Offre en lien avec l’Action/le Réseau : Musiscale/– — –

Laboratoire/Entreprise : CRIStAL, Inria, Université de Lille
Durée : 3 ans
Contact : louis.bigo@univ-lille.fr
Date limite de publication : 2022-03-14

Contexte :
Depuis une dizaine d’années, les réseaux de neurones profonds font l’objet de nombreuses recherches dans le domaine du traitement automatique du langage naturel (Natural Language Processing). Ces recherches ont de multiples applications allant de l’analyse de corpus à la génération automatique de contenu.

La nature temporelle de la musique encourage et facilite sa représentation sous la forme de séquences d’éléments à différentes échelles, généralement des accords ou des notes, comparables à des séquences de mots. Cette séquentialité, ainsi que l’assimilation courante de la musique à une sorte de langage, ont motivé l’utilisation d’outils originalement conçus pour des tâches de NLP pour le traitement automatique de données musicales (Music Information Retrieval) pour des tâches variées incluant l’analyse et la génération automatique de musique.

Sujet :
L’objectif central de cette thèse est d’évaluer l’adaptabilité, la performance et la pertinence de techniques de NLP lorsqu’elles sont appliquées sur des données musicales. On se concentrera en particulier sur l’application en musique de trois principes essentiels du NLP :

* le principe d’attention mutuelle (self-attention)
* la segmentation (tokenization)
* l’apprentissage par transfert (transfert learning)

Ces principes seront étudiés à travers l’entraînement et l’évaluation de modèles musicaux inspirés par des modèles majeurs de NLP incluant l’auto-encodeur BERT ou le modèle auto-regressif GPT. Une réflexion sera menée sur les limites de l’application de modèles de langage naturel sur des données musicales, d’un point de vue technique comme d’un point de vue épistémologique, et sur les perspectives de modèles originaux spécifiquement adaptés à la modélisation de données musicales.

Plus de détails sur la page : http://www.algomus.fr/jobs/phd-nlp-en/

Profil du candidat :
Fort intérêt pour l’apprentissage automatique, le traitement automatique du langage naturel, et la musique.

Formation et compétences requises :
* Master d’informatique ou équivalent, apprentissage automatique, traitement automatique du langage naturel
* Connaissances et pratique musicales souhaitées.

Adresse d’emploi :
CRIStAL, Inria, Université de Lille, Villeneuve d’Ascq