Archives

Poste d’Ingénieur-Chercheur en Gestion de connaissances, ontologies, web sémantique et apprentissage

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

Laboratoire/Entreprise : IRT SystemX
Durée : CDI
Contact : sana.tmar@irt-systemx.fr
Date limite de publication : 2022-06-30

Contexte :
Rattaché au domaine « Data IA », vous intégrez des projets collaboratifs composés d’ingénieurs-chercheurs, de chercheurs industriels et académiques, de post-doctorants et de doctorants. Vous reportez donc hiérarchiquement au Responsable d’équipe et opérationnellement aux Chefs de projet.

Vos missions principales consistent à :

Participer à l’élaboration des propositions méthodologiques, technologiques et architecturales de l’équipe projet en cohérence avec les attentes des partenaires industriels et les propositions des partenaires académiques ;
Analyser les cas d’usages des partenaires industriels et mener les travaux de recherche nécessaires pour lever ces verrous scientifiques et technologiques, produire les livrables correspondants ;
Réaliser, configurer et mettre en place les preuves de concept et les démonstrateurs conformément au contexte opérationnel des partenaires industriels ;
Documenter les travaux réalisés et participer aux transferts des résultats méthodologiques et technologiques vers les équipes des partenaires du projet ;
Contribuer à la dissémination et à l’élaboration de la roadmap scientifique et technologique de votre domaine.
Être référent de thèse (Ingénieur-chercheur référent, co-encadrement de thèse).
Etablir des collaborations avec des laboratoires académiques partenaires.
Conseiller et disséminer les bonnes pratiques permettant de capitaliser et de réutiliser les travaux de l’IRT.

Selon votre profil et vos préférences, vous pourrez évoluer par la suite vers un poste d’Expert, de Chef de projet ou/et Responsable d’équipe/Responsable d’axe.

Sujet :
Les missions seront amenées à évoluer selon les projets. Vous serez dans un premier temps rattaché au projet SMD (Sémantiques Métier pour l’exploitation de Données multi-sources) qui est un projet de coopération avec des acteurs de comme domaines Défense et sécurité, Réseaux ferroviaires, Production et fournisseur d’électricité, fournisseurs d’équipements (analyse des appels d’offres), Fournisseurs de technologies d’analyse des contenus et de données multimédia, etc.

Le projet s’inscrit dans le cadre du programme d’Intelligence Artificielle et d’Ingénierie Augmentée (IA2) mis en œuvre par l’IRT SystemX. Ce projet a pour objectif de croiser des expertises multisectorielles et de mutualiser les efforts de R&D des partenaires sur la thématique de l’hybridation d’approches d’apprentissage numérique (ex. réseaux de neurones pour le traitement des textes, des images, des vidéos, …) et d’approches d’IA symbolique pour l’extraction et la qualification des connaissances à partir de données hétérogènes.

Les missions seront amenées à évoluer selon les projets mais portent pour le démarrage sur :

Participer à la caractérisation des données disponibles ;
Analyser et traiter des documents multimédias ;
Développer ou faire évoluer des outils permettant de construire et utiliser des connaissances à partir de corpus de données hétérogènes :
Intégrer les connaissances dans un processus d’analyse et de traitement automatique ;
Proposer/évaluer des méthodes de génération automatique de graphes de connaissances (besoin adapté au cas d’usage industriel) ;
Concevoir et développer des preuves de concepts en gestion de connaissance ;
(Un plus) Utiliser des fonctionnalités de traitement automatique du langage naturel (NLP) ;
Enrichir les environnements de démonstration ;
Définir et développer de nouveaux schémas d’apprentissage et de fusion de données dans un contexte multimodal hétérogène (sémantique, structurelle, temporelle…)
Enrichir les environnements de démonstration ;

Profil du candidat :
Issu d’une formation Bac + 5 minimum, de profil ingénieur ou docteur avec une spécialisation dans la représentation de connaissance, ou en NLP.

