Public cible

Le programme « Scientifique en résidence » d’IVADO s’adresse aux startups désireuses de recevoir l’expertise scientifique d’un.e doctorant.e en intelligence artificielle ou science des données, afin d’acquérir de nouvelles compétences et de valider, orienter et faire progresser leur.s projet.s de R&D dans la bonne direction.

Le ou la doctorant.e qui participe à ce programme acquiert une expérience de formateur.rice complémentaire et pertinente à son cursus académique par l’entremise d’une expérience concrète en milieu entrepreneurial. Cette expérience en entreprise lui permettra d’agir concrètement sur la transmission de connaissances du milieu académique vers l’industrie, et d’ainsi participer à la croissance des startups québécoises à la fine pointe des avancées technologiques en intelligence artificielle.

Par projet de R&D, nous entendons un projet stratégique en développement et non un projet qui a pour but une commercialisation rapide d’un produit ou d’un service.

Domaines visés

Ce programme vise à soutenir la recherche concernant les enjeux soulevés dans notre demande de subvention Apogée : la science des données au sens large, incluant des recherches méthodologiques en science des données (apprentissage automatique, recherche opérationnelle, statistiques) et leurs applications dans plusieurs domaines, dont nos domaines prioritaires (la santé, le transport, la logistique, l’énergie, le commerce et la finance) ou tout autre domaine d’application (sociologie, physique, linguistique, génie, etc.).

Objectifs, rôles et responsabilités

Objectifs 

Ce programme répond à l’objectif de favoriser le transfert d’expertises académiques dans l’écosystème entrepreneurial. Cet objectif est réalisé par l’entremise d’une formation et d’un accompagnement sur mesure développés par le ou la candidat.e pour les besoins d’un projet de R&D d’une startup. Ainsi, le ou la candidat.e acquiert une expérience complémentaire à son cursus académique, et la startup bénéficie de ce transfert de connaissance et se positionne en tant que leader scientifique dans son domaine.

Rôles et responsabilités

La formation sur mesure sera coordonnée par IVADO et livrée par un.e doctorant.e-formateur.rice spécialiste du domaine, en collaboration étroite avec la startup impliquée. Voici les rôles et responsabilités des différents partis.

IVADO

  • Coordination et gestion de l’appel à candidatures aux startups;
  • Réception, évaluation et sélection des soumissions;
  • Communication et identification des doctorant.e.s-formateur.rice.s intéressé.e.s par le programme et les projets de R&D sélectionnés;
  • Gestion administrative et financière du programme;
  • Rencontre de démarrage et de suivi en cours de route pour assurer le bon déroulement et la satisfaction des partis;
  • Évaluation post-formation et ajustement du déroulement.

Doctorant.e-formateur.rice

  • Identification des objectifs de transfert de connaissance;
  • Identification des problématiques pertinentes à aborder;
  • Identification et formations sur les méthodes et outils technologiques disponibles;
  • Validation des méthodes et outils proposés;
  • Transfert de connaissance et accompagnement;
  • Remise des documents élaborés au fil des semaines : état de l’art, documentation sur les outils et les méthodes proposées, plan d’adoption et prochaines étapes.

Startup (une fois sélectionnée)

  • Identification et mobilisation de l’équipe de R&D responsable du projet;
  • Identification des problématiques pertinentes à aborder durant la formation et transparence sur les solutions déjà testées;
  • Disponibilité, transparence et ouverture au transfert de connaissance à recevoir;
  • Avant le début du mandat, paiement d’une contribution de 1950$ +tx. 

Calendrier

  • 30 novembre au 20 février à minuit : appel à projets de R&D auprès des startups 
  • Semaine du 21 février : analyse et sélection des projets retenus
  • Semaine du 28 février : communication avec les startups retenues
  • À partir du 7 mars 2022 : communication et partage auprès des étudiant.e.s au doctorat
  • À partir du 1er mai 2022 : début de la formation et de l’accompagnement 

Déroulement du projet

Plan de transmission de connaissances

Le plan de transmission de connaissances couvrira les 3 volets du programme, soit la préparation et le démarrage, les formations et ateliers de validation, et le transfert. Le nombre de semaines consacrées à chaque étape ainsi que les principales tâches indiquées pourraient être sujettes à changement en fonction des spécificités de chaque projet. Un plan préliminaire sera demandé au ou à la doctorant.e-formateur.rice lors de la soumission de sa candidature et un plan détaillé devra être transmis à la fin de l’étape de préparation et de démarrage.

