poste MCF à CentraleSupélec / L2S en Quantification des Incertitudes

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

Laboratoire/Entreprise : L2S
Durée : CDI
Contact : charles.soussen@centralesupelec.fr
Date limite de publication : 2023-05-05

Contexte :
Un poste de Maître de Conférences CDI LRU est ouvert à CentraleSupélec et au Laboratoire des Signaux et Systèmes (L2S), intitulé “Quantification des Incertitudes”.

Sujet :
Profil court : L’enseignant.e-chercheur.euse intégrera le pôle Signaux et Statistiques du L2S. L’activité de recherche est dans le domaine de la quantification de l’incertitude. L’activité d’enseignement se fera au sein du département Signal, Information, Communication de CentraleSupélec.

Sections CNU : 26/61

Mots-clé: statistique, apprentissage automatique, traitement du signal

La fiche de poste complète est ici, ainsi que les coordonnées des contacts enseignement et recherche :

https://l2s.centralesupelec.fr/wp-content/uploads/douesnard-stephanie/Profil-LRU-CDI-MCF-L2SSIC2301-FR_EN-1.pdf

Date limite de candidature : 04/05/2023

Profil du candidat :
Le.a candidat.e devra posséder un doctorat dans l’un des domaines suivants : statistique, machine learning, traitement du signal, ou domaine connexe. Il/elle devra montrer des aptitudes exceptionnelles pour la recherche au vu de ses publications dans des revues internationales de premier plan et dans des conférences sélectives. Une expérience de recherche en lien avec un domaine applicatif sera appréciée. Le.a candidat.e aura le goût de travailler en é quipe et l’ambition de développer des recherches de haut niveau international. Il/elle devra aussi démontrer une capacité à transmettre, une curiosité sur les modalités pédagogiques, une aisance dans les relations humaines et une capacité d’écoute et de reformulation.

Formation et compétences requises :
voir https://l2s.centralesupelec.fr/wp-content/uploads/douesnard-stephanie/Profil-LRU-CDI-MCF-L2SSIC2301-FR_EN-1.pdf

Adresse d’emploi :
Laboratoire des Signaux et Systèmes (L2S, UMR 8506), Université Paris-Saclay
CentraleSupélec, Bât. Bréguet, 3 rue Joliot Curie, 91192 Gif-sur-Yvette

Document attaché : 202302271855_Profil-LRU-CDI-MCF-L2SSIC2301-FR_EN.pdf

Ingénieur chef de projet ressources et technologies linguistiques

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

Laboratoire/Entreprise : Inria Nancy – Grand Est
Durée : 4 ans
Contact : slim.ouni@loria.fr
Date limite de publication : 2023-03-19

Contexte :
Ce poste se place dans le cadre du Défi Inria COLaF (Corpus et Outils pour les Langues de France), qui est une collaboration entre les équipes ALMAnaCH et MULTISPEECH. L’objectif du Défi est de développer et mettre à disposition des technologies numériques linguistiques pour la francophonie et les langues de France, en contribuant à la création de corpus de données inclusifs, de modèles, et de briques logicielles. L’équipe ALMAnaCH focalise sur le texte et l’équipe MULTISPEECH sur la parole multimodale. Les deux principaux objectifs de ce projet sont :

(1) La collecte de corpus de données francophones, massifs et inclusifs : Il s’agit de constituer de très grands corpus textuels et de parole, avec des métadonnées riches pour améliorer la robustesse des modèles face à la variation linguistique, avec une place particulière pour la variation géographico-dialectale dans le contexte de la francophonie, dont une partie pourra être multimodale (audio, image, vidéo), voire spécifique à la langue des signes française (LSF). Les données liées à la parole multimodale concerneront entre autres les dialectes, les accents, la parole des personnes âgées, des enfants et des adolescents, la LSF et les autres langues largement parlées en France.

