Favicon

HACKATHON du 18 Décembre au 27 Décembre 2024

L'aurore de la recherche en informatique au Cameroun

Objectif

Prochaine session: Mai 2025 à Ambam

L'objectif principal est d'exposer les étudiants aux défis technologiques actuels en informatique, notamment dans les domaines de l'intelligence artificielle et de la gestion des ressources dans le cloud. Pour rendre ces thématiques concrètes, des problématiques issues du contexte local, telles que l'application de l'IA à la détection du paludisme, ont été proposées. En parallèle, des sujets plus fondamentaux, comme l'intégration de l'IA dans les systèmes d'exploitation, ont été inclus pour élargir les perspectives des participants.
Ce hackathon vise à développer plusieurs compétences clés chez les étudiants : la capacité à résoudre rapidement des problèmes complexes, la collaboration en équipe avec des inconnus et l'aptitude à valoriser et présenter efficacement leur travail. Au-delà de ces résultats immédiats, l'événement sert également à renforcer la coopération entre les universités camerounaises et françaises impliquées.

Participants

79 participants de Master 1 informatique et plus, issus des universités suivantes:

  • Université d’Ebolowa (ESTLC)
  • Université de Yaoundé 1 (Faculté de Sciences, Polytechnique de Yaoundé),
  • Université de Douala (Faculté des Sciences)

Les participants étant répartis en équipe pour relever les défis du hackathon.

Sujets Et Vainqueurs

. RNN frugal et parallèle pour la détection des messages haineux.

Resumé: Ce sujet de recherche se concentre sur deux points, la parallélisation et la frugalité dans l’apprentissage artificiel avec les réseaux de neurones récurrents.

Tâches:

  1. Effectuer une collecte de données pour les messages haineux
  2. Faire une analyse de la consommation énergétique du modèle d’apprentissage parallèle
  3. Proposer un modèle d’apprentissage de RNN parallèle frugal sur la base des observations réalisées
  4. Proposer une application(Web/Mobile) exploitant ce modèle.

Compétences du candidat :

  • Maitrise de la programmation C ou C++ (pour la mise en place du modèle)
  • Maitrise des notions de base en apprentissage artificiel.
  • Aptitude à apprendre le développement mobile (pour l’intégration du modèle dans l’application mobile existante)

Vainqueurs:

  • NDONKOU Franck
  • LEUMEN MBAKOP Joyce Gloria
. ML4OS : ML-based memory prefetchers

Resumé: Prefetching in the OS is a proactive memory management technique used to load data or memory pages into RAM before they are explicitly requested by a process. This reduces latency and improves system performance, as the necessary data is often already available when accessed. ML has been increasingly applied to optimize prefetching strategies by predicting future memory accesses based on historical patterns. The goal os this hackathon is to replace existing heuristic-based prefetchers by an ML model.

Some references:

  1. TransforMAP: Transformer for Memory Access Prediction
  2. C-MemMAP: clustering-driven compact, adaptable, and generalizable meta-LSTM models for memory access prediction.
  3. Learning Memory Access Patterns.

Winners:

  • Fetue Tchiaze Balekamen
  • FETUE FOKO Nathanael
  • TCHIAZE FOUOSSO Romero
  • BALEKAMEN BABATACK Landry
. IAAS4Firecracker

Resumé: Un service de type IaaS (similaire à Amazon EC2) est un service en ligne permettant à un usager de créer des machines virtuelles à distance dans une structure d'hébergement appelée datacenter. L'usager peut, avec un navigateur web, utiliser une application web (que nous appelons frontal) permettant de créer des machines virtuelles, puis déployer sur ces machines virtuelles des applications pour hébeger des services en ligne (par exemple de site de e-commerce en ligne).

Dans ce hackathon, l'objectif est d'utiliser le logiciel de virtualisation Firecracker (introduit par Amazon). Firecracker est opensource et peut être facilement installé sur des ordinateur de type PC. On peut ainsi créér des machines virtuelles sur ces PC. Pour fournir le service d'allocation depuis un navigateur web, il faut développer une application web (le frontal lui même hébergé dans le datacenter). Cette application Web pourra être réalisée par adaptation d'une application web existante (par exemple Cockpit) ou bien être développée à partir de zéro. Pour réaliser ce projet, les participants devront utiliser leurs propres PC (sous ubuntu 22.04). Ils peuvent créer un cluster de PC (leurs laptops) pour implanter le datacenter, ou bien créer sur un seul PC des machines virtuelles KVM (représentant les PC du datacenter) dans lesquelles est installé Firecracker (on fait de la virtualisation imbriquée). Le frontal à développer devra permettre d'allouer ou supprimer des machines virtuelles, et de monitorer l'état de ces machines virtuelles (utilisation de la ressource CPU principalement).

La démonstration du service IaaS implanté devra montrer:

  1. Le déploiement du service sur un ensemble de machines (PC). Si on fournit un ensemble de PC sous ubuntu 22.04 avec un accès root avec SSH, un script doit permettre de déployer Firecracker et le frontal.
  2. Son utilisation pour allouer une ou plusieurs machines virtuelles, et l'installation sur ces machines virtuelles d'une application minimale (par exemple un serveur Apache incluant quelques pages Web).

Remarques :

  • l'installation de Firecracker est relativement simple et des tutoriaux sont disponibles en ligne
  • l'utilisation de Cockpit ou une autre application web existante pour le frontal n'est pas obligatoire, vous devez faire le meilleur choix entre récupération d'une application existante et développement à partir de zéro.

Références:

Vainqueurs:

Équipe 1:

  • BISSOG Samuel
  • DONCHI Tresor
  • TCHASSI Daniel
  • WANDJI Emmanuel

Équipe 2:

  • Zogo Sokoudjou Tamegue
  • SOKOUDJOU CHENDJOU CHristian Manuel
  • TAMEGUE NEGOU Donald
  • ZOGO ABOUMA Zozime Achaire
.  Finetuning des modèles multilingues auto supervisés pour la transcription de la parole en langue camerounaise

Resumé: Ce projet consiste à affiner des modèles multilingues auto supervisés pour la transcription de la parole en langues camerounaises, permettant de convertir des enregistrements audio en texte. L'objectif est de créer des outils efficaces pour la documentation et la préservation des langues locales.

Tâches:

  1. Recherche sur les modèles multilingues existants.
  2. Collecte de corpus de parole en langues camerounaises.
  3. Prétraitement et nettoyage des données audio.
  4. Finetuning des modèles pré-entraînés avec les données collectées.
  5. Évaluation de la performance des modèles.

Vainqueurs:

  • KAMGA MAWABO Inès Manuella
  • NONO NGANSOP Nahomie Madeleine
  • NUNMUA SONTSA Belvanie Kartel

Les Superviseurs

Sous la supervision des meilleurs et des plus brillants du domaine

Organisateurs

Cet événement est organisé par :