Volet 1 : Préparation et démarrage

Compte tenu que « Scientifique en résidence » est un programme de transmission de connaissances appliquées à un projet de R&D en intelligence artificielle spécifique à chaque startup retenue, l’étape de préparation et de démarrage est essentielle au bon déroulement et à la satisfaction de toutes les parties.

Nous estimons que 3 semaines (45h) seront nécessaires à l’accomplissement de cette première étape. Les principales tâches s’articuleront ainsi :

Volet 2 : Formations et ateliers de validation

Ce volet est le cœur du programme et, comme son nom l’indique, la période où le transfert de connaissances s’effectuera concrètement. Huit semaines (120h) sont prévues pour ce volet, ce qui permettra de transmettre les connaissances théoriques, méthodologiques et les outils pertinents au projet, de les tester en situation réelle, d’obtenir une rétroaction et d’ajuster au besoin.

Volet 3 : Transfert et accompagnement

Ce dernier volet consiste à assurer l’adoption des meilleures méthodologies et outils identifiés, et à compléter le transfert de connaissance selon l’avancée du projet de R&D. Le ou la doctorant.e-formateur.rice accompagnera également la startup dans la définition des prochaines étapes du projet de R&D. Enfin, ce sera le moment de finaliser les documents (état de l’art, formations théoriques et pratiques, plan d’adoption, etc.) dont la startup participante pourra bénéficier à la fin du programme. Quatre semaines (60h) sont réservées à cet effet.

Montant, durée et conditions de versement

  • Le programme est de 15 semaines et doit être réalisé entre le 1er mai et le 31 août 2022. Le ou la doctorant.e-formateur.rice investit +/- 15 heures par semaine à travailler conjointement avec la startup.
  • La formation est d’une valeur de 13 000$, éligible au rabais ScaleAI de 85%.
  • La startup participante sera facturée par IVADO au montant de 1950$ + taxes, soit 15% des coûts de la formation. La facture doit être payée avant le début du projet.
  • Les doctorant.e.s-formateur.rice.s recevront une bourse de 10 000$, administrée par le.la superviseur.e universitaire.
  • Au total, 10 projets maximum seront financés.

Critères d’admissibilité

Pour la startup 

  • Avoir moins de 5 ans d’existence;
  • Avoir une équipe de R&D active dans le projet soumis;
  • Faire partie d’un organisme de soutien à l’entrepreneuriat (incubateur ou accélérateur) reconnu ou avoir terminé un programme depuis moins de 2 ans;
  • Générer moins de 1M$ de chiffre d’affaires annuel;
  • Payer une contribution de 1950$ + tx à IVADO avant le début du mandat.

Pour le ou la candidat.e

  • Être inscrit.e à un programme de doctorat dans une université québécoise;
  • Avoir l’appui de son ou sa superviseur.e de thèse;
  • Le ou la superviseur.e et le ou la doctorant.e ne doivent pas avoir de lien d’emploi ou d’équité avec la startup.

Soumission des candidatures

Pour le ou la candidat.e

Votre dossier devra être envoyé au courriel entrepreneuriat@ivado.ca et comprendre :

  1. Une lettre de motivation soulignant votre intérêt envers le projet de recherche et l’adéquation de votre expertise avec la réalisation du mandat (max. 1 page);
  2. Votre CV dans un format libre;
  3. Une lettre de soutien de votre superviseur.e confirmant votre expertise par rapport au projet de recherche et son appui à votre démarche. Vous pouvez utiliser ce modèle.

Pour la startup

Remplir et soumettre ce formulaire avant le 20 février 2022 à minuit. Toute soumission incomplète ou envoyée autrement que via le formulaire sera automatiquement rejetée.

