborder comment et pourquoi les microagressions contre les Noirs, les Autochtones et les Personnes de couleur (BIPOC), au sein des départements de génie, se manifestent chez les pairs en classe, lors des interactions en laboratoire, dans les activités de groupe, et plus encore. Cette recherche vise à mettre en lumière la prévalence de ces microagressions telles qu’elles apparaissent non seulement dans l’apprentissage en personne, mais aussi sur la manière dont elles sont devenues intégrées dans les environnements d’apprentissage virtuels. En mettant l’accent sur les BIPOC dans la communauté de l’ingénierie, la recherche comprend des résultats basés sur une revue approfondie de la littérature, des entrevues individuelles et des groupes de discussion. De plus, la recherche sera menée dans l’enseignement supérieur et dans le réseau croissant d’étudiants et d’anciens élèves en génie de la Société des ingénieurs professionnels de l’Ontario (OSPE). L’OSPE a élaboré un plan d’action en quatre points pour s’attaquer aux biais systémiques dans la culture, la formation et le processus d’obtention de licences. Ce projet Mitacs fournira des informations utiles aux membres du Groupe de travail sur la diversité et l’inclusion (TF), tous ingénieurs professionnels. De plus, les membres de TF peuvent fournir au stagiaire Mitacs des perspectives et des contributions qui pourraient bénéficier à la recherche.

Voir la description complète du projet
Superviseur du corps professoral :

Medhat Shehata

Étudiant :

Anum Khan

Partenaire :

Société ontarienne des ingénieurs professionnels

Discipline :

Génie - civil

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université métropolitaine de Toronto

Programme :

Accélération

Interprétabilité des modèles d’apprentissage automatique qui prédisent la déficience cognitive à partir de la parole et du langage humains

L’apprentissage automatique a un grand potentiel pour détecter les troubles cognitifs, mentaux et fonctionnels à partir de la parole, car les propriétés acoustiques de la parole et les schémas correspondants dans le langage sont modifiés par divers effets liés à la santé. Plus précisément, les modèles de langage neuronaux ont récemment démontré des capacités impressionnantes dans des tâches impliquant des connaissances linguistiques. Leur succès dans la compréhension des langues et les tâches de classification pourrait s’expliquer par leurs représentations efficaces des connaissances linguistiques. Cependant, la complexité croissante des modèles à la fine pointe de la technologie les fait agir de manière boîte noire lorsque les modèles ne sont pas facilement interprétables. L’adoption réussie de modèles d’apprentissage automatique dans les applications de santé dépend fortement de la capacité des décideurs à comprendre et à faire confiance à leur fonctionnement. Ce n’est que si les décideurs comprennent clairement le 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 appuyer. Il est donc important de créer des techniques pour expliquer les modèles de boîte noire de manière humaine.

Voir la description complète du projet
Superviseur du corps professoral :

Frank Rudzicz; Andrei Badescu

Étudiant :

Malikeh Ehghaghi

Partenaire :

WinterLight Labs Inc

Discipline :

Informatique

Secteur :

Université :

Université de Toronto

Programme :

Accélération

Reconnaissance spatiale vidéo

Les véhicules aériens autonomes sans pilote (UAV) attirent une attention importante dans de nombreuses communautés, notamment milieu postsecondaire, l’industrie et l’électronique grand public. SOTI est le fournisseur le plus fiable au monde de solutions de gestion mobile et IdO, et sa nouvelle division aérospatiale, SOTI Aerospace, se concentre sur des systèmes matériels et logiciels pour soutenir les drones aériens auto-naviguants et 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 premières candidatures porteront sur le secteur médical et les opérations de recherche et sauvetage.

Voir la description complète du projet
Superviseur du corps professoral :

Anthony Bonner

Étudiant :

Yunze Pan

Partenaire :

SOTI Inc

Discipline :

Informatique

Secteur :

Université :

Université de Toronto

Programme :

Accélération

Science des données et algorithmes d’apprentissage automatique pour les données de séquence d’événements

Chaque jour, des millions de clients traversent les cycles de vente des entreprises, générant de nombreuses données pour un usage potentiel. 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 grands ensembles de données complexes du monde réel peut accroître de grandes possibilités d’application et d’évaluation des techniques existantes à grande échelle et d’en développer de nouvelles passionnantes. Ce projet de recherche impliquera le développement, l’amélioration et la mise en œuvre d’algorithmes fournissant une analyse avancée de grandes sources de données événementielles. 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 du corps professoral :

Dehan Kong

Étudiant :

Cheng Han Hsieh

Partenaire :

ODAIA Intelligence Inc.

Discipline :

Informatique

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université de Toronto

Programme :

Accélération

Technologie persuasive – Conseils au gestionnaire de relations virtuelles (VRM) pour une exploration efficace des données vocales basées sur l’effort de vente

La voix du client (VoC) est la façon dont les entreprises entendent et écoutent les commentaires des clients concernant leur marque, leurs produits et leurs services. Les solutions de la Voix du Client transforment les commentaires recueillis en données précieuses et en insights à grande échelle. Les programmes d’analytique VoC basés sur les données ont prouvé qu’ils augmentent la valeur du cycle de vie des clients et réduisent le churn. Des entreprises de divers secteurs, notamment l’assurance, les services financiers et la santé, utilisent cette technologie pour générer des informations sur les besoins des clients. ICICI Bank compte un grand nombre de gestionnaires de relations virtuelles qui interagissent avec les clients qui leur sont assignés par des canaux électroniques uniquement pour divers produits de vente et de service. 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 ainsi que des données vocales pour trouver des acheteurs potentiels des produits de la banque. Nous visons aussi à créer un robotnet vocal pour faire des recommandations personnalisées basées sur l’historique et les préférences des clients.

Voir la description complète du projet
Superviseur du corps professoral :

Mark Chignell

Étudiant :

Saarthak Sangamnerkar

Partenaire :

Banque ICICI Canada

Discipline :

Informatique

Secteur :

Finance, assurance et affaires

Université :

Université de Toronto

Programme :

Accélération

Réseau de neurones convolutionnel pour la prévision de la demande

De nombreux détaillants s’intéressent à prévoir la demande pour les produits qu’ils vendent. Deloitte a déjà utilisé des méthodes d’apprentissage automatique pour s’attaquer à ce problème par le passé. Cependant, cela nécessite la création de fonctionnalités artisanales basées sur les données de ventes de produits, ce qui est un processus coûteux et chronophage. Utiliser des modèles alternatifs pour accomplir cette tâche éliminerait le besoin d’une manipulation laborieuse des données. Cela permettra aussi aux améliorations des modèles d’évoluer sur de nombreux clients plutôt que d’exiger une manipulation des données à partir de zéro pour chaque nouveau client. Ainsi, ce projet impliquera le développement d’un nouveau modèle d’apprentissage automatique pour prédire la demande des produits. Le modèle sera entraîné à partir de données historiques de vente. Les étapes itératives de l’architecture du modèle et de l’ajustement fin donneront naissance au modèle final. Diverses améliorations de l’architecture du modèle seront explorées. L’objectif principal est que le modèle final soit intégré dans une solution modulaire de prédiction de la demande chez Deloitte.

Voir la description complète du projet
Superviseur du corps professoral :

Huaxiong Huang; Arvind Gupta

Étudiant :

Sasha Nanda

Partenaire :

Deloitte

Discipline :

Informatique

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université de Toronto

Programme :

Accélération

Modélisation à turbine à double entrée pour moteurs à haute efficacité

Une turbine est placée dans un système moteur pour exploiter l’énergie contenue dans les gaz d’échappement. Il reçoit les gaz chauds restants du processus de combustion et les convertit en puissance utile pour l’arbre, ce qui augmente l’efficacité globale. Le débit de chaque cylindre est très dynamique puisqu’il est créé par l’ouverture et la fermeture de la soupape d’échappement. Un moteur de plus de quatre cylindres doit séparer les flux afin d’éviter toute interaction qui pourrait perdre une partie de l’énergie disponible. Une turbine à double entrée est conçue avec deux entrées et un séparateur pour garder ces flux séparés jusqu’à ce qu’ils atteignent l’hélice. Ce projet de recherche vise à simuler une turbine à double entrée en créant un nouveau modèle capable de prédire sa performance lorsqu’elle est exposée à un écoulement pulsant réaliste. Ce modèle doit être rapide pour l’intégrer avec succès dans une simulation de système moteur plus vaste.

