Ce module a été développé afin de rendre le site Efrei accessible au plus grand nombre.
Si malgré notre vigilance, vous rencontriez le moindre problème d’accessibilité sur notre site, n’hésitez pas à nous contacter à l’adresse site-groupe@efrei.fr ou par téléphone au +33 188 289 000.
L’Efrei Research Lab développe également des projets transversaux innovants répondant aux besoins des entreprises et de la société :
Sciences2024 est un programme de recherche dont l’objectif est d’accompagner les sportifs de haut niveau à améliorer leurs performances grâce à la science et l’innovation, en vue des Jeux olympiques et paralympiques de Paris. Sciences2024 rassemble 14 grandes écoles, 1 université, 2 centres de recherche soutenus par le CNRS, le CNSD et l’INSEP. Efrei est la seule école d’ingénieur privée (pour le moment) à participer à ce partenariat.
Efrei a un positionnement qui lui permet de couvrir tout le domaine du numérique avec ses 13 majeures de spécialition dont la quasi-totalité peuvent s’appliquer aux technologies du sport, notamment les majeures systèmes robotiques, imagerie et réalité virtuelle, Big data and Machine learning ou encore bio-informatique. Le laboratoire de recherche a déjà réalisé des études sur le Tracking vidéo (suivi de joueurs et objets), Monitoring du geste (détection de la fatigue) et Localisation individuelle et occupation du terrain.
Les chercheurs pourront donc développer des projets de recherche et encadrer des projets étudiants avec une approche Systèmes embarqués intelligents et Data-Driven Decision pour le Sport en accord avec les axes de recherche et les domaines d’application du laboratoire. L’orientation choisie sera l’acquisition et traitement du signal, l’analyse vidéo et l’analyse des données, la modélisation, l’exploitation et la visualisation des données.
Les technologies du sport sont un domaine émergeant du numérique, c’est également une thématique qui intéresse particulièrement les jeunes. C’est une source de projets très attrayants pour nos élèves et l’opportunité de se mesurer aux meilleurs projets étudiants de France au travers des Challenges Sciences2024.
Les projets étudiants réalisés à EfreiParis cette année nous ont montré la richesse de cette expérience, par la transversalité des sujets qui permet le travail d’élèves de différentes spécialités et par l’investissement qu’il suscite. Les étudiants se sont impliqués avec énergie et passion et se sont dépassés au contact des entraîneurs.
Le projet Brafitec est un réseau de coopération impliquant trois écoles françaises (EFREI Paris, ESIEE Paris et ESIR) et deux universités brésiliennes (PUC Minas et UFC), au travers d’échanges d’étudiants et de professeurs issus d’école d’ingénieurs en informatique.
Ce projet à pour but d’étudier l’impact des nouvelles formes de communication de données sur les environnements de simulation automobile.
Les réseaux de véhicules sont des véhicules qui interagissent directement ou indirectement. En communication directe, un véhicule envoie un message à un autre sans recourir à une infrastructure fixe. En communication indirecte, en revanche, les véhicules communiquent via des infrastructures spécifiques installées sur les routes. Des études récentes évaluent également l’utilisation du réseau 5G dans la communication indirecte de véhicule à véhicule. En raison de l’importance et des avantages que les réseaux de véhicules peuvent apporter à la société moderne, les chercheurs, les agences gouvernementales et les constructeurs accordent une grande attention à ces types de réseaux. Dans les années à venir, on s’attend à ce que l’infrastructure des réseaux de véhicules devienne une réalité.
Le projet « Plateforme Numérique d’accompagnement des APIculteurs » (PNAPI) a pour objectif de proposer des outils informatiques aux apiculteurs pour les assister dans la gestion de leur cheptel en enregistrant leurs informations (performances, traitements, nourrissements, signalements d’événements de santé au rucher, etc.) et en leur restituant sous des formats adaptés et synthétiques (graphiques, tableaux de résultats). Un agrégateur de données environnementales complètera les outils de saisie proposés aux apiculteurs afin de leur permettre de mieux connaître les caractéristiques des emplacements qu’ils utilisent pour leurs ruchers, et ainsi de les accompagner dans ces choix.
Un système décisionnel sera également intégré sous la forme d’une intelligence artificielle capable d’apprendre des décisions prises par les apiculteurs dans un contexte donné (par exemple : nourrissement en hiver) pour prodiguer des conseils à partir des actions les plus représentées. L’expertise des structures de développement alimenteront également ce système décisionnel dans le cadre de lancement d’alertes (par exemple, alerte disette dans un secteur en raison de la connaissance du terrain et du climat).
Les données collectées alimenteront un référentiel nouveau, issu de la profession, dans lequel les possesseurs de ruches pourront situer leurs pratiques et d’identifier les forces et faiblesses de leur conduite de cheptel. Ce référentiel permettra également de proposer des indicateurs de l’état de santé de l’apiculture française, notamment en ce qui concerne les pertes hivernales, les stratégies de traitement contre varroas et les quantités de miel (ou gelée royale) récoltés. L’ensemble des fonctionnalités implémentées dans la plateforme numérique d’accompagnement des apiculteurs ainsi que les droits de réutilisation des données et le modèle économique final de ce système informatique sera discuté avec les apiculteurs. La concertation avec les futurs utilisateurs est au centre du projet afin de garantir la pertinence du service rendu et le consentement des utilisateurs concernant la réutilisation de leurs données.
Nous visons à améliorer la santé humaine, grâce au développement de méthodes d’intelligence artificielle en nous concentrant sur la traduction des découvertes multi-omiques en diagnostics de précision.
Notre mission est d’utiliser les données que nous obtenons de la génomique, de la radiomique, de la pathomique et de leur impacts sur les conditions pathologiques en utilisant des approches multi-omiques computationnelles. Ces méthodes reposent sur l’analyse statistique et l’intégration de mégadonnées (séquençage à haut débit, puces à ADN, protéomique, criblage à haut débit), d’imagerie médicale et de données cliniques/phénotypiques. Nous examinons à la fois les données cliniques ainsi que les données générées en dehors des hôpitaux et visons à soutenir à la fois les prestataires médicaux et les patients dans leur prise de décision.