La collecte de corpus sera basée prioritairement sur les données existantes. Ces données (parole multimodale) peuvent provenir des archives de l’INA et des radio-télévisions régionales ou étrangères, mais rarement sous une forme directement exploitable, ou bien auprès des spécialistes, mais sous forme de petits corpus dispersés. La difficulté consiste d’une part à identifier et pré-traiter les données pertinentes afin d’obtenir des corpus homogènes, et d’autre part à clarifier (et si possible assouplir) les contraintes légales et les contreparties financières régissant leur usage afin d’assurer l’impact le plus large possible. Lorsque les contraintes légales ne permettent pas d’utiliser les données existantes, un effort supplémentaire de collecte de données sera nécessaire. Ce sera probablement le cas des enfants (applications à l’éducation) et les personnes âgées (applications à la santé). Selon la situation, cet effort sera sous-traité à des linguistes de terrain ou mènera à une campagne à grande échelle. Cela sera conduit en collaboration avec Le VoiceLab et la DGLFLF.

(2) Le développement et la mise à disposition de technologies linguistiques inclusives : Les technologies linguistiques considérées dans ce projet par l’équipe MULTISPEECH sont la reconnaissance et la synthèse de la parole, et la génération de la langue des signes. De nombreuses technologies sont déjà commercialisées. Il s’agit donc de ne pas réinventer ces outils, mais leur apporter les modifications nécessaires, afin qu’ils puissent exploiter les corpus inclusifs créés. Les technologies qui seront utilisées dans le cadre de ce projet portent sur, y compris, mais sans s’y limiter, les tâches suivantes :
• Identification et prétraitement (semi-)automatique des données pertinentes au sein de masses de données existantes. Cela inclut la détection et le remplacement d’entités nommées à des fins d’anonymisation.
• Architectures neuronales et approches adaptées aux scénarios à faibles ressources (augmentation de données, apprentissage par transfert, apprentissage faiblement/non supervisé, apprentissage actif, et combinaison entre ces diverses formes d’apprentissage)

Sujet :
L’ingénieur chef de projet aura deux missions principales :
• La gestion du projet et la coordination pratique de la contribution de l’équipe MULTISPEECH au Défi Inria. L’ingénieur chef de projet travaillera en étroite collaboration avec un ingénieur « junior », un chercheur et deux doctorants, tous travaillant dans le cadre de ce projet. Il assurera un encadrement rapproché de l’ingénieur « junior » et une interaction très fréquente avec le chercheur et les doctorants. Il sera en contact également avec les membres de l’équipe MULTISPEECH. Il y aura certainement une concertation et une collaboration solide avec son homologue au sein de l’équipe ALMAnaCH.
• La collecte de données et création de corpus de parole multimodale (cela comprend : certains dialectes, les accents, les personnes âgées, les enfants et adolescents, la LSF et certaines langues largement parlées en France autre que le français). Une grande partie de la collecte des données se fera auprès d’associations de locuteurs, des producteurs de contenus et tout partenaire pertinent pour la récupération de données. L’ingénieur chef de projet sera amené à discuter, notamment les aspects juridiques, avec nos interlocuteurs.

Activités principales:
• Définition des différents types de corpus à collecter (identifier les corpus potentiellement exploitables, établir une priorité et un planning de collecte)
• Collecte de corpus de parole auprès de producteurs de contenus ou de tout autre partenaire. (s’assurer que les données respectent les normes et les standards de qualité)
• Négociation des contrats d’utilisation des données, en veillant à respecter les aspects juridiques (négocier les conditions d’utilisation des données avec les producteurs de contenus ou les partenaires, en veillant à ce que les droits de propriété intellectuelle soient respectés et que les aspects juridiques soient pris en compte).
• Création et mise à disposition des technologies linguistiques pour le traitement de ces corpus : une fois collectées, les données doivent être analysées et traitées de manière à en extraire des informations utiles. L’ingénieur chef de projet doit proposer des technologies et des outils parmi l’existant, nécessaires à cette analyse, et s’assurer qu’ils sont accessibles aux utilisateurs.
• Encadrement rapproché de l’ingénieur junior : accompagnement et conseil au niveau des choix techniques et stratégiques de développement.
• Concertation et animation des échanges entre les membres du projet : (1) avec le chercheur et les deux doctorants (réflexions et échanges sur les données, et leurs adéquations au Défi.) ; (2) coordination avec les membres du projet au sein de l’équipe ALMAnaCH.
• Veille technologique, en particulier dans le domaine du ce défi.
• Rédaction et présentation de documentation technique
Note : Il s’agît ici d’une liste indicative d’activités qui pourra être adaptée dans le respect de la mission telle que libellée plus haut.