Voir la description complète du projet
Superviseur du corps professoral :

Colin Copeland

Étudiant :

Kate Powers

Partenaire :

Cummins Canada

Discipline :

Génie

Secteur :

Fabrication

Université :

Université Simon Fraser

Programme :

Accélération

Plateforme infonuagique pour l’apprentissage automatique

Surgical Safety Technologies vise à offrir aux professionnels de la santé la possibilité de mener des recherches dans les domaines de la performance chirurgicale et de l’éducation, et de mettre en œuvre des solutions fondées sur des preuves pour améliorer la sécurité des patients. La recherche de contenu vidéo est une fonctionnalité idéale pour aider les 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 du corps professoral :

Maryam Mehri Dehnavi

Étudiant :

Yi Xiang

Partenaire :

Surgical Safety Technologies Inc

Discipline :

Informatique

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université de Toronto

Programme :

Accélération

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

Recommander avec précision des éléments d’intérêt est essentiel pour que les utilisateurs améliorent leur expérience. Pour obtenir une meilleure performance, un système de recommandation peut utiliser plusieurs sources de données et le graphique de 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 pour les alimenter dans les modèles conçus, le moteur de recommandation peut augmenter considérablement ses performances. De plus, un graphe de connaissances sociales contient la description et la relation des utilisateurs, qui peuvent servir de base de connaissances pour l’inférence. En fusionnant ces techniques, le système de recommandation qui en résulte peut être optimisé.

Voir la description complète du projet
Superviseur du corps professoral :

Peter Marbach

Étudiant :

Yiwen Feng

Partenaire :

AppDirect Canada Inc

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’urbanisme.

Ce projet implique la recherche et le développement de modèles de plans de conservation du patrimoine et de plans de protection temporaire afin de gérer les impacts sur les ressources du patrimoine culturel, telles que les bâtiments historiques et les paysages. Les objectifs de cette étude sont : 1) une revue de la littérature des meilleures pratiques et des informations de base; 2) Comparer ces exigences avec les exigences législatives actuelles de l’Ontario; 3) Élaborer des tables analytiques pour les plans de conservation du patrimoine et les plans de protection temporaires; 4) Appliquer ces plans à deux exemples concrets et 5) Collaborer à la recherche sur l’histoire de l’urbanisme suburbain canadien. La firme partenaire aura accès aux installations de recherche universitaires (bibliothèques) et à des modèles de meilleures pratiques pour les futurs projets de planification patrimoniale.

Voir la description complète du projet
Superviseur du corps professoral :

David L.A. Gordon

Étudiant :

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 développer des algorithmes d’intelligence artificielle pour le diagnostic des maladies à partir de données issues du microbiome humain. Ce projet sera axé sur la mise en œuvre de nouvelles méthodes statistiques pour réduire le « bruit » trouvé 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 du microbiome, permettant des prédictions plus précises. Avec ces modèles améliorés, Phyla (organisation partenaire) pourra détecter plus précisément la maladie à partir du profil microbien des échantillons de selles.

Voir la description complète du projet
Superviseur du corps professoral :

Adam Oberman

Étudiant :

Noah Marshall

Partenaire :

Phyla

Discipline :

Statistiques / Sciences actuarielles

Secteur :

Soins de santé et aide sociale

Université :

Université McGill

Programme :

Accélération

Changement saisonnier de l’écologie des niches chez la chauve-souris à poil argenté (Lasionycteris noctivagans)

Les chauves-souris à poil argenté sont des espèces courantes de chauves-souris que l’on trouve en Amérique du Nord. Ils utilisent les cavités des arbres et l’espace sous l’écorce meuble pour se percher, ou se reposer et élever leurs petits. On pense que la chauve-souris à poils argentés migre vers le sud durant l’hiver. Malgré cela, nous les avons trouvés dans certaines régions de la Colombie-Britannique pendant l’hiver, ce qui suggère qu’ils ne migrent peut-être pas dans ces régions. Notre travail aidera à soutenir un étudiant à la maîtrise qui étudiera comment les chauves-souris à poil argenté utilisent les arbres dans les régions où elles hivernent en Colombie-Britannique et les comparera à la façon dont elles utilisent les arbres en été. Nous capturerons les chauves-souris et les suivrons pour identifier les dortoirs des arbres. Une fois localisés, nous enregistrerons combien de temps les chauves-souris restent à chaque arbre et les caractéristiques des arbres pour identifier les motifs d’utilisation des arbres. Notre partenaire, la Wildlife Conservation Society of Canada, a identifié ce domaine de recherche comme une action de conservation prioritaire. Les résultats de ce projet serviront à planifier des pratiques forestières favorables aux chauves-souris en identifiant des arbres adaptés comme perchoirs d’hiver et d’été pour les chauves-souris à poil argenté.

Voir la description complète du projet
Superviseur du corps professoral :

Erin Baerwald

Étudiant :

Emily de Freitas

Partenaire :

Société canadienne pour la conservation de la faune

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