Marketplace Explorez plus de 6 000 automatisations IA pour développer votre activité.

Analyse du comportement social humain par l'IA

Recherche – Machine Learning pour le comportement social

ML et capture de mouvement pour modéliser les comportements physiques/physiologiques ; analytique prédictive, interfaces homme-machine nouvelle génération.

95%

Précision du modèle

Mois de recherche

Publications

100%

Interdisciplinaire

Impact recherche

Machine learning avancé pour l'analyse du comportement social

Détails du projet

Client

Scalab/CRISTAL Lab

Secteur

Recherche – Machine Learning pour le comportement social

Année

2017

Technologies clés

TensorFlowKerasPythonRMATLAB

Mission

Chercheur ML / IA / Modélisation prédictive

Machine Learning pour le comportement social

12 mois / Lille, France

Modélisation prédictive : création de modèles ML pour l'analyse des comportements physiques et physiologiques humains (notamment via CNN 1D et RNN). Traitement des données de capture de mouvement : extraction et transformation des signaux pour l'analyse comportementale. Projections riemanniennes : application de techniques géométriques avancées pour représenter les dynamiques de mouvement.

Contexte et environnement

Le laboratoire SCALAB/CRISTAL faisait face au défi complexe de comprendre et modéliser le comportement social humain par des techniques avancées de machine learning. La nature interdisciplinaire du projet nécessitait de relier sciences comportementales, IA et neurosciences sociales pour créer des modèles prédictifs des schémas de mouvement humain et des réponses physiologiques.

Équipe

Collaboration interdisciplinaire avec data scientists, psychologues et physiologistes

Environnement

Python, R, MATLAB avec TensorFlow/Keras, systèmes de capture de mouvement, OpenPose

Objectifs clés

1Modèles CNN 1D et RNN pour la reconnaissance de schémas comportementaux avec 95 % de précision

2Traitement des données de capture de mouvement et transformation des signaux pour l'analyse comportementale

3Projections riemanniennes pour la représentation avancée des dynamiques de mouvement

4Analyse du contexte social et identification des schémas comportementaux

53+ publications académiques et validation scientifique par expérimentation

Technologies et infrastructure

PythonRMATLABTensorFlowKerasMotion Capture SystemsOpenPoseNumPyPandasscikit-learnMatplotlibSeaborn

Prêt à obtenir des résultats similaires ?

Discutons de comment nous pouvons générer un impact mesurable pour votre organisation.

Autres études de cas

Découvrez comment nous générons des résultats dans tous les secteurs

MLOps GenAI & LLM en production à grande échelle

Retail/MLOps

Industrialisation de modèles ML & GenAI du POC à la production sur GCP avec Kubernetes, observabilité (Datadog), sécurité (Vault) et automatisation CI/CD pour de multiples produits propulsés par LLM.

Packitoo

Optimisation des prix et des revenus par l'IA

Manufacturing/Pricing

Scoring de propension et simulateur tarifaire what-if utilisant XGBoost avec explicabilité SHAP/LIME, permettant aux équipes commerciales d'optimiser les marges avec des corridors de prix actionnables.

Révolutionner l'engagement collaborateur grâce à l'IA explicable

HR Analytics

ML avancé (XGBoost, LightGBM, SHAP, LIME) sur 25 ans de données RH : insights actionnables, rétention ciblée, tableaux de bord clairs, recommandations transparentes.