Profil du candidat :
PROFIL RECHERCHE :
• Diplômé en informatique, linguistique ou toute autre formation relevant du domaine du traitement automatique de la parole ou des langues
• Expérience confirmée en gestion de projet et en communication
• Connaissance approfondie des technologies linguistiques
• Capacité à travailler en équipe et à respecter les délais
• Bonne connaissance de l’anglais

Formation et compétences requises :
SAVOIRS
• Capacité à rédiger, à publier et à présenter en français et en anglais
• Maitrise des techniques de conduite des projets et de négociation
• Bases juridiques (données personnelles, propriété intellectuelle, droit des affaires)

SAVOIR-FAIRE
• Capacités d’analyse, rédactionnelles et de synthèse
• Savoir accompagner et conseiller
• Savoir développer un réseau relationnel
• Savoir mener de front différents projets en même temps
• Capacités de négociation

SAVOIR-ÊTRE
• Sens des responsabilités et autonomie
• Sens du contact et goût pour le travail en équipe
• Rigueur, sens des priorités et du reporting
• Qualités relationnelles (écoute- diplomatie- pouvoir de conviction)
• Appétence pour la négociation (Le VoiceLab, DGLFLF, etc.)
• Capacité d’anticipation
• Esprit d’initiative et curiosité d’esprit

Adresse d’emploi :
Inria Nancy – Grand Est
615 Rue du Jardin-Botanique
54600 Villers-lès-Nancy

Deux postes de MCF 27 en Intelligence Artificielle – Université d’Artois / CRIL

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

Laboratoire/Entreprise : CRIL / Université d’Artois
Durée : permanent
Contact : jfrancois.condotta@univ-artois.fr
Date limite de publication : 2023-03-19

Contexte :
Deux postes de Maître de Conférences en informatique – section 27 – sont ouverts à l’université d’Artois, au concours 2023, avec un profil “Intelligence Artificielle” et rattachés au Centre de Recherche en Informatique de Lens (CRIL – http://www.cril.univ-artois.fr).

Sujet :
Recherche : le CRIL souhaite, par ces recrutements, renforcer ses axes de recherche, et en particulier l’axe “données” (apprentissage automatique / fouille de données) et l’axe “connaissances” de l’unité. Il ne s’agit que de coloriages thématiques : les candidatures de très bon niveau en dehors de ces coloriages (mais relevant de l’axe “contraintes” de l’unité et en phase avec son projet scientifique) ont toutes leurs chances. Une expérience post-doctorale est attendue. Les candidatures féminines sont fortement encouragées. Pour être recruté.e, la qualité du dossier scientifique du / de la candidat.e sera primordiale.

Enseignement : l’enseignement se fera à l’IUT de Lens au sein du département Informatique. La candidate ou le candidat recruté(e) sera susceptible de prendre en charge ou de participer à l’ensemble des modules informatique proposés dans le programme pédagogique du BUT informatique en première année, deuxième année et troisième année. La candidate ou le candidat recruté(e) participera par ailleurs activement au fonctionnement du département : réunions pédagogiques, élaboration des SAE (Situations d’Apprentissages et d’Évaluations), recrutement des étudiants, suivi de stages et de projet tuteurés, responsabilités administratives…

Profil du candidat :
https://www.cril.univ-artois.fr/recruitments/2023-02-08-mcfsiut/

Formation et compétences requises :
https://www.cril.univ-artois.fr/recruitments/2023-02-08-mcfsiut/

Adresse d’emploi :
Université d’Artois, IUT de Lens
Laboratoire CRIL
Rue Jean Souvraz, 62307 Lens

CfP The 34th International Conference on Database and Expert Systems Applications – DEXA2023

Date : 2023-09-28 => 2023-03-07
Lieu : Penang, Malaysia

***************************************************************************
We apologize if you receive multiple copies of this CFP
***************************************************************************

C A L L F O R P A P E R S

The 34th International Conference on Database and Expert Systems Applications – DEXA2023

August 28-30, 2023
Penang, Malaysia

https://www.dexa.org/dexa2023
email: dexa@iiwas.org
Papers submission: https://equinocs.springernature.com/service/DEXA2023

