Résultats de recherche

Format hybride : Présentiel à Namur + accès distancielPublic cible : Pharmaciens, médecins, étudiants en Master 2 ou du master de spécialisation en médecine généraleAccréditation : Une demande d’accréditation a été faite pour vos points de formation Cette soirée de formation, à destination des pharmaciens et des médecins, proposera :Une mise à jour des nouvelles options thérapeutiques en matière d’hypolipémiantsUne discussion sur les objectifs thérapeutiques et les outcomes cliniques à viserUne attention particulière à Inclisiran et aux résultats issus du registre belge BE.REALOrateur : Prof. Fabian Demeure, expert reconnu dans le domaine de la prévention cardiovasculaire et des traitements hypolipémiants.Walking dinner : Pour les participants en présentiel, un moment convivial autour d’un walking dinner est prévu à l’issue de la conférence.Cet évènement est gratuit.  L'inscription est obligatoire. Je m'inscris

Un ordinateur peut-il apprendre une langue comme le fait un enfant ? Une étude récente publiée dans la revue de référence Computational Linguistics par les professeurs Katrien Beuls (Université de Namur) et Paul Van Eecke (AI-lab, Vrije Universiteit Brussel) apporte un nouvel éclairage sur cette question. Les chercheurs plaident pour une révision fondamentale de la manière dont l'intelligence artificielle acquiert et traite le langage. 

Public cibleMédecins généralistes (en activité ou en formation)PharmaciensÉtudiants en médecine et en pharmacieObjectifsPartager et discuter d’articles scientifiques pertinents pour la pratique de première ligne dans un climat convivial et bienveillantRenforcer les compétences en lecture critique et en médecine fondée sur les preuvesCréer un lien durable entre le terrain et le monde académiqueFédérer une communauté médico-pharmaceutique active et engagéePourquoi participer ?Parce que la science évolue vite, et que nous gagnons tous à prendre le temps de lire, comprendre, et questionner la littérature ensemble. Parce que le soin de qualité commence par une réflexion partagée. Et parce que c’est l’occasion idéale de renforcer les ponts entre disciplines.Lieu et fréquence des rencontresUNamur - Quai22 - 2 fois par anPremière rencontre : 5/06/2025 (gratuit sur inscription)Accréditation INAMI demandé. Je m'inscris

SynopsisA honeypot is a security tool deliberately designed to be vulnerable, thereby enticing attackers to probe, exploit, and compromise it. Since their introduction in the early 1990s, honeypots have remained among the most widely used tools for capturing cyberattacks, complementing traditional defenses such as firewalls and intrusion detection systems. They serve both as early warning systems and as sources of valuable attack data, enabling security professionals to study the techniques and behaviors of threat actors.While conventional honeypots have achieved significant success, they remain deterministic in their responses to attacks. This is where adaptive or intelligent honeypots come into play. An adaptive honeypot leverages Machine Learning techniques, such as Reinforcement Learning, to interact with attackers. These systems learn to take actions that can disrupt the normal execution flow of an attack, potentially forcing attackers to alter their techniques. As a result, attackers must find alternative routes or tools to achieve their objectives, ultimately leading to the collection of more attack data.Despite their advantages, traditional honeypots face two main challenges. First, emulation-based honeypots (also known as low- and medium-interaction honeypots) are increasingly susceptible to detection, which undermines their effectiveness in collecting meaningful attack data. Second, real-system-based honeypots (also known as high-interaction honeypots) pose security risks to the hosting organization if not properly isolated and protected. Since adaptive honeypots rely on the same underlying systems, they also inherit these challenges.This thesis investigates whether it is possible to design a honeypot system that mitigates these challenges while still fulfilling its primary objective of collecting attack data. To this end, it proposes a new abstract model for adaptive self-guarded honeypots, designed to balance attack data collection, detection evasion, and security preservation, ensuring that it does not pose a risk to the rest of the network.Membres du juryProf. Wim VANHOOF, Président, Université de NamurProf. Jean-Noël COLIN, Promoteur, Université de NamurProf. Florentin ROCHET, Membre interne, Université de NamurProf. Benoît FRENAY, Membre interne, Université de NamurProf. Ramin SADRE, Membre externe, Université catholique de Louvain Dr. Jérôme FRANCOIS, Membre externe, Université du LuxembourgVous êtes cordialement invités à un drink, qui suivra la soutenance publique. Pour une bonne organisation, merci de donner votre réponse pour le mardi 20 mai 2025.   Je m'inscris