Évaluation des candidatures

Pour l’évaluation des candidatures des projets de R&D soumis par les startups, un comité composé d’un.e représentant.e académique, d’un.e représentant.e de l’écosystème des organismes de soutien à l’entrepreneuriat et de la conseillère à l’entrepreneuriat d’IVADO sera créé. Le respect des critères d’admissibilité, la qualité du projet de R&D proposé et l’impact stratégique du projet dans l’entreprise seront les principaux critères évalués. 

Les candidat.e.s intéressé.e.s par un projet auront une entrevue avec l’entreprise et le choix final leur appartiendra.

Projets de R&D sélectionnés

ChrysaLabs

L’intelligence artificielle au service de la santé des sols

ChrysaLabs est une entreprise de technologie agricole basée à Montréal qui a développé une solution d’analyse de la fertilité des sols pour l’agriculture de précision. La solution développée, basée sur la spectroscopie, l’infonuagique et l’intelligence artificielle, permet aux agronomes et aux producteurs de mesurer la qualité de leurs sols en quelques secondes seulement et de prendre les actions pertinentes pour améliorer la situation. Les faibles coûts associés à la technologie, la facilité de déploiement, la rapidité d’acquisition et la précision incitent les agronomes à prendre davantage d’analyse de sol pour ainsi mieux comprendre la santé et fertilité de celui-ci et mettre seulement les bons fertilisants, au bon moment, au bon endroit et en bonne quantité. Une meilleure connaissance spatiale des nutriments mène à une meilleure gestion des intrants chimiques et, de ce fait, à un impact positif sur l’économie et l’environnement.

L’analyse de la santé des sols en temps réel permet des décisions agronomiques et agricoles meilleures pour le rendement des cultures et pour l’environnement. ChrysaLabs a développé une sonde portative permettant l’estimation des caractéristiques du sol en temps réel à partir de la spectroscopie et de l’intelligence artificielle. L’objectif général des travaux de ChrysaLabs est d’améliorer les algorithmes d’apprentissage automatique d’estimation des caractéristiques du sol afin de faciliter l’apprentissage continu et personnalisé dans de nouvelles régions.

À partir des données de nombreux clients en Amérique du Nord, le projet vise à déterminer une stratégie d’apprentissage continu semi-supervisée limitant les besoins de calibration de la sonde en laboratoire. Ce projet vise à améliorer les connaissances en apprentissage automatique adapté à la réalité de notre cadre d’application et de notre réalité d’affaires (i.e., instrument de mesure précis et reproductible, haute variabilité des sols, besoin d’une bonne capacité de pénétration de marché, coût élevé des données) et à développer une stratégie d’apprentissage continu et semi-supervisé.

Profil recherché :

  • Apprentissage semi-supervisé,
  • Représentation/encodage de données,
  • Expérience avec des données réelles provenant de plusieurs sources

Pour en savoir plus sur le projet, écrire à entrepreneuriat@ivado.ca

NeuralDrive PROJET DÉJÀ JUMELÉ! NON DISPONIBLE.

Neuro-A.I. : Optimisation temporelle de la neurostimulation pour améliorer le mouvement après une paralysie

NeuralDrive est une entreprise de dispositifs médicaux qui conçoit une technologie permettant un contrôle sans précédent de l’administration de la stimulation neurale. Notre mission première est d’aider les gens à se mouvoir à nouveau après une lésion paralysante de la moelle épinière. Nous avons introduit la neurostimulation personnalisée du cortex moteur du cerveau pendant l’entraînement moteur. Nous avons démontré sur des modèles animaux que cette technique unique améliore immédiatement le mouvement et la posture, et favorise la récupération à long terme après une paralysie. Notre intervention innovante a le potentiel de modifier profondément la manière dont nous dispensons la rééducation aujourd’hui, en stimulant l’entraînement moteur grâce à une médecine électronique précise. Tout en utilisant une technologie implantable déjà validée pour l’usage humain, la nouveauté radicale de la stimulation corticale ciblée peut être appliquée à une série d’autres maladies motrices, de la tétraplégie à certaines formes d’accidents vasculaires cérébraux. De plus, nous possédons un module fonctionnel de contrôle de la stimulation IA qui permet d’optimiser efficacement la neurostimulation multicanaux.