**** IMPORTANT DATES ****
Paper submission: 7 march 2023
Notification of acceptance: 10 May 2023
Camera-ready copies due: 1 June 2023
Conference days: 28-30 August 2023

**** PUBLICATION ****
All accepted DEXA2023 papers will be published by Springer in their Lecture Notes in Computer Science (LNCS). LNCS volumes are indexed in the Conference Proceedings Citation Index (CPCI), part of Clarivate Analytics’ Web of Science; Scopus; EI Engineering Index; Google Scholar; DBLP; etc. Selected high-quality papers, after revision and extension, will be invited to be published, in a special issue of Knowledge and Information Systems (KAIS), Springer (IF = 3.161) and Transactions of Large Scale Data and Knowledge Centered Systems (TLDKS), Springer.

**** SCOPE ****
Database, information, and knowledge systems have always been a core subject of computer science. The ever increasing need to distribute, exchange, and integrate data, information, and knowledge has added further importance to this subject. Advances in the field will help facilitate new avenues of communication, to proliferate interdisciplinary discovery, and to drive innovation and commercial opportunity. Since 1990, DEXA has been an annual international conference which showcases state-of-the-art research activities in database, information, and knowledge systems. DEXA provides a forum to present research results and to examine advanced applications in the field. The conference and its associated workshops offer an opportunity for developers, scientists, and users to extensively discuss requirements, problems, and solutions in database, information, and knowledge systems.
DEXA 2023 invites research submissions on all topics related to database, information, and knowledge systems including, but not limited to the points in the list below. We also welcome survey papers, provided that the survey fills a void or goes beyond existing overview papers.
– Acquisition, Modelling, Management and Processing of Knowledge
– Authenticity, Privacy, Security, and Trust
– Availability, Reliability and Fault Tolerance
– Big Data Management and Analytics
– Consistency, Integrity, Quality of Data
– Constraint Modelling and Processing
– Cloud Computing and Database-as-a-Service
– Database Federation and Integration, Interoperability, Multi-Databases
– Data and Information Networks
– Data and Information Semantics
– Data Integration, Metadata Management, and Interoperability
– Data Structures and Data Management Algorithms
– Database and Information System Architecture and Performance
– Data Streams, and Sensor Data
– Data Warehousing
– Decision Support Systems and Their Applications
– Dependability, Reliability and Fault Tolerance
– Digital Libraries, and Multimedia Databases
– Distributed, Parallel, P2P, Grid, and Cloud Databases
– Graph Databases
– Incomplete and Uncertain Data
– Information Retrieval
– Information and Database Systems and Their Applications
– Mobile, Pervasive and Ubiquitous Data
– Modelling, Automation and Optimisation of Processes
– NoSQL and NewSQL Databases
– Object, Object-Relational, and Deductive Databases
– Provenance of Data and Information
– Semantic Web and Ontologies
– Social Networks, Social Web, Graph, and Personal Information Management
– Statistical and Scientific Databases
– Temporal, Spatial, and High Dimensional Databases
– Query Processing and Transaction Management
– User Interfaces to Databases and Information Systems
– Visual Data Analytics, Data Mining, and Knowledge Discovery
– WWW and Databases, Web Services
– Workflow Management and Databases
– XML and Semi-structured Data

**** SUBMISSION GUIDELINES ****
Authors are invited to electronically submit original research contributions or experience reports in English. DEXA will accept submissions of both short (up to 6 pages) and full papers (up to 15 pages including references and appendixes). DEXA reserves the right to accept submitted full papers only as short papers, in which papers describe interesting and innovative ideas which still require further technical development.
Any submission that significantly exceeds length limits or deviates from formatting requirements may be rejected without review.

*** SUBMISSION PROCEDURE ***
Papers submission will be managed using EquinOCS Springer Nature Conference Proceedings Submission System.
Authors should consult Springer’s authors’ instructions (https://www.springer.com/gp/computer-science/lncs/conference-proceedings…) and use the proceedings templates, either for LaTeX or for Word, for the preparation of their papers.
Once you click on the submission link (https://equinocs.springernature.com/service/DEXA2023), you will be guided to the EquinOCS Login page, which will be open in your browser. Click on the button “Submit now”. This will guide you directly to the paper submission process. If you already have an account at EquinOCS you will be asked to Login. After Login you will be guided to the start page where you can start with your submission. If you do not have an account at EquinOCS yet, please follow the registration process. Once your Account has been created, an email will be sent to the email you have stated in the registration process. Please follow the instructions in this email to activate your account and start your submission.
Please refer to EquinOCS user guide (https://support.springernature.com/en/support/solutions/articles/6000245…) for more information.

