La recherche fondamentale, les technologies modernes et des stratégies de données robustes et flexibles sont au cœur de la recherche et du développement réussis en IA. L’équipe du laboratoire de technologie IA est composée de chercheurs et d’ingénieurs en traitement du langage naturel (NLP), d’ingénieurs en IA, d’ingénieurs en données et de développeurs de logiciels.
L’équipe technologique de l’IA se concentre sur le soutien à l’équité par la recherche, le développement et l’application d’une IA responsable. L’équipe dispose de documentation des meilleures pratiques, directives et mesures de sécurité suivies dans l’ensemble des laboratoires d’IA de l’ETS® .™
L’équipe technologie de l’IA vise à :
- stimuler l’innovation dans le domaine du NLP et de l’IA par la recherche fondamentale et le développement de capacités généralisables
- permettre des avancées dans l’apprentissage et l’évaluation grâce à l’application de technologies de pointe aux solutions d’apprentissage
- créer un pipeline technologique stratégique pour étendre les capacités et les prototypes
Les technologues sont 100 % dévoués aux équipes de capacités et de prototypes à travers les laboratoires tout au long du cycle de vie de la recherche et du développement. En sprintant avec des équipes de la découverte à l’idéation, au prototypage et à l’optimisation, les technologues peuvent appliquer des solutions technologiques répondant aux besoins des utilisateurs. De même, la recherche fondamentale menée par les technologues repose sur les besoins révélés grâce à l’engagement des utilisateurs.
Domaines d’intérêt
L’équipe des technologies d’IA se concentre sur les principaux axes suivants :
- Développement d’architectures modernes permettant un prototypage efficace et la mise en place de solutions dans l’ensemble des laboratoires
- utilisation de l’IA multimodale pour évaluer et fournir des retours sur les présentations enregistrées
- Évaluation automatisée et retour d’information du langage écrit et oral
- Génération automatisée de contenus pédagogiques et d’évaluation
- Parcours d’apprentissage personnalisés basés sur le modèle d’apprentissage cognitif
- Moteurs de recommandation automatisés
- Création de pipelines de données et d’architectures pour la modélisation et l’analytique
- le développement de logiciels pour tester les capacités et construire des prototypes répondant aux besoins des utilisateurs.