Les mouvements complexes sont composés d’une séquence d’actions. La neurostimulation peut aider un utilisateur souffrant de déficits moteurs à retrouver le contrôle de ses mouvements. Dans la plupart des cas, la prise en charge du mouvement ne nécessite pas un stimulus unique mais plutôt une intervention continue orientée vers un objectif, afin d’obtenir une séquence d’actions motrices. Ce projet poussera notre développement du contrôle de la neurostimulation au-delà de l’optimisation du stimulus unique et vers l’optimisation des séquences de stimulation orientées vers un objectif. Cela nous permettra de positionner NeuralDrive comme la technologie actuelle la plus avancée pour le contrôle de la neurostimulation.

Pour plus d’informations sur ce projet, écrivez à entrepreneuriat@ivado.ca

LS Tech+

Calibration de capteurs analogiques pour la performance à vélo

LS Tech+ conçoit, fabrique et vend des technologies pour les sportifs amateurs.

Le Wattza™, est un capteur de puissance qui mesure l’effort déployé par un cycliste en relevant la force exercée sur les pédales en Watts et la vitesse de pédalage (cadence). Il est léger, petit, efficace et il se transfère facilement d’un vélo à un autre. Son aspect portatif est un grand atout pour tous ceux et celles qui l’utilisent de manière récréative, ou encore ceux et celles qui l’utilisent pour de multiples situations et sur de multiples vélos. C’est un outil idéal pour le cycliste qui veut s’améliorer à vélo.

L’objectif du projet de R&D est d’améliorer la précision de l’appareil et sa répétabilité par des techniques d’apprentissage automatique. Développer une méthode claire et simple permettant de caractériser les sorties des FSR selon les variations identifiées est très significatif pour LS Tech afin de rendre le produit plus compétitif sur le marché.

Pour ce faire, il faudra étudier le comportement des capteurs piezorésistifs (FSR A-201 de Tekscan) en capturant un maximum de données. Les capteurs n’ont pas une sortie linéaire à la force appliquée. Il faut donc faire une étude rigoureuse pour pouvoir bien traduire leur signal de sortie en une valeur cohérente en Newton. Il est nécessaire de synthétiser une caractérisation mathématique des réponses des FSR selon les variations à la cadence du produit (le Wattza) et la résistance que doit vaincre un cycliste.

Responsabilités :

  • Rédiger et exécuter des protocoles de tests.
  • Effectuer des recherches sur les caractéristiques du capteur.
  • Analyser les données d’expériences.
  • Déterminer les limitations des méthodes de calibration des FSR développées

Profil  recherché :

  • Apprentissage automatique (expérience en time series)
  • Langage de programmation Python
  • Connaissance en recherche opérationnelle, un atout

Pour plus d’informations sur ce projet, écrivez à entrepreneuriat@ivado.ca

Maket

Architecture générative basée sur les graphes 

Maket technologies offre une plateforme permettant aux architectes de faciliter la création et le prototypage de nouveaux concepts d’architecture grâce à l’intelligence artificielle. En quelques secondes, Maket permet à l’architecte de générer une panoplie de nouveaux concepts basés sur les besoins de son client, et ce, dans un environnement collaboratif pour ainsi faciliter la communication et la présentation du projet à celui-ci. Le client peut donc mettre des annotations sur les plans et ainsi collaborer avec son architecte dans la phase conceptuelle juste avant de transférer le tout dans Autocad pour finaliser les plans techniques.

Actuellement, Maket permet à l’architecte de générer une centaine d’esquisses de plans d’architecture en quelques secondes basés sur quelques critères clients. Le résultat actuel est une image générée via des generative adversarial network (GAN). Maket souhaiterait développer un pipeline génératif complet qui s’adapte à un maximum de contraintes permettant de rendre un plan d’étage éditable et malléable pour ainsi produire des plans qui répondent exactement aux besoins des architectes. Notre objectif est d’utiliser cette technologie pour améliorer l’efficacité, la durabilité et la qualité du processus de conception architecturale tout en atténuant les coûts et l’incertitude qui s’accumulent souvent au cours du processus.