**** REVIEW PROCESS ****
Submitted papers will be carefully evaluated based on originality, significance, technical soundness, and clarity of exposition.
Duplicate submissions are not allowed and will be rejected immediately without further review.
Authors are expected to agree to the following terms: “I understand that the submission must not overlap substantially with any other paper that I am a co-author of or that is currently submitted elsewhere. Furthermore, previously published papers with any overlap are cited prominently in this submission.”
Questions about this policy or how it applies to a specific paper should be directed to the PC Co-chairs.

**** ACCEPTED PAPERS ****
All accepted conference papers will be published in a volume of “Lecture Notes in Computer Science” (LNCS) by Springer Verlag. Authors of all accepted papers must sign a Springer copyright release form. Papers are accepted with the understanding that at least one author will register for the conference to present the paper. Authors of selected papers presented at the conference will be invited to submit extended versions of their papers for publication in Knowledge and Information Systems (KAIS), Springer (IF = 3.161) and Transactions of Large Scale Data and Knowledge Centered Systems (TLDKS), Springer. The submitted extended versions will undergo a further review process.

**** Program Committee Chair ****
– Christine Strauss, University of Vienna, Austria
– Toshiyuki Amagasa, University of Tsukuba, Japan

Program Committees please refer to DEXA2023 website

For further inquiries, please contact dexa@iiwas.org

Lien direct


Notre site web : www.madics.fr
Suivez-nous sur Tweeter : @GDR_MADICS
Pour vous désabonner de la liste, suivre ce lien.

Ingénieur·e de Recherche en statistique

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

Laboratoire/Entreprise : INRAE
Durée : indéterminée
Contact : nathalie.vialaneix@inrae.fr
Date limite de publication : 2023-03-20

Contexte :
L’unité de mathématiques et informatique appliquées de toulouse (MIAT) développe et met en oeuvre des méthodes mathématiques et informatiques dans le cadre de collaborations le plus souvent interdisciplinaires sur des thématiques d’intérêt pour INRAE. L’unité se compose de 2 équipes de recherche et 3 équipes plateformes. Vous exercerez vos missions au sein de l’équipe plateforme GENOTOUL Bioinformatique, dont les missions sont de développer les ressources nécessaires, d’accompagner les projets, et de contribuer à l’animation scientifique et à la formation en informatique, bioinformatique et statistique des utilisateurs de la plateforme. Elle regroupe 2 ingénieurs de recherche et 5 ingénieurs d’étude en bioinformatique ou administration système, ainsi que 3 chercheurs en bioinformatique et statistique pour une part de leur activité.

Sujet :
De manière croissante, la plateforme est sollicitée pour des appuis sur l’analyse et l’intégration de données omiques multi-échelles dans des projets en biologie souvent basés sur des plans d’expériences complexes. Vous devrez permettre à l’équipe de répondre plus largement aux besoins d’appui en statistique et contribuer au développement de chaînes de traitement pour l’analyse statistique, complétant les chaînes de traitement bioinformatiques déjà disponibles. Vous contribuerez à soutenir les efforts de la plateforme dans sa contribution aux grands programmes régionaux, nationaux ou internationaux (métaprogrammes INRAE, projets ANR et Europe, PEPR, etc), qui font appel à ce type de compétences. Les activités d’encadrement et d’animation font partie intégrante de ce profil de poste.