Compétences techniques :

Maitrise des concepts, méthodes et algorithmes de construction, gestion et utilisation de connaissances (web sémantique, raisonnement, IA symbolique, …) ;
Maîtrise des concepts, méthodes et algorithmes de Machine Learning, notamment les approches de Deep Learning ;
Maîtrise des environnements logiciels pour la gestion des connaissances et le Machine Learning ;
Web sémantique : OWL, RDF, RDFS, SPARQL, SHACL
Des connaissances technologiques nécessaires pour la définition et la mise en œuvre des outils de Machine Learning (scikitlearn, tensorflow, pytorch) ;
Bonnes connaissances en conception et développement logiciel (python au minimum).
Connaissances souhaitées en adaptation de domaine et en transfert d’apprentissage;
La compréhension des problématiques fonctionnelles et des enjeux numériques des systèmes complexes ;
Les bases scientifiques indispensables pour la maitrise des modèles nécessaires à la formalisation des interactions entre différentes dimensions d’un système complexe ;

Qualités professionnelles et relationnelles :

Curiosité, esprit d’initiative, capacité d’analyse et rigueur
Adaptabilité et autonomie
Capacité à travailler en mode projet: suivi et avancement des travaux, valorisation et communication des résultats
Aisance relationnelle, capacité à travailler en équipe, très bonne communication orale et écrite (en français et anglais)

L’IRT SystemX est engagé en faveur de l’égalité des chances. A ce titre, tous nos postes sont ouverts aux candidats en situation de handicap.

Pour ce poste basé au sein du cluster Paris-Saclay (91), des déplacements occasionnels sont à prévoir en région parisienne. Vous travaillerez au sein d’une équipe jeune, sur des projets attractifs et vous bénéficierez d’avantages tels que : mutuelle intéressante, subvention de l’employeur pour la restauration, 3 semaines de congés en plus du légal, congés supplémentaires en fonction de l’ancienneté, 1% logement, comité économique et social, partenariat avec Science Accueil permettant aux collaborateurs étrangers d’obtenir notamment un accompagnement dans les démarches administratives.

Au cours de notre processus de recrutement, vous rencontrerez le responsable d’équipe, le chef de projet et une collaboratrice du service RH puis éventuellement le Directeur Recherche & Technologies de notre institut.

Formation et compétences requises :
–

Adresse d’emploi :
Tous les détails à l’adresse suivante :
https://www.irt-systemx.fr/recrutement/ingenieur-chercheur-en-gestion-de-connaissances-ontologies-web-semantique-et-apprentissage-f-h/

Maximum de vraisemblance et apprentissage informé pour l’imagerie dynamique en réseau

Offre en lien avec l’Action/le Réseau : BigData4Astro/– — –

Laboratoire/Entreprise : ENS-ParisSaclay/SATIE
Durée : 36 mois
Contact : pascal.larzabal@universite-paris-saclay.fr
Date limite de publication : 2022-06-30

Contexte :
Le “Square Kilometer Array” (SKA) [1-2] est un projet de radiotélescope géant, de surface collectrice équivalente à un kilomètre carré. Il est constitué de plusieurs réseaux interférométriques dans les longueurs d’onde métriques et centimétriques. Il est prévu de déployer SKA sur deux sites, l’un en Afrique du Sud (SKA-mid pour les hautes fréquences) et l’autre en Australie (SKA-low pour les basses fréquences). Le déploiement se déroulera en deux phases séparées dans le temps: La phase 1 (SKA1) débute en 2021 par la construction prévue pour 2030 d’environ 200 antennes paraboliques (15 m de diamètre, bande passante 350MHz-13GHz) en Afrique du Sud et 130 000 antennes phasées (antenne log périodique à double polarisation bande passante (50MHz-350MHz) travaillant aux basses fréquences dans l’ouest australien. Ce radiotélescope géant sera évolutif mais une mise en service partielle aura lieu dès 2024. Dans cette configuration, SKA1 représentera un saut qualitatif immense par rapport aux instruments existants, et permettra des avancées décisives dans toutes les thématiques de l’astrophysique et de la physique modernes, comme la cosmologie, l’origine des champs magnétiques cosmiques, les ondes gravitationnelles, le milieu interstellaire, la formation des étoiles aux différentes époques de l’univers, les sursauts radio rapides … Depuis le début, SKA a été conçu pour accéder à un champ d’exploration exceptionnel au travers de la combinaison de caractéristiques (sensibilité, champ de vue, résolution, couverture en fréquence) qui seront d’un ordre de grandeur supérieur à celles des instruments radio à basses et moyennes fréquences existants. Une capacité; sans égale d’obtenir des images très nettes avec des temps de pose assez courts permettra à ce nouvel observatoire de balayer le ciel rapidement et en profondeur. La Phase 2 est envisagée pour les années 2030+. Dans cette configuration finale, SKA2 sera l’instrument ultime de la radioastronomie basse-fréquence du 21ème siècle. Dès la phase1 SKA1 sera l’une des plus formidables machines jamais déployées par l’homme, et de loin la plus impressionnante en termes de débit de données et de puissance de calcul engagée.

