Actualités

[PODCAST] L’apostrophe – Comprendre l’industrie du futur

17 mai 2021 • Big Data & IA - Cybersécurité - Industrie du futur - Réseaux & IoT

Premier épisode de L’apostrophe, une émission produite par I’MTech pour décrypter les grandes problématiques sociotechniques. Dans ce premier podcast, focus sur la transformation de l’industrie, entre numérisation et servicisation.

Invités :

Mylène Lagardère, enseignante-chercheuse en matériaux à IMT Nord Europe
Xavier Boucher, professeur en transformation des organisations à Mines Saint-Étienne

Une émission présentée par Benjamin Vignard.

L’apostrophe est un podcast réalisé par l’IMT et soutenu par le Carnot Télécom & Société numérique.

Dernières actualités

, , , ,

Revivez notre évènement de l’année : « Horizons technologiques : iA, blockchain, quantique by Carnot TSN »

Retour sur l'Événement "Horizons technologiques : iA, blockchain, quantique by Carnot TSN" : un voyage technologique et historique. Le 24 septembre 2024, l'institut Carnot Télécom & Société numérique a organisé une journée captivante dédiée aux dirigeants et responsables R&D. Accueillis dans le cadre somptueux de l'Horizon de Khéops à Paris, les participants ont exploré les avancées en iA, blockchain et technologies quantiques
, , ,

[Vidéo] La plateforme TTOOL, simulation et expérimentation de configuration de réseaux

Plongez dans l'univers de la plateforme TTOOL : vous en apprendrez plus sur la technologie utilisée, les modalités et les applications de cette plateforme labellisée institut Carnot Télécom & Société numérique,. La plateforme est composée de chercheurs situés sur les campus de Palaiseau (Télécom Paris) et Sofia Antipolis.

[Belle histoire] Projet INRIA MALICE : l’IA pour percer les mystères de l’interaction laser-matière

Réunissant des chercheurs et enseignants-chercheurs du laboratoire Hubert Curien, l’équipe-projet Inria MALICE vise à favoriser la collaboration entre physiciens et experts de l’intelligence artificielle. Leur objectif : développer de nouvelles méthodes de machine learning pour mieux comprendre l’interaction laser-matière, un enjeu majeur en ingénierie des surfaces. Et ce, malgré les écueils que représentent la connaissance physique partielle des phénomènes et le manque de données.

Besoin d’informations ?