Profil du candidat :
Vous avez des connaissances approfondies sur l’analyse multivariée des données, la classification non supervisée, les modèles statistiques classiques (linéaires, linéaires généralisés, mixtes), la programmation (R et éventuellement python et C++) et les méthodes d’intégration de données multi-omiques. Des compétences en inférence et analyse de réseaux, méthodes de machine learning, analyses de séries temporelles, analyses et outils pour l’étude de l’enrichissement fonctionnel, etc, seraient un plus. Une grande capacité de gestion des projets (notamment l’utilisation d’outils de gestion de version), d’organisation et d’interaction avec les chercheurs biologistes partenaires de la plateforme est nécessaire. Des compétences sur la gestion des données (notamment pratiques FAIR) et la reproductibilité sont un plus souhaitable, ainsi qu’une expérience du calcul sur cluster. Vous appréciez le travail en équipe, avez un très bon relationnel, faites preuve d’initiative et d’autonomie.

Formation et compétences requises :
Master, diplôme d’études approfondies, diplôme d’études supérieures spécialisées, diplôme d’ingénieur.

Adresse d’emploi :
https://jobs.inrae.fr/concours/concours-externes-ingenieurs-cadres-techniciens-h-f/ir23-mathnum-1

Classification d’image par apprentissage actif

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

Laboratoire/Entreprise : Laboratoire de Mathématiques et Applications
Durée : 4 mois
Contact : farida.enikeeva@math.univ-poitiers.fr
Date limite de publication : 2023-03-20

Contexte :
La classification d’image est un problème classique de l’apprentissage supervisé. La qualité de décision prise par un algorithme d’apprentissage supervisé dépend beaucoup de la base d’apprentissage utilisée notamment du volume de données labelisées. Très souvent il est coûteux de constituer une base d’apprentissage solide, comme dans le domaine médical ou industriel présentant notamment une classe peu représentée. Dans ce cas il est quasiment impossible d’avoir un nombre suffisant d’observations dans la classe rare, et de plus, les classes de la base d’apprentissage seront très déséquilibrées. C’est donc important de savoir comment construire la base d’apprentissage en minimisant à la fois le coût et le taux d’erreur de classification. Nous proposons dans ce projet d’utiliser les méthodes d’apprentissage actif (active learning) pour pouvoir améliorer la qualité de classification en utilisant une base d’apprentissage de taille optimale. Plus précisément, on dispose d’une base relativement petite d’images étiquetées. On a l’accès à la décision d’un expert qui peut valider une ou plusieurs étiquettes d’images données et on peut donc améliorer les décisions de l’algorithme. Le travail de l’expert représente le coût de la construction de la base d’apprentissage. A chaque étape de l’algorithme, en fonction des décisions de l’expert on ajoute de nouvelles images à la base d’apprentissage et on choisit quelles images montrer à l’expert à l’étape suivante. Cette dernière est choisie en fonction d’une certaine mesure de proximité entre les images et doit améliorer la qualité de la décision et de la base à l’étape suivante, en améliorant l’algorithme de décision.

Sujet :
L’objectif de ce stage est de tester des méthodes d’apprentissage actif dans le contexte de la classification d’image. Il y a plusieurs questions à aborder, comme par exemple, le choix des descripteurs, la mesure de proximité entre les images et la classification multi-label. Ce stage sera financé par un projet commun entre l’Institut XLIM, l’entreprise Einden et le LabCom DAMIALab.

Profil du candidat :
Niveau master d’une école d’ingénieur ou université en mathématiques appliquées

Formation et compétences requises :
Expérience en modélisation, apprentissage statistique et analyse d’image numérique. Maîtrise de Python ou Matlab.

Adresse d’emploi :
Laboratoire de Mathématiques et Applications, Université de Poitiers

Document attaché : 202302221247_Stage_LMA_XLIM_Poitiers2023.pdf

GreenDays 2023

Date : 2023-03-27 => 2023-03-28
Lieu : Lyon

Après les dix dernières éditions fructueuses des journées GreenDays, nous organisons les GreenDays 2023 @ Lyon les 27 et 28 Mars 2023 sur le thème “Efficacité énergétique, impacts environnementaux du numérique, sobriété et frugalité numérique : une vision décloisonnée !”.

En 2023, la problématique d’un numérique plus éco-responsable recouvre différentes facettes et de nombreux scientifiques adressent ces sujets dans leurs communautés respectives. Il est temps de se rencontrer et de mettre en commun nos forces de recherche pour amplifier les impacts des travaux et réduire les impacts énergétiques et environnementaux du numérique.

C’est la question que les académiques et industriels réunis lors des Greendays@Lyon aborderont par l’intermédiaire d’exposés invités et de propositions soumises.

Si vous souhaitez présenter des travaux, envoyez une proposition aux organisateurs (greendays2023@listes.ens-lyon.fr) avec un titre, un résumé de l’exposé, un intervenant et une affiliation avant le 3 Mars 2023.

Ces journées francophones sont organisées en collaboration avec les GDR GPL, MADICS, RSD, RO, et SOC2. Elles entrent dans le cadre de l’action “Energie” du GDR RSD, avec le soutien du CNRS, d’Inria, de l’ASF et du GDS EcoInfo.

L’inscription est gratuite avant le 10 Mars 2023 (en fonction des places disponibles, pour des raisons de logistique). Cliquez ici pour vous inscrire http://perso.ens-lyon.fr/laurent.lefevre/greendayslyon2023/

Contact : Pour toute question, envoyer un email aux organisateurs des greendays@lyon : greendays2023@listes.ens-lyon.fr

Lien direct


Notre site web : www.madics.fr
Suivez-nous sur Tweeter : @GDR_MADICS
Pour vous désabonner de la liste, suivre ce lien.

Maître de conférence en Science des données

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

Laboratoire/Entreprise : StatSC / ONIRIS
Durée : CDI
Contact : veronique.cariou@oniris-nantes.fr
Date limite de publication : 2023-03-23

Contexte :
Un concours de Maître de Conférences en Science des données est ouvert à Oniris (Ecole Nationale Vétérinaire Agroalimentaire et de l’Alimentation) à Nantes. Oniris forme environ 1100 élèves, en proposant notamment des formations correspondant :
– aux métiers d’ingénieur en sciences de l’alimentation (diplôme d’ingénieur),
– aux métiers de vétérinaire (diplôme de docteur vétérinaire).

Sujet :
Au sein de l’unité d’enseignement Mathématiques Informatique et Statistique, l’enseignant-chercheur interviendra principalement dans le campus des Sciences de l’Alimentation auprès des élèves ingénieurs, avec des interactions possibles avec la filière vétérinaire.
Du point de vue de la recherche, l’enseignant-chercheur sera intégré à l’USC INRAE/Oniris StatSC (https://www.oniris-nantes.fr/la-recherche/statsc-usc).

Profil du candidat :
L’enseignant-chercheur devra avoir des connaissances et compétences solides dans le domaine de la science des données et posséder une appétence pour l’interdisciplinarité. Il/elle s’impliquera dans la vie collective de l’équipe et de l’établissement au travers de prises de responsabilités et de participations aux différentes instances.

Formation et compétences requises :
Plus d’informations et démarche de candidature sont consultables à l’adresse suivante : https://www.oniris-nantes.fr/accueil/travailler-a-oniris/#c22375

Adresse d’emploi :
Oniris Campus Science de l’Alimentation
Rue de la Géraudière, CS 82225, 44322 Nantes

Document attaché : 202302211721_Profil PosteMC_ScDonnees.pdf

On Managing Dynamic Knowledge Graphs

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

Laboratoire/Entreprise : LAMSADE – PSL Research University – Universit{
Durée : 3 ans
Contact : maude.manouvrier@lamsade.dauphine.fr
Date limite de publication : 2023-04-15

Contexte :
Knowledge graphs are gaining ground as a means of encapsulating and sharing domain knowledge. Large companies,
such as Amazon, Bosch, Google, Microsoft and Zalando, have already adopted knowledge graphs to represent and store
their knowledge bases. In addition to enabling the sharing, querying and retrieval of facts of interest to a business or
community, knowledge graphs have recently gained recognition and are becoming the backbone of cognitive artificial
intelligence. Gartner predicts that the application of knowledge graphs and graph mining will grow by 100% per year to
enable more complex and adaptive data science.

Sujet :
In the context of this thesis, we will focus on RDF knowledge graphs, probably the most widely used class of knowledge
graphs. A number of problems arise when managing these knowledge graphs, ranging from their construction to their
exploration and exploitation. We will mainly focus on the management of dynamic knowledge graphs. Indeed, knowledge
is intrinsically dynamic: the sources that feed the knowledge graph can undergo changes that have an impact on the
knowledge graph itself. Moreover, new promising sources can be added to the list of sources used to enrich the knowledge
graph, and other sources that are no longer relevant can be dropped, which in turn has an impact on the facts (nodes and
relations) composing the knowledge graph. The general objective of the thesis is therefore: To design new solutions to
assist knowledge graph providers and users to better handle the effects of dynamic knowledge graphs.
To achieve the above goal, a number of tasks will be undertaken, from state of the art review to design and implementation
of algorithmic solutions to:
1. Characterize the changes a knowledge graph, may undergo,
2. Identify the maintenance actions that can be undertaken to smoothly manage these changes, and
3. Assess and manage the impact on the applications that utilize the knowledge graph.

A 3-year fully funded PhD scholarship is proposed.
An internship is also possible on the same project (April to August 2023) – see http://www.madics.fr/event/offre983/

Profil du candidat :
Interested candidates are invited to send the following to khalid.belhajjame@dauphine.fr and maude.manouvrier@lamsade.dauphine.fr:
– academic CV
– academic transcripts of BSc and MSc
– one page motivation letter explaining why the candidate is suitable for the position
– contact details of two referees

Formation et compétences requises :
Master in Data or Computer Science or equivalent.
Solid skills in databases and knowledge graphs are required.
A good knowledge in algorithmic, programming and machine learning is appreciated.A good knowledge in algorithmic, programming and machine learning is appreciated.

Adresse d’emploi :
Paris Dauphine University, located in the city of Paris, and member of PSL (Paris Sciences et Lettres).

Document attaché : 202302211043_ManagingDynamicKnowledgeGraphs_PhDPositionParisDauphineLamsade.pdf

Explicabilité pour l’analyse d’opinions sur les médias sociaux

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

Laboratoire/Entreprise : ETIS UMR 8051
Durée : 6 mois
Contact : maria.malek@cyu.fr
Date limite de publication : 2023-02-21

Contexte :
Nous explorons dans nos travaux actuels portant sur l’analyse des médias sociaux, la combinaison de méthodes classiques d’exploration d’opinion avec l’analyse des réseaux sociaux et son impact sur la formation et la propagation d’opinion afin de construire un modèle d’opinion cohérent.
Afin d’étudier l’impact des utilisateurs influents (nœuds influents), nous intégrons dans un premier temps plusieurs facteurs d’influence extraits du réseau dans le processus d’exploration d’opinions. Ces facteurs sont généralement calculés en utilisant différentes mesures de centralité comme le degré, la proximité, l’intermédiarité, la centralité PageRank, etc.

Nous définissons et étudions ensuite la notion de la stabilité d’opinion au sein des réseaux égocentriques autour des influenceurs et au sein des communautés détectées, notre objectif étant de détecter la modification d’opinion pour les deux types de sous-réseaux.
Nous analysons les communautés obtenues afin de comprendre les opinions émergeantes à partir de ces communautés non seulement en fonction des profils utilisateurs mais aussi en fonction d’éléments topologiques. Nous souhaitons également proposer des indicateurs concernant la stabilité des opinions et d’autres liés à leurs changements.

Sujet :
Le but de stage est de proposer et d’intégrer une méthode d’explicabilité dans les algorithmes d’analyse d’opinions afin de produire des explications émergeantes qui combinent des informations nodales (comme le profil d’utilisateur) et topologiques extraites de la structure du graphe de propagation des opinions.
En intégrant une méthode d’explicabilité adéquate, nous souhaitons rendre plus compréhensible également les résultats concernant la polarité de l’opinion trouvée au niveau des utilisateurs et au niveau des groupes. De même, le modèle doit être capable d’expliquer les changements d’opinion détectés en lien avec les informations extraites du réseau de propagation et les séquences d’actions entreprises (par exemple : tweets, retweets, réponses) menant à ce changement.

Profil du candidat :
Master 2 ou dernière année d’école d’ingénieur

Formation et compétences requises :
Bonne connaissance en Machine Learning et en programmation Python.

Adresse d’emploi :
2 Av. Adolphe Chauvin, 95300 Pontoise, bâtiment A, 5 étage étage, laboratoire ETIS.

Document attaché : 202302210943_Stage_ETIS_M2_Explicabilite_AnalyseOpinion.pdf