- FR
- EN
Présentation et but du stage: Les réseaux néuronaux (convolutionnel ou recurrent) ont montré une grande efficacité dans l'analyse des données réelles. Cependant leur implémentation technique reste encore à améliorer, notamment dans les aspects algorithmiques. Le but du stage sera d'abors de se familiariser avec le "deep learning" et ensuite implémenter un algorithme "maison" similaire à Adam (voir: https://www.youtube.com/watch?v=JXQT_vxqwIs) pour une application en robotique ou en analyse de séries temporelles en épidémiologie.
Context and aim of the intership: Neural networks (convolutional or recurrent) have shown great efficiency in the analysis of real data. However, their technical implementation still needs to be improved, especially in the algorithmic aspects. The goal of the internship will be first to get familiar with deep learning and then to implement an home made algorithm similar to Adam (see: https://www.youtube.com/watch?v=JXQT_vxqwIs) for an application in robotics or in time series analysis for epidemiology.
Lieu du stage: laboratoire CEREMADE, université Paris Dauphine
Indemnité de stage: 400EUR/mois sous réserve de financement
Durée: 3-9 mois
Encadrant et contact: Gabriel TURINICI Gabriel.Turinici@dauphine.fr
Ce stage convient aussi pour les élèves de M1.
Contexte. L’administration à haute dose de traitements anti-cancéreux est non seulement toxique pour l’organisme, mais conduit typiquement à l’émergence de résistances au traitement. C’est pourquoi certains chercheurs suggèrent, sous le nom de thérapie adaptative, de ne pas chercher à faire régresser la tumeur, mais simplement à la stabiliser. Le traitement est donné à la dose la plus faible permettant cette stabilisation, et les doses et fréquence d’administration évoluent en fonction de l’évolution de la tumeur. Les premiers résultats sont excellents, et de nouveaux essais cliniques sont actuellement lancés. Afin de mieux les cas dans lesquels les thérapies adaptatives ont de bonnes chances d’être supérieures aux thérapies existantes, nous développons actuellement des modèles mathématiques simples permettant de comparer différents types de traitement.
Objectifs du stage. Le but du stage est de contribuer au développement et à l’analyse de ces modèles, soit par des résultats théoriques, soit à l’aide de simulations numériques. Les outils de base sont les équations différentielles et leur simulation numérique à l’aide de logiciels dédiés. Ils sont suffisants. Toutefois, des approches plus sophistiquées sont envisageables suivant les compétences du candidat (contrôle optimal, réaction-diffusion, simulation de modèles spatiaux, etc.).
Modellzation and simulation of a new paradigm for cancer therapies
Context: in most cancer therapies, high dose treatment is not only toxic, but typically leads to resistant tumors. Researchers suggested, under the name of “adaptive therapy”, not to try to maximally reduce tumor burden, but simply to stabilize it. The dose used is the minimal dose allowing for this stabilization, and is dynamically adapted to each patient's response. Results from clinical trials are promising, and new trials are launched. To better understand when such adaptive therapies are likely to improve on current therapies, simple mathematical models are being developed, that allow to compare, in silico, the effect of various treatments.
Aim of the internship: the goal is to contribute to the analysis and simulation of such models. The basic tools are differential equations and their numerical simulations. These tools are sufficient, but more sophisticated approaches could be used if mastered by the candidate (optimal control, reaction-diffusion, spatial simulations,…).
Location: CEREMADE, université Paris-Dauphine
Duration : 3-6 mois
Level: Master student (but accessible to a good Bachelor student).
Contact: Yannick Viossat, viossat@ceremade.dauphine.fr
