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

Apprentissage des représentations par descente du gradient stochastique en minimisant l’erreur de validation croisée

Les représentations sont fondamentales pour l’intelligence artificielle. Typiquement, la performance d’un système d’apprentissage dépend de sa représentation des données. Ces représentations de données sont généralement conçues à la main à partir d’une certaine connaissance préalable du domaine concernant la tâche. Plus récemment, la tendance est d’apprendre ces représentations à travers des réseaux neuronaux profonds, car elles peuvent produire des améliorations significatives de performance par rapport aux représentations de données conçues à la main. L’apprentissage des représentations réduit le travail humain impliqué dans toute conception de système, ce qui permet d’adapter un système d’apprentissage pour des problèmes difficiles. Dans ce projet, nous proposons de concevoir un nouvel algorithme d’apprentissage incrémental, appelé crossprop, pour apprendre des représentations basées sur des expériences d’apprentissage antérieures. Plus précisément, l’algorithme considère l’influence de tous les poids passés tout en minimisant l’erreur quadratique courante, et utilise ce gradient pour apprendre progressivement les poids dans un réseau de neurones. Cet algorithme s’appelle crossprop parce qu’il apprend à façonner les poids dans un réseau neuronal via la procédure de validation croisée leave-one-out.

Voir la description complète du projet
Superviseur du corps professoral :

Richard Sutton

Étudiant :

Vivek Veeriah

Partenaire :

RBC Financial Group

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Laser Raman tout fibre haute puissance à 1,65?m

Les lasers à fibre sont devenus le laser à la croissance la plus rapide, avec un chiffre d’affaires mondial projeté jusqu’à 1,41 milliard de dollars en 2017. En particulier, les lasers à fibre à 1,65 m ont attiré une attention croissante avec des applications potentielles en détection chimique, LIDAR et spectroscopie. La technologie de laser Raman entièrement fibre est une technologie prometteuse et efficace pour atteindre une puissance élevée à 1,65 m. Cependant, il existe des sources limitées de haute puissance entièrement fibre à 1,65 m qui sont disponibles commercialement. Dans ce projet, nous allons unir l’expertise en fibre optique et lasers du groupe des systèmes photoniques de l’Université McGill avec celle d’O/E Land Inc. pour développer un laser Raman entièrement fibre compact et à faible coût avec une puissance de sortie élevée. Un tel produit laser comble une lacune dans ce qui est disponible commercialement, enrichissant leur portefeuille technologique et leur donnant un avantage concurrentiel pour différentes applications en spectroscopie, détection et instrumentation.

Voir la description complète du projet
Superviseur du corps professoral :

Lawrence Chen

Étudiant :

Chenglai Jia

Partenaire :

O/E Land

Discipline :

Génie - informatique / électricité

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Expositions virtuelles et itinérantes sur l’histoire de la technologie et du handicap : Leçons interdisciplinaires du passé pour l’avenir

Ce projet vise à explorer la relation historique entre le handicap, la technologie et la société, en mettant l’accent sur le Canada, mais avec une applicabilité mondiale. Grâce à des recherches rigoureuses en milieu secondaire, primaire, oral et archivistique, l’équipe enquêtera sur des exemples historiques d’innovation, d’utilisation de la technologie et d’activisme par et pour les personnes en situation de handicap, en bâtissant des relations et en menant des entrevues orales avec des acteurs clés dans le développement d’une société plus accessible et inclusive. Ce projet élargira les intérêts de longue date de l’IEEE pour les objectifs humanitaires et les histoires orales, tout en offrant aux membres étudiants de l’IEEE une formation supplémentaire et des occasions de collaboration pour communiquer ces connaissances à un public plus large par le développement d’expositions virtuelles et itinérantes, ainsi que d’ateliers éducatifs collaboratifs.

Voir la description complète du projet
Superviseur du corps professoral :

Dominique Marshall

Étudiant :

Dorothy Smith

Partenaire :

IEEE Canada

Discipline :

Histoire

Secteur :

Éducation

Université :

Programme :

Accélération

Méthodes d’apprentissage automatique pour la prédiction de la valeur immobilière en Nouvelle-Écosse

Ce projet développera et appliquera des techniques d’apprentissage automatique pour prédire l’évaluation des propriétés en Nouvelle-Écosse. Ces techniques aideront les évaluateurs de la Property Valuation Services Corporation (PVSC) à évaluer les propriétés de façon plus efficace et précise. L’objectif ultime est d’aider le PVSC à réduire le nombre d’appels annuels — ce qui est une entreprise coûteuse. Cela réduira aussi le besoin d’envoyer des évaluateurs directement sur les emplacements des propriétés, qui utiliseront plutôt des techniques d’apprentissage automatique pour prédire plus précisément la valeur des propriétés.