Plus précisément, l’objectif est de pouvoir orienter notre équipe de recherche et développement vers des hypothèses plausibles et maximiser nos efforts de R&D. Le transfert de connaissance nous permettra de tester plus rapidement des hypothèses techniques. Actuellement, les technologies utilisées ne permettent pas de rendre un plan évolutif et ne traitent pas de manière exhaustive les contraintes de conceptions physiques et réglementaires que le bâtiment doit avoir pour maximiser son efficacité. Plusieurs de nos clients ont manifesté le désir de non seulement générer un plan d’architecture à l’aide de contraintes spécifiques, mais également de pouvoir déplacer les pièces et agrandir le projet suite à la production du plan par notre algorithme. Nous espérons déployer un système servant d’outil de conception itératif que les architectes pourront utiliser pendant leur processus de création. L’architecte pourra définir les contraintes qui seront entrées dans le système et ceux-ci seront renvoyés sous forme de graphiques représentant un plan d’étage qui respecte les contraintes fournies. Si l’architecte souhaite itérer sur un plan d’étage que le système aura produit, il pourra modifier les contraintes (ajouter des nœuds et changer des priorités de nœuds) pour ensuite générer un nouveau graphique à partir du graphique de base en prenant en considération les nouvelles contraintes à jour.

Profil recherché :

  • Théorie des graphes
  • Recherche opérationnelle

Pour plus d’informations sur ce projet, écrivez à entrepreneuriat@ivado.ca

Acrylic Robotics

L’apprentissage automatique au service des beaux-arts (projet en anglais)

Acrylic Robotics est une entreprise de robotique basée à Montréal dont la mission est de rendre l’art accessible au grand public. Notre technologie permet aux artistes de réaliser des répliques peintes de pièces originales en édition limitée – comme une presse à imprimer pour l’art peint.

Notre système de capture de mouvement recueille des données sur chaque coup de pinceau et crée un fichier d’empreintes digitales qui est envoyé à nos robots peintres pour donner vie à l’œuvre, en rejouant chaque coup couche par couche avec de la vraie peinture sur la toile. Une boucle de rétroaction optique alimentée par l’apprentissage automatique garantit que le robot corrige ses erreurs et améliore continuellement sa technique pour correspondre au mieux au style de l’artiste. Nous faisons partie de la cohorte Next AI Montréal cet été et avons déjà participé à Centech (Propulsion), Next 36 et au Creative Destruction Lab (AI stream).

Acrylic souhaite développer une solution d’apprentissage automatique capable d’estimer avec précision la pose d’un pinceau correspondant à l’image d’un trait de peinture. Le projet proposé impliquera l’utilisation de l’apprentissage par renforcement pour combiner à la fois des données de séries temporelles et des images afin de développer un modèle capable d’effectuer une rétro-ingénierie de la trajectoire du pinceau nécessaire à la création d’un coup de pinceau cible. Cela nous permettra de faire évoluer notre méthode de collecte de données en remplaçant les coûteuses caméras optiques de capture de mouvement par des caméras normales, ce qui nous permettra de recueillir des données auprès d’artistes du monde entier à un coût initial beaucoup plus faible.

Profil recherché :

  • Apprentissage par renforcement
  • Robotique
  • vision par ordinateur
  • Reconnaissance des mouvements

Pour plus d’informations sur ce projet, écrivez à entrepreneuriat@ivado.ca

Greenplay PROJET DÉJÀ JUMELÉ! NON DISPONIBLE.

