Optimisation d’un algorithme de recommandation

Pillar Science améliore sa plateforme propulsée par l’IA qui connecte les chercheurs universitaires avec des partenaires industriels pour favoriser l’innovation et le transfert de connaissances. Ce projet vise à améliorer significativement la précision des recommandations pour les entreprises de niche en intégrant des sources de données alternatives. Le stagiaire développera des méthodes pour incorporer de nouvelles sources de données structurées dans les modèles de recommandation existants, mesurant les améliorations de performance et établissant les meilleures pratiques pour les développements futurs. Ce travail comble une lacune critique dans la collaboration académie-industrie, permettant un jumelage plus précis même pour des niches industrielles spécialisées. En optimisant ce système de recommandation, le projet renforcera l’écosystème d’innovation du Canada, aidant les institutions académiques à sécuriser des partenariats industriels tout en permettant aux entreprises—particulièrement les PME—d’accéder à une expertise de pointe qui stimule la compétitivité et la croissance économique.

Faculty Supervisor:

François Guibault

Student:

Partner:

Pillar Science

Discipline:

Computer science

Sector:

Information and cultural industries

University:

Polytechnique Montréal

Program: