Répertoire des expertises
Retour aux résultats de recherche
Daniel Aloise
M.Sc. (PUC-Rio, Brésil) et un Ph.D. (Poly)

Intérêts de recherche et affiliations

Intérêts de recherche
  • Science des données
  • Mégadonnées
  • Optimisation
  • Programmation mathématique
Type(s) d'expertises (sujets CRSNG)
  • 1601 Recherche opérationnelle et science de la gestion
  • 2510 Systèmes évolutifs, d'apprentissage et adaptatifs
  • 2713 Algorithmes
  • 2715 Optimisation

Publications

Publications récentes
Article de revue
Rocha, C., Pessoa, B.J.S., Aloise, D. & Cabral, L.A. (2022). An efficient implementation of a VNS heuristic for the weighted fair sequences problem. International Transactions in Operational Research, 16 pages. Tiré de https://doi.org/10.1111/itor.13197
Article de revue
Kohyarnejadfard, I., Aloise, D., Azhari, S.V. & Dagenais, M.R. (2022). Anomaly detection in microservice environments using distributed tracing data analysis and NLP. Journal of Cloud Computing, 11(1), 16 pages. Tiré de https://doi.org/10.1186/s13677-022-00296-4
Communication de conférence
Rodrigues, I.M., Aloise, D. & Fernandes, E.R. (2022). FaST: A linear time stack trace alignment heuristic for crash report deduplication. Communication présentée à Mining Software Repositories Conference (MSR 2022), Pittsburgh, PA, USA (p. 549-560). Tiré de https://doi.org/10.1145/3524842.3527951
Article de revue
Bouchard, I., Rancourt, M.-E., Aloise, D. & Kalaitzis, F. (2022). On transfer learning for building damage assessment from satellite imagery in emergency contexts. Remote Sensing, 14(11), 29 pages. Tiré de https://doi.org/10.3390/rs14112532

Encadrement à Polytechnique

TERMINÉ

  • Thèse de doctorat (4)

  • Mémoire de maîtrise (7)

    • Bouchard, I. (2021). Building Damage Assessment After a Natural Disaster in Emergency Contexts: A Deep Learning Approach (Mémoire de maîtrise, Polytechnique Montréal). Tiré de https://publications.polymtl.ca/9470/
    • Ton, K. (2021). Using a Diversity Criterion to Select Training Sets for Machine Learning Models (Mémoire de maîtrise, Polytechnique Montréal). Tiré de https://publications.polymtl.ca/9902/
    • Haouas, M.N. (2020). Résolution exacte du problème de partitionnement de données avec minimisation de variance sous contraintes de cardinalité par programmation par contraintes (Mémoire de maîtrise, Polytechnique Montréal). Tiré de https://publications.polymtl.ca/4207/
    • Heutte, N. (2020). A Divide-and-Conquer Approach to Employee Scheduling (Mémoire de maîtrise, Polytechnique Montréal). Tiré de https://publications.polymtl.ca/5362/
    • Moins, T. (2020). Modèle hybride combinant réseau de neurones convolutifs et modèle basé sur le choix pour la recommandation de sièges (Mémoire de maîtrise, Polytechnique Montréal). Tiré de https://publications.polymtl.ca/5336/
    • Boucaud, L. (2019). Mécanismes d'attention pour les modèles convolutifs dans le cadre de la prédiction de trajectoires (Mémoire de maîtrise, Polytechnique Montréal). Tiré de https://publications.polymtl.ca/3951/
    • Hulot, P. (2018). Towards Station-Level Demand Prediction for Effective Rebalancing in Bike-Sharing Systems (Mémoire de maîtrise, École Polytechnique de Montréal). Tiré de https://publications.polymtl.ca/3160/

Nouvelle(s) concernant Daniel Aloise

BLOGUE | 23 novembre 2021
L’IA au service de l’aide humanitaire | Lire
MAGAZINE POLY | 20 février 2018
Le génie de la décision | Lire