Voir la description complète du projet
Superviseur du corps professoral :

Stan Matwin

Étudiant :

Balachandhar Nallasivan

Partenaire :

Société des services d’évaluation immobilière

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Analyse du sentiment avec représentation analysée des articles de presse

L’information publiée par les agences de presse financière est utilisée comme l’un des éléments d’entrée pour prendre des décisions d’investissement. Les articles de presse provenant de plusieurs sources peuvent être utilisés pour évaluer le sentiment du marché envers une industrie ou une entreprise spécifique. Les techniques d’apprentissage profond ont réussi à produire des résultats de pointe sur divers ensembles de données de référence (Dai & Le, 2015; Miyato et al., 2016). La plupart des algorithmes populaires extraient des caractéristiques de mots, phrases ou paragraphes et les représentent comme des vecteurs de longueur fixe (Mikolov et al., 2013; Le & Mikolov, 2014). Nous proposons l’utilisation de représentations analysées du texte ainsi que des vecteurs de caractéristiques à longueur fixe comme entrée pour les réseaux neuronaux récurrents. La performance de ces modèles sera évaluée lors des tâches d’analyse de sentiment.

Voir la description complète du projet
Superviseur du corps professoral :

Graham Taylor

Étudiant :

Nikhil Sapru

Partenaire :

RBC Financial Group

Discipline :

Génie

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Développement d’une carte thermique 3D basée sur les données de diagnostic des défauts

Ce travail se concentre sur la génération d’un cadre pour utiliser un ensemble de coordonnées 3D, comme jeu de données d’entrée du modèle, et générer la carte thermique 3D basée sur la forme 3D. La carte thermique 3D générée vise à définir les zones les plus probables pour les catégories de failles sur la surface 3D. Pour développer un tel système, la forme 3D est imprimée et les coordonnées 3D des failles simulées sont enregistrées à l’aide d’un outil de suivi. Ensuite, une plateforme d’apprentissage automatique est employée pour utiliser les ensembles de données de défauts 3D comme entrée et produire les probabilités des différentes catégories de défauts à l’emplacement donné. Enfin, la carte thermique 3D est générée pour visualiser efficacement la forme 3D avec les zones de failles les plus probables. Par conséquent, le fabricant peut localiser les probabilités de catégories de défaut sur une forme 3D donnée.

Voir la description complète du projet
Superviseur du corps professoral :

Jonathan Wu

Étudiant :

Eman Nejad

Partenaire :

Radix Inc

Discipline :

Génie - informatique / électricité

Secteur :

Fabrication de pointe

Université :

Programme :

Accélération

Validation de l’impact éducatif d’une conférence holographique

UBC et Microsoft ont l’intention de collaborer sur un projet de recherche appliquée où des modèles 3D du cerveau seront utilisés pour créer une conférence holographique interactive à l’aide du nouveau dispositif de réalité augmentée de Microsoft, le HoloLens. Ils serviront de base à une leçon ou « HoloConférence » et proposeront de nouvelles interactions pour tirer parti de la technologie du HoloLens. La capacité de manipuler les objets 3D et de les adapter dynamiquement à un format de cours en direct formera la base d’un prototype de HoloLecture qui pourra être appliqué à travers les disciplines. L’étude et la validation de cette approche incluront non seulement une évaluation de l’expérience d’apprentissage des élèves et de leurs résultats d’apprentissage, mais aussi la facilité d’utilisation pour le personnel pédagogique afin de réduire les obstacles à l’adoption de cette nouvelle technologie.

Voir la description complète du projet
Superviseur du corps professoral :

Claudia Krebs

Étudiant :

Tamara Bodnar

Partenaire :

Microsoft Canada

Discipline :

Biologie

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Application interactive d’élicitation des préférences pour les recommandations de livres

Kobo est un détaillant de livres numériques en ligne qui propose des recommandations pour de futurs achats à sa base d’utilisateurs. Une difficulté que rencontrent les systèmes de recommandation est ce qu’on appelle le problème de « l’utilisateur froid ». Dans ce scénario, quand nous connaissons si peu les préférences d’un utilisateur (par exemple, s’il est nouveau sur la plateforme), nous n’avons aucune base pour les recommandations. L’objectif de ce projet est de développer une application interactive capable de susciter ces préférences chez des utilisateurs sur lesquels nous avons peu d’informations, et qui peut aider à améliorer les recommandations pour les utilisateurs avancés. Pour les nouveaux utilisateurs, le processus d’électorat de préférences lors de l’intégration peut les aider à trouver des livres d’intérêt beaucoup plus rapidement; Pour les utilisateurs établis, cela leur donne la possibilité d’affiner leurs recommandations. De telles améliorations facilitent une expérience de découverte plus fluide.

Voir la description complète du projet
Superviseur du corps professoral :

Scott Sanner

Étudiant :

Mary Malit

Partenaire :

Rakuten Kobo Inc

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Construction d’un magasin de variants génétiques

Ce projet propose d’explorer et de mettre en œuvre une méthode de stockage et de récupération de données relatives à la variation génétique à travers une population d’individus. En raison de la grande quantité d’informations génétiques que chaque personne possède, une telle base de données nécessite une attention particulière pour minimiser la quantité de données stockées et créer des méthodes efficaces d’accès aux données. Ce travail permettra de rechercher et de tester différentes stratégies pour construire un stockage de données compact qui restituera rapidement les résultats. Ce magasin de données sera intégré au logiciel PhenoTips fourni par Gene42 Inc. pour être utilisé par les hôpitaux spécialisés dans les maladies génétiques.

Voir la description complète du projet
Superviseur du corps professoral :

Eyal de Lara

Étudiant :

Scott Mastromatteo

Partenaire :

Gene42 Inc

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Directives de découverte de persona client et de notifications push sur la page web

Les téléphones cellulaires reçoivent des notifications de différentes entreprises chaque jour, mais nous ne savons pas si ces notifications ont un impact significatif sur le comportement des clients. Connaître l’impact de ces notifications fournirait des informations utiles aux stratèges marketing. Puisque le comportement des utilisateurs déterminera l’efficacité des notifications push, ce projet vise initialement à construire un modèle comportemental, qui regroupera les clients selon leur comportement de navigation sur le site web. La phase 2 de ce projet utilisera ce modèle comportemental pour proposer des stratégies permettant d’utiliser les notifications push afin de cibler différents types de clients. La phase 3 de ce projet examinera l’effet des notifications et généralisera à un éventail plus large de jeux de données de pages web.

Voir la description complète du projet
Superviseur du corps professoral :

David Campbell

Étudiant :

Haoxuan Zhou

Partenaire :

Mobify Recherche et Développement Inc

Discipline :

Statistiques / Sciences actuarielles

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Classification des styles d’image et son application sur l’engagement des utilisateurs

Dans ce projet, nous allons appliquer l’apprentissage automatique pour effectuer la classification des styles d’image. Nous construirons un système qui utilise la classification des styles d’image pour augmenter l’engagement des utilisateurs dans un contexte de plateforme de commerce électronique. Nous étudierons les effets des préférences des utilisateurs pour certains styles d’image sur leur engagement avec la plateforme.
La classification des styles d’image consiste à catégoriser une image selon des attributs tels que le style de composition (par exemple, minimal, géométrique, etc.), l’atmosphère (brumeuse, ensoleillée) ou la couleur (pastel, lumineux). Plusieurs techniques d’apprentissage automatique effectuant une classification automatique des styles d’images ont été proposées récemment. Nous allons créer un nouvel ensemble de données à grande échelle d’images et évaluer de manière critique les différentes techniques.
Nous émettons l’hypothèse que les utilisateurs individuels ont une préférence constante pour certains styles d’images, et que ce fait peut être utilisé pour augmenter l’engagement des utilisateurs grâce à un système automatique de classification des styles d’image. Une étude utilisateur rigoureuse sera menée pour tester cette hypothèse.

Voir la description complète du projet
Superviseur du corps professoral :

Matt Medland

Étudiant :

Thi Hai Van Do

Partenaire :

ContextLogic Technologies Inc

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Techniques de PLN pour la reconnaissance automatisée des entités

L’objectif principal de ce projet est d’explorer une variété de techniques nouvelles et existantes de traitement du langage naturel (PLN) afin d’améliorer la performance et d’automatiser davantage le logiciel d’analyse de texte de Knote — notamment en ce qui concerne la reconnaissance d’entité. La reconnaissance d’entité est le processus d’identification de tous les groupes de mots dans un ensemble de documents relevant de la compétence de cette entité, tels que les noms propres ou les composés chimiques. Nous étudierons l’applicabilité des approches classiques basées sur les statistiques à la classification, et évaluerons la viabilité des techniques plus récentes utilisant l’encodage sémantique (comme word2vec).

Voir la description complète du projet
Superviseur du corps professoral :

Frank Rudzicz

Étudiant :

Colton Chapin

Partenaire :

9636668 Canada Corp

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Précédent
1...683684685686687688689...1,106
Suivant

Joignez-vous à un écosystème d’innovation florissant.

Abonnez-vous à notre infolettre dès maintenant!

S’inscrire