Détection automatique des modes de transports

Greenplay vise à simplifier vos initiatives de mobilité active ou durable par l’introduction de mesures fiables, de défis amusants et de récompenses tangibles. Notre mission est d’inspirer les communautés à adopter des comportements en faveur du développement durable à l’aide d’une technologie innovante, fiable et simple d’utilisation. Ce que nous souhaitons avant tout c’est mettre l’humain et l’innovation au cœur des initiatives de mobilité durables

L’objectif de ce projet est d’explorer de nouvelles façons d’améliorer nos outils de détection des modes de transports (autobus, le train, le métro, la voiture, la marche, la course, le vélo et le covoiturage) par des technologies innovantes et de nouveaux procédés. L’objectif est de travailler avec notre équipe de développeurs pour mettre en place de méthodes exploratoires pour augmenter la fiabilité de l’algorithme et des procédés.

Profil recherché :

  • Apprentissage automatique
  • Statistiques et analyse de données
  • intérêt pour le jeu ludique (gamification)
  • Bonne connaissance de la géolocalisation et des données provenant des senseurs des appareils mobiles
  • Python et Protocol buffer (GTFS)
  • Tensorflow

Pour plus d’informations sur ce projet, écrivez à entrepreneuriat@ivado.ca

Geosapiens

Estimation de l’ampleur d’une inondation stochastique à l’aide d’un modèle basé sur l’apprentissage automatique (projet en anglais)

Geosapiens est spécialisé dans la modélisation et la gestion des inondations. Nous offrons des solutions basées sur le web pour aider nos clients (municipalités, assureurs, immobilier) à mieux gérer le risque et à réduire ses impacts.

Les débits de période de retour sont utilisés dans une variété de secteurs, y compris la gestion environnementale et la planification des inondations. Comme la plupart des bassins ne sont pas jaugés, ces processus sont fréquemment réalisés sans l’utilisation de flux quantiles observés. Dans cette situation, les algorithmes de régionalisation sont fréquemment utilisés pour prévoir la distribution des débits en utilisant les données des bassins jaugés. Le développement de modèles de régression qui relient les débits observés à des facteurs indépendants dérivés de données physiques et météorologiques du bassin est un type fréquent de méthode de régionalisation. Des modèles hydrologiques basés sur des paramètres estimés et des données de forçage climatique peuvent être utilisés pour calculer les débits percentiles comme alternative. Cependant, la facilité avec laquelle les modèles de régression peuvent être utilisés pour prévoir les débits centiles dans les bassins non jaugés présente une opportunité. Pour de très grandes zones de recherche avec une variance considérable des débits, les modèles de régression sont connus pour être peu performants. Les progrès récents des modèles d’apprentissage automatique nous offrent la possibilité de créer un modèle unifié pour le Canada et les États-Unis.

Nous voulons utiliser un modèle basé sur l’apprentissage automatique pour prédire la distribution du débit maximal annuel pour des bassins versants individuels dans le continent américain. Plus précisément, un ensemble de facteurs géographiques, topographiques, topologiques et climatiques du bassin versant sera utilisé pour prédire les paramètres de distribution au niveau du bassin versant. L’intégration de la théorie des valeurs extrêmes à l’apprentissage automatique et le réglage fin des performances du modèle pour obtenir une précision souhaitable, notamment en évitant l’effondrement des modes, seront l’un des facteurs clés.

La sortie de ce modèle sera l’entrée de notre modèle hydraulique qui, à son tour, générera des cartes de risque d’inondation. Notre activité principale est l’évaluation des risques d’inondation pour les bâtiments et ce modèle nous sera directement utile. Une fois développé, le modèle continuera d’être amélioré par notre équipe de R&D en l’appliquant à de nouveaux endroits comme l’Europe et l’Asie, et en le configurant pour des entrées supplémentaires.

Profil recherché :

  • Théorie des valeurs extrêmes
  • Apprentissage automatique
  • Statistiques et analyse des données
  • Statistiques spatiales
  • Python ou autres langages de programmation.

Pour plus d’informations sur ce projet, écrivez à entrepreneuriat@ivado.ca

Vope Medical PROJET DÉJÀ JUMELÉ! NON DISPONIBLE.