Sujet :
La problématique

L’imagerie radioastronomique du ciel est traditionnellement effectuée par des techniques d’interférométrie dont le pouvoir de résolution (finesse des détails de l’image) est directement lié à l’étendue du réseau d’antenne, c’est à dire la distance séparant ses antennes les plus éloignées [3-5]. Cela veut dire qu’avec les techniques d’imagerie actuelles l’amélioration ne peut passer que par des radiotélescopes de plus en plus ‘grands’. Ceci est d’autant plus contraignant que les fréquences analysées sont basses. C’est une course au gigantisme à laquelle se livre la communauté des radioastronomes. Concernant le contraste de l’image, il est intimement lié à la qualité de la déconvolution itérative utilisée et dont un représentant emblématique est l’algorithme CLEAN. Une telle déconvolution, si elle est mal maîtrisée, peut altérer de manière irréversible les images. La surface collectrice de SKA qui sera disponible, et par la même la sensibilité de l’instrument, est telle que pour envisager d’en exploiter pleinement la potentialité il est nécessaire de procéder à une rupture technologique dans les techniques d’imagerie employées. Il faut en proposer des plus performantes en changeant de paradigme.

Méthodologie et Solutions proposées

Il nous semble dès lors pertinent de développer des techniques d’imagerie par maximum de vraisemblance [6] car le pouvoir de résolution de ces dernières n’est pas limité par l’étendue du réseau mais uniquement par le nombre d’observations disponibles. Autrement dit, en ambiance stationnaire pour une configuration de réseau donnée, on peut améliorer le pouvoir de résolution en augmentant le nombre d’observations. Ceci n’est pas possible avec les techniques actuelles de radio interférométrie basées sur des transformées de Fourier bidimensionnelle. Les chercheurs en traitement du signal doivent accompagner la communauté des radioastronomes dans la mutation technologique qu’elle vit en passant des paraboles (limitées en dimension) aux réseaux phasés sur lesquels une formation de voies permet de synthétiser un radiotélescope numérique et très flexible [7]. Il faut dès lors changer aussi de paradigme dans les algorithmes d’imagerie pour exploiter pleinement les caractéristiques exceptionnelles de SKA. Les méthodes de maximum de vraisemblance ont déjà fait leur preuve dans plusieurs domaines, mais elles sont parfois délaissées à cause de leur prétendue grosses charges de calcul. Dans [8] nous avions montré sur le radiotélescope d’Arecibo (Porto Rico) comment une méthode de maximum de vraisemblance à faible cout calculatoire permettait de séparer les échos doppler provenant des hydrométéores, des échos provenant du vent en évitant d’utiliser 2 radars à des fréquences distinctes pour retrouver le profil du vent en altitude. Afin d’améliorer la résolution et le contraste des images, nous allons travailler ici sur des critères du maximum de vraisemblance paramétré ou non selon les a priori disponibles sur l’image à former [9]. Notons que de telles techniques n’ont a priori pas besoin de déconvolution. Une variante intéressante à étudier pourra être l’algorithme EM (Expectation-maximisation), car elle permet d’accélérer la convergence quand on ne peut pas traiter le Maximum de vraisemblance directement. Des extensions permettant de prendre en compte la polarisation des ondes, et même les 4 paramètres de Stokes seront développées. Ces différents critères sur lesquels sont basés nos algorithmes pourront éventuellement être régularisés par la norme 0 de la solution (l’image) afin d’exploiter la parcimonie de la solution recherchée [10]. En effet quand seules quelques sources sont présentes sur la carte du ciel, la quasi-totalité des pixels sont du bruit. Une telle optimisation est non convexe et non différentiable et sa résolution fera appel aux résultats d’optimisation les plus récents dans le domaine.

