Davide Adamo

Adresse mail : davide.adamo@univ-cotedazur.fr  et davide.adamo@inria.fr
Pôle : CEPAM, LJAD (Équipe MAASAI), Archéorient (MOM-Lyon)
Statut : Doctorant CNRS, (3IA Côte d’Azur)
Financeur pour les projets : CNRS
Master en mathématiques appliquées (Université de Vérone, Italie)

Direction de thèse : Marco CORNELI (Universtité Côte d’Azur, CEPAM, Inria, CNRS, LJAD)

Co-encadrants :

• Emmanuelle VILA (CR-CNRS (HDR) in Archaeozoology, Archéorient, Université Lumière Lyon II, CNRS)
• Manon VUILLIEN (post-doc researcher IDEX in Archaeozoology, CEPAM, CNRS, Université Côte d’Azur)

Date début de la thèse : Depuis le 01/11/2023

Thème de la recherche ou titre de la thèse

Titre:  AI for archaeozoology: learning methods to identify and cluster faunal remains

Mots-clés :  Apprentissage automatique (Machine Learning), Analyse 3D, Bioarchéologie

Français:

Les avancées scientifiques en intelligence artificielle (IA) ont conduit à la digitalisation de nombreux domaines de la recherche appliquée. Mes recherches visent principalement à développer de nouvelles architectures d'apprentissage automatique (Machine Learning, ML) et à étendre les architectures existantes pour l'analyse des données archéozoologiques. En bioarchéologie, l'inspection des restes de faune, i.e. des ossements d'animaux trouvés dans des contextes archéologiques, fournit aux chercheurs des informations sur les interactions passées entre l'homme et l'animal, les conditions paléoenvironnementales, les populations animales anciennes et l'économie de subsistance des sociétés anciennes. En ce sens, l'avènement des technologies de numérisation 3D représente une opportunité d'appliquer les techniques de ML aux données osseuses 3D, intégrées sous forme de nuages de points ou de maillages.

English:

Scientific advances in artificial intelligence (AI) have led to digitalization in many fields of applied research. My research primarily aims to develop new machine learning (ML) architectures and to originally extend existing ones for the analysis of archaeozoological data. In bioarchaeology, the inspection of faunal remains, i.e. animal bones found in archaeological contexts, provides researchers with information on past human-animal interactions, paleoenvironmental conditions, ancient animal populations and on the subsistence economy of ancient societies. In this sense, the advent of 3D scanning technologies represents an opportunity to apply ML techniques to 3D bone data, embedded as point clouds or meshes.