Offre en lien avec l’Action/le Réseau : – — –/Doctorants
Laboratoire/Entreprise : Lab-STICC, Chaire IA
Durée : 36 mois
Contact : dorian.cazau@ensta-bretagne.fr
Date limite de publication : 2020-08-30
Contexte :
De par sa dynamique spatio-temporelle complexe et sa nature multi-physique, l’océan est un objet complexe à étudier, nécessitant des programmes d’observation interdisciplinaires et multi-échelles pour être finement analysés. Au sein de tels programmes, de nombreux types de capteurs d’observation co-existent pour la surveillance d’un même site. Une particularité des Big Ocean Data qui en découlent est leur nature fortement multimodale (c.a.d différentes natures de signaux, par ex séries temporelles, images, etc) et hétérogène (c.a.d différentes résolutions et échelles temporelles et spatiales). Face à l’expansion de ces Big Ocean Data, rendues massivement accessibles au plus grand nombre, le développement de nouvelles méthodes de fusion et de reconnaissance de données multi-capteurs adaptées aux données volumineuses et hétérogènes est nécessaire afin de mieux structurer et exploiter la richesse des Big Ocean Data.
Sujet :
En s’inspirant de modèles du type réseaux de neurones profonds avec schémas d’apprentissage variationnel, cette thèse traitera de problématiques méthodologiques spécifiques aux approches multimodales (par ex, explicabilité de la décision multimodale, reconstruction d’observations manquantes/partielles) à travers deux cas d’application liées à l’observation océanographique (prédiction des conditions météocéanographiques de surface) et la surveillance des espaces maritimes (séparation et reconnaissance de sources acoustiques sous-marines spécifiques à certaines activités marines telles que bateaux et sous-marins). Cette thèse réalisée dans le cadre de la chaire IA OceaniX fait l’objet d’un partenariat industriel avec NavalGroup.
Profil du candidat :
Le candidat(e) doit avoir de bonnes notions en mathématiques, statistiques et algorithmiques. Une expérience avec les modèles à réseaux de neurones profonds est souhaitable.
Formation et compétences requises :
Machine Learning
Data Science
Remote Sensing
Signal and Image Processing
Oceanography
Adresse d’emploi :
IMT Atlantique Bretagne-Pays de la Loire, Campus de Brest Technopôle Brest-Iroise
Document attaché : 202004101800_phD_OceaniX_NG.pdf