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

Laboratoire/Entreprise : TETIS – Montpellier
Durée : 3 ans
Contact : maguelonne.teisseire@teledetection.fr
Date limite de publication : 2024-06-30

Contexte :
Dans le contexte des systèmes de veille et de détection précoce des crises alimentaires et sanitaires, l’extraction et la représentation des caractéristiques spatio-temporelles associées aux informations textuelles sont indispensables à l’identification et à la modélisation des événements et de leurs impacts. La prise en compte de la complexité de l’information spatiale, incluant des éléments comme les relations de hiérarchie et de proximité, représente un défi actuel pour lequel il existe peu de solutions satisfaisantes.

Sujet :
L’objectif de cette thèse est de développer une méthodologie qui intègre des graphes de connaissances spatiaux dans les modèles issus de l’Intelligence Artificielle, en tenant expressément compte de l’information spatiale et temporelle.

Sujet détaillé et procédure de candidature :
https://nubes.teledetection.fr/index.php/s/mL98yCJakigZiMM

Profil du candidat :
Profil de la/du candidat.e :
La ou le candidat.e devra avoir une expérience en traitement de données textuelles et apprentissage automatique. Une connaissance générale sur les enjeux d’entraînement et application de modèles de langues et des graphes de connaissance est recommandée, ainsi qu’une appétence pour les applications thématiques.

Formation et compétences requises :
Formation et compétences requises :
Master en informatique, science des données, traitement du langage naturel, ou tout autre sujet connexe.

Adresse d’emploi :
https://nubes.teledetection.fr/index.php/s/mL98yCJakigZiMM