Une vision claire en matière de chirurgie mini-invasive

Vope Medical offre une vision claire et constante en chirurgie mini-invasive. Le logiciel de Vope, piloté par l’IA, optimise le processus de nettoyage des lentilles et minimise les perturbations grâce à l’automatisation. Cela permet au chirurgien de rester complètement concentré sur les procédures qu’il effectue, en éliminant les distractions qui découlent du processus actuel de nettoyage des lentilles.

Les interventions endoscopiques offrent de nombreux avantages pour les patients et dans la prestation des soins de santé, tels que des temps de récupération plus rapides et des séjours hospitaliers plus courts. Le maintien d’une vision claire à travers l’endoscope joue un rôle important pour une chirurgie mini-invasive sûre et efficace. Pendant les interventions médicales, des contaminations physiques se produisent par des fluides corporels, notamment du sang, des morceaux de tissus, de la condensation sous forme de brouillard et de fumée. Actuellement, la procédure médicale doit être interrompue fréquemment pour nettoyer physiquement l’objectif.

Dans ce projet, une approche basée sur la vision pour détecter et éliminer la contamination pendant la procédure chirurgicale est proposée afin de réduire la fréquence de nettoyage des lentilles. Nous proposons un cadre pour éliminer automatiquement la contamination de l’objectif endoscopique et le désembuage de la vue chirurgicale par l’application d’algorithmes de désembuage et d’accentuation d’image de pointe. En particulier, le système de notre partenaire détectera la contamination de la lentille endoscopique pendant la procédure opératoire. Lorsque le pourcentage de contamination dépasse un seuil, l’équipement matériel de nettoyage de l’objectif recevra un signal pour être activé et nettoiera automatiquement l’objectif afin de réduire les distractions. Les chirurgiens n’auront donc pas besoin de le nettoyer manuellement. Pendant ce temps, des techniques de traitement d’image seront appliquées pour désembuer davantage la vision du chirurgien. Le brouillard est causé par la condensation sur la surface de la lentille en raison de la différence de température et d’humidité dans la cavité où se déroule la procédure médicale.

Le doctorant conseillera et accompagnera l’équipe dans :

  • La création d’un pipeline pour le traitement des données d’entraînement, son exécution sur les données existantes; cela devra permettre une utilisation facile pour l’acquisition de données futures ;
  • La création et l’amélioration de l’algorithme de désembuage conformément aux meilleures pratiques de la littérature pertinente et l’optimisation de son exécution dans un environnement de dispositif périphérique en temps réel ;
  • La création et l’amélioration de l’algorithme de détection de la contamination.

Profil requis :

  • Vision par ordinateur – débruitage d’images
  • Apprentissage profond
  • Méthodologie expérimentale pour mettre en place un pipeline ML.

Pour plus d’informations sur ce projet, écrivez à entrepreneuriat@ivado.ca

Note sur la propriété intellectuelle

Toute propriété intellectuelle appartient à la startup. Si le ou la candidat.e, conjointement avec l’entreprise, identifie un nouveau projet de développement et que l’implication du candidat.e est souhaitée, alors ce projet devrait faire l’objet d’une entente de recherche collaborative distincte de ce programme.

Une entente de confidentialité (NDA) peut être signée entre le ou la candidat.e et l’entreprise.

Engagements

  • Pour les doctorant.e.s
    • Faire preuve d’intégrité et de respect dans tous vos échanges avec le startup;
    • Reconnaître le soutien d’IVADO en mentionnant le nom de l’institut dans toute communication publique au sujet du programme et participer, lorsque possible, à ses différentes activités.
  • Pour la startup
    • Fournir un environnement de travail qui convienne à l’achèvement du projet;
    • Faire preuve d’intégrité et de respect dans tous vos échanges avec le.la doctorant.e.
  • Notre engagement pour l’équité, la diversité et l’inclusion
    • Afin que l’avancement des connaissances et des opportunités en intelligence artificielle et science des données bénéficie équitablement à tous les membres de la société, nous promouvons des principes d’équité, de diversité et d’inclusion à travers l’ensemble de nos programmes et nous engageons à vous offrir un processus de recrutement et un milieu de recherche inclusifs, non discriminatoires, ouverts et transparents.