L’efficacité opérationnelle des algorithmes précédents repose cependant sur la validité et la précision du modèle exploité dans les algorithmes. Nous proposerons pour ces divers algorithmes une mise en œuvre sous forme d’’algorithm unrolling’[11]. En effet l’utilisation de ‘model based deep learning techniques’ permettra de donner des degrés de liberté au modèle de réception postulé. Le déroulement de l’algorithme itératif sur les couches successives du réseau de neurones bénéficiera de l’adjonction structurelle de paramètres supplémentaires liés aux connexions entre les neurones (par exemple les biais). Ces degrés de liberté supplémentaires pourront par exemple pallier la méconnaissance des paramètres de calibration (par exemple perturbations non maitrisées liées à la traversée de l’ionosphère). Il s’agit ici d’une alternative au deep neural network dont l’opacité de l’apprentissage statistique total peut s’avérer parfois déroutante. L’apprentissage évoluerait alors autour d’une boussole pointée et contrôlée par le modèle de l’observation. L’adaptation des paramètres supplémentaires serait seul sujet à un apprentissage statistique ‘aveugle’. Il sera alors intéressant de procéder à une comparaison des méthodes de traitement de problème inverse entièrement fondés sur le seul modèle de réception avec celles fondées sur le model based deep learning’ et aussi celles sur le total deep neural network. Une telle comparaison apportera sa pierre à l’édifice dans le débat qui a lieu à ce sujet entre les communautés traitement du signal d’une part et apprentissage statistique de l’autre.

Les retombées de ce travail sur l’imagerie à haute résolution par maximum de vraisemblance serviront les astrophysiciens dans leurs travaux de recherche mais ils pourront aussi intervenir dans la phase de définition et conception de l’après 2030 pour SKA. En effet rien n’est encore décidé sur l’emplacement des antennes qui resteront à installer.

Plan de travail
1 Bibliographie en radioastronomie et traitement d’antenne
2 Etude des limitations de l’interférométrie
3 Développement des méthodes du maximum de vraisemblance
4 Prise en compte de la parcimonie
5 Développement des méthodes dans un cadre de ‘model based deep learning’
6 Validation/Immersion dans un observatoire avec des radioastronomes

Références bibliographiques
[1] Chiara Ferrari Le Square Kilometre Array (SKA) : un radiotélescope géant pour étudier l’aube et l’évolution du cosmos Reflets phys. N°67 (2020) 10-14

[2] C. Ferrari et al., French SKA White Book – ”The French community towards the Square Kilometre” Array ”, Published by the SKA-France Coordination in collaboration with AS SKA-LOFAR, arXiv:1712.06950, 2017.

[3] E. Boyer, P. Forster et P. Larzabal, ‘Non Asymptotic Performance Analysis of Beamforming with Stochastic Signals’, IEEE Signal Processing letters.Volume 11, Number 1, pp. 23-25, Jan 2004.

[4] E. Boyer, P. Forster et P. Larzabal, ‘ Nonasymptotic Performance Analysis of Beamforming for Deterministic Signals’, IEEE Signal Processing letters.Volume 11, Number 1, pp. 20-22, Jan 2004 .

[5] S. J. Wijnholds and A.-J. van der Veen, “Fundamental imaging limits of radio telescope arrays” IEEE Journal of Selected Topics in Signal Processing, vol. 2, no. 5, pp. 613

Profil du candidat :
Candidat ayant effectué un master en mathématiques appliquées et/ou traitement du signal.

Formation et compétences requises :
mathématiques appliquées (statistique, optimisation, apprentissage)

Adresse d’emploi :
ENS-ParisSaclay : 660 Av. des Sciences Bâtiment, 91190 Gif-sur-Yvette

Semantic Graph Mining for Black-Box Optimisation

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

Laboratoire/Entreprise : LIP6, Sorbonne Université
Durée : 3 ans
Contact : marie-jeanne.lesot@lip6.fr
Date limite de publication : 2022-04-25

Contexte :
The general aim of the thesis is to exploit expert knowledge regarding properties of optimisation algorithms and problems, represented in the formal frameworks of ontologies and conceptual graphs, and to develop tools to extract automatically underlying correlations: the objective is to allow understanding the reasons why an algorithm is more appropriate than others to solve a problem depending on its characterisation and possibly to offer new tools to configure optimisation algorithms.