SynopsisLes méthodes deep learning sont devenues de plus en plus populaires pour construire des systèmes intelligents. Actuellement, de nombreuses architectures deep learning constituent l'état de l'art dans leurs domaines respectifs, tels que la reconnaissance d'images, la génération de texte, la reconnaissance vocale, etc. La disponibilité de bibliothèques et de frameworks matures pour développer de tels systèmes est également un facteur clé de ce succès.Ce travail explore l'utilisation de ces architectures pour construire des systèmes intelligents pour les langues des signes. La création grands corpus de données en langue des signes a rendu possible l'entraînement d'architectures deep learning à partir de zéro. Les contributions présentées dans ce travail couvrent tous les aspects du développement d'un système intelligent basé sur l'apprentissage profond. Une première contribution est la création d’une base de données pour la Langue des Signes de Belgique Francophone (LSFB). Celle-ci est dérivé d’un corpus existant et a été adapté aux besoins des méthodes deep learning. La possibilité de recourir à des méthodes de collecte participative (crowdsourcing) pour recueillir d'avantages de données est également explorée.La deuxième contribution est le développement ou l’adaptation d'architectures pour la reconnaissance automatique de la langue des signes. L'utilisation de méthodes contrastives pour apprendre de meilleures représentations est explorée, et la transférabilité de ces représentations à d'autres langues des signes est évaluée.Enfin, la dernière contribution est l’intégration des modèles dans des logiciels destinés au grand public. Cela a permis de mener une réflexion sur les défis lié à l'intégration d'un module intelligent dans le cycle de vie du développement logiciel.Membres du juryProf. Wim VANHOOF, Président, Université de NamurProf. Benoît FRENAY, Promoteur, Université de NamurProf. Anthony CLEVE, Co-promoteur, Université de NamurProf. Laurence MEURANT, Membre interne, Université de NamurProf. Lorenzo BARALDI, Membre externe, Université de ModèneProf. Annelies BRAFFORT, Membre externe, Université de Paris-SaclayProf. Joni DAMBRE, Membre externe, Université de GandVous êtes cordialement invités à un drink, qui suivra la soutenance publique. Pour une bonne organisation, merci de donner votre réponse pour le vendredi 6 juin. Je m'inscris

Obtenir instantanément la traduction en langue des signes (LSFB) d’un mot écrit en français : voilà ce que permet MOSI (Du mot au signe). Ce nouvel outil est le fruit d’une collaboration entre l’Université de Namur, l’asbl École et Surdité et l’asbl LSFB, soutenue par la Fondation Roi Baudouin.

Ils sont futurs vétérinaires, médecins, juristes, historiens, géographes, ou encore informaticiens et ils partagent ce point commun : le souci de se former, volontairement, aux enjeux du développement durable et de la transition. Depuis octobre 2024, 25 étudiants essentiellement de 3ème année issus des différentes facultés de l’UNamur participent à une expérience pilote : les Journées de l’Education au Développement Durable et à la Transition (JEDDT). Ce lundi 17 mars, ils présentaient sous une forme créative, le fruit de leur réflexion après 6 mois de formation.  

L’Université de Stanford a publié un classement prestigieux qui met en lumière les chercheurs les plus influents dans un large éventail de domaines scientifiques. Cette liste, établie sur base de critères bibliographiques, vise à fournir un moyen normalisé d'identifier les leaders scientifiques mondiaux. Il s’agit d’un critère parmi d’autres permettant d’évaluer la qualité de la recherche scientifique. Douze chercheurs de l’Université de Namur en font partie !

Fin novembre 2024, l’UNamur a accueilli le 23ème congrès de BENEVOL, un séminaire de recherche annuel qui donne la possibilité aux chercheurs internationaux de se rencontrer et de discuter de nouvelles idées, de questions importantes et de recherches de pointe dans le domaine du génie, de la maintenance et de l'évolution des logiciels.