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

ML, motricité & comportement social

Recherche – Machine Learning pour le comportement social

Signaux physiologiques et mouvement humain modélisés par machine learning et séries temporelles.

Le mouvement humain modélisé

Signaux physiologiques et capture de mouvement analysés par CNN 1D, RNN et géométrie riemannienne

Détails du projet

Client

Scalab/CRISTAL Lab

Secteur

Recherche – Machine Learning pour le comportement social

Année

2017–2020

Technologies clés

TensorFlowKerasPythonRMATLAB

Mission

Research Scientist - Machine Learning & Time Series

Machine Learning pour le comportement social

Recherche académique (12 mois), Lille, France.

Modélisation prédictive : création de modèles ML pour l’analyse de comportements physiques et physiologiques humains (notamment via CNN 1D et RNN). Traitement de données de capture de mouvement : extraction et transformation de signaux pour analyse comportementale. Projections riemanniennes : application de techniques géométriques avancées pour représenter la dynamique du mouvement. Analyse en contexte social : identification des patterns de comportements et réponses physiques en situations variées.

Contexte et environnement

Projet interdisciplinaire : croisement entre sciences du comportement, IA et neurosciences sociales. Technologies de capture : systèmes de Motion Capture pour l’enregistrement de mouvements humains. Collaboration scientifique : travail en équipe avec chercheurs data, psychologues et physiologistes.

Équipe

Travail interdisciplinaire avec chercheurs data, psychologues et physiologistes

Environnement

Lille, France – Python, R, MATLAB, TensorFlow/Keras, systèmes de capture de mouvement

Objectifs clés

1Compréhension fine : modéliser précisément les dynamiques du mouvement et des états physiologiques.

2Génération d’insights : produire des analyses quantitatives sur les interactions et réponses sociales humaines.

3Validation scientifique : assurer la robustesse des modèles par des expérimentations et validations croisées.

4Contribution académique : enrichir les connaissances en interaction humaine via des publications et présentations.

Technologies et infrastructure

PythonRMATLABTensorFlowKerasMotion Capture SystemsNumPyPandasscikit-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

Plateforme de recherche vidéo par IA

Media & Deeptech

Plateforme R&D agentique automatisant expérimentation, évaluation et pipelines de génération vidéo-à-vidéo.

Évaluation des compétences IA à grande échelle

Banking

Ontologie de compétences, évaluations massives, scoring ML et parcours de formation sur mesure.

Architecture IA pour l'automatisation des livrables

Rail Industry

Architecture data et IA automatisant production de livrables, contrôle qualité et traçabilité.