Sujet :
The thesis work will explore new methods for analysing conceptual graphs and in particular design dedicated frequent pattern mining algorithms: the aim is to identify subgraphs that occur frequently and can thus be interpreted as relevant regularities, exploiting the particular characteristics of conceptual graphs so as to improve both their efficiency and the relevance of the extracted patterns.
The developed approaches will be used for the exploitation of the OPTImisation algorithm benchmarking ONtology OPTION, with the general goal to derive recommendations for algorithm selection.
The thesis is expected to contribute at the cross-roads of the domains of knowledge representation, pattern mining and black-box optimisation.

Profil du candidat :
A Master’s degree in a quantitative field such as Computer Science, Engineering, Statistics, Operations Research, Mathematics is required. We expect willingness to conduct empirical research as well as experience with the python programming language. Since the student will be working in an international research team, they must be proficient in written and spoken English. Knowledge of French is not required. International students are very welcome to apply.

Formation et compétences requises :
Master’s degree in a quantitative field such as Computer Science, Engineering, Statistics, Operations Research, Mathematics
Python programming language

Adresse d’emploi :
LIP6, UMR7606
Sorbonne Université
4 place Jussieu
75005 Paris

Document attaché : 202204080914_2022thesisLIP6GraphMiningForBlackBoxOptimisation.pdf

GraphologIA : Actionner les méga-graphes de données dans les dataflows d’apprentissage automatique

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

Laboratoire/Entreprise : LIP6 – Sorbonne Université
Durée : 3 ans
Contact : Hubert.Naacke@lip6.fr
Date limite de publication : 2022-05-30

Contexte :
Projet doctoral pré-sélectionné par l’institut SCAI de Sorbonne Université
https://www.sorbonne-universite.fr/projets-proposes-en-2022-programme-instituts-et-initiatives

Contexte :
Omniprésence des méga-graphes. Dans de nombreux domaines applicatifs les objets étudiés sont structurés en graphe car ce modèle apporte de la flexibilité et de l’extensibilité dans la représentation des données et leur gestion: graphe de connaissances, d’interaction entre molécules, réseaux sociaux, relations entre lieux et événements. D’après Gartner, ces graphes seront au cœur de 80% des analyses de données dès 2025. Dans un contexte big data, la capacité d’acquisition de données ne cesse de croître et entraîne une croissance des besoins pour manipuler des graphes toujours plus grands, complexes et variables dans le temps. Ces derniers sont qualifiés de méga-graphes de données (big data graphs).

Sujet :
Voir le sujet détaillé sur :
http://www.sorbonne-universite.fr/sites/default/files/media/2022-03/03257_172_prd-scai-2022-graphologia-v2.pdf

L’objectif de cette thèse est de concevoir un framework efficace pour construire et analyser de manière automatique des méga-graphes à partir de données hétérogènes et dynamiques. Cela permettra d’exécuter plus efficacement à la fois la préparation des données d’apprentissage et l’entraînement du modèle d’apprentissage.
Ce framework devra permettre d’accomplir les tâches suivantes dans l’analyse et la préparation des données pour les tâches d’apprentissage :
● Compréhension fine des données initiales et de leur dynamique
● Unification et alignement de données
● Exécution incrémentale efficace du processus d’alignement du graphe

La clé de l’approche est un langage déclaratif de haut niveau pour définir chaque étape du cycle dit dit d’ingénierie IA
● Définition d’un langage déclaratif de haut niveau pour décrire de manière logique et déclarative le processus qui transforme les données initiales vers un graphe
● Conception de nouvelles méthodes d’indexation pour accéder de manière aléatoire à diverses zones du graphe, tout en minimisant la latence, quelle que soit la taille du graphe.
● Validation expérimentale du bénéfice du framework.

Profil du candidat :
M2 ou bac+5 en informatique

Formation et compétences requises :
Nous recherchons un.e candidat.e motivé.e avec des bonnes compétences en bases de données (SQL, indexation), algorithmique et programmation (Python, Java).
Des connaissances en optimisation de requêtes, en algorithmique sur les graphes et en apprentissage automatique sont un plus.

Adresse d’emploi :
LIP6, Sorbonne Université, 5 place Jussieu, 75005 PARIS

Document attaché : 202204070955_PRD_SCAI_2022_graphologIA_v3.pdf

Deep learning for wavefront sensing and control in view of exoplanet imaging

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

Laboratoire/Entreprise : Observatoire de Paris (LESIA) / ONERA (DOTA)
Durée : 3 ans
Contact : johan.mazoyer@obspm.fr
Date limite de publication : 2022-06-20

Contexte :
Direct imaging of circumstellar environments is aspiring to detect and analyze faint exoplanets (planet orbiting another star). The flux ratio between an Earth-like planet and a sun-type star is typically 10 billion in the visible, at a fraction of arcsecond. The observation and spectral characterization of these objects therefore require a combination of high angular resolution and of high contrast imaging techniques, with instruments called coronagraphs.

Sujet :
State of the art coronagraph designs (space or ground-based) are currently limited by residual aberrations, due to the atmosphere or directly to the optics surface quality. These aberrations create stellar leakage (speckles) in the focal plane that masks the fainter planets or disks. The goal of active instrumentation for coronagraphy is to correct these aberrations to detect exoplanets. Recent improvements in deep neural network architectures, as well as increasing computational capabilities, offer new solutions to control these aberrations. We propose to combine previous model-based control techniques with machine learning to produce fast and efficient correction of optical aberrations.

Profil du candidat :
We are looking for a candidate with a dual set of interests both in physics / Astronomy and in Computer Science / Applied math. The candidate can be a specialist in only one of those fields but should be willing to quickly learn about the other.
The mentoring team is composed of experts in Machine Learning / Astronomie / Applied Math to help the candidate lear efficiently in those subjects.

Formation et compétences requises :
Master degree in Signal/Image processing or Applied Math, with an interest in astronomy / experimental physics
Master degree in Physics or Astronomy or with an strong interest for AI and experimental physics

Level of French required: None

Level of English required: Advanced: You can speak the language more complexly, spontaneously and on a variety of topics.

Adresse d’emploi :
Observatoire de Paris, site de Meudon
5 Pl. Jules Janssen, 92190 Meudon

Training on Entrepreneurship

Date : 2022-05-30 => 2022-06-03
Lieu : Online

The Inn’EO Startech module aims at coaching PhD students and young researchers towards the spirit of innovation by putting them in a leadership position where they will have to act as a project manager to make one of their ideas a marketable prototype/product/project. Students will be put in the shoes of an entrepreneur and will develop skills that are useful when developing new projects, new research directions, new applications, or new companies.

Inn’EO Startech will be held from the 30th of May to the 3rd of June 2022 (25 hours). It will take place online with the InnEO e-learning platform. There is also the possibility to follow the training in physical in Toulouse France (Erasmus+).
DEADLINE TO APPLY: 15 of April, 2022
Call for application at https://inneospace.eu/wp-content/uploads/2022/03/InnEO-Startech-2022-Call-for-participation.pdf

InnEO Space PhD Project has received funding from the European Union’s Horizon 2020 research and innovation programme under Grant Agreement nº101006275.

Lien direct

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

Summer school: IA for EO For PhD or young researchers – no registration fees

Date : 2022-05-30 => 2022-07-29
Lieu : Online

During the Inn’EO Summer School, attendees (PhD students and young researchers) will develop new skills both in excellence (modern EO applications using machine and deep learning techniques) and soft skills that are useful for employability out of academics, while it can also useful in academic jobs. The program is divided into different sessions: lectures, working sessions, meetings with stakeholders, teachers and coaches from industry.

Inn’EO Summer School will be held from the 25th to the 29th July, 2022 (25 hours). The 2nd Inn’EO School will take place online.
DEADLINE TO APPLY: 15 of April, 2022
Call for application at https://inneospace.eu/wp-content/uploads/2022/03/InnEO-Summer-School-2022-Call-for-participation.pdf

InnEO Space PhD Project has received funding from the European Union’s Horizon 2020 research and innovation programme under Grant Agreement nº101006275.

Lien direct

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

Chaire de Professeur junior “Données pour des villes intelligentes durables”

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

Laboratoire/Entreprise : Laboratoire LIRIS UMR CNRS 5205
Durée : CDI
Contact : jean-marc.petit@insa-lyon.fr
Date limite de publication : 2022-05-09

Contexte :
Les défis environnementaux placent les villes dans la situation de devoir définir des formes d’organisation et de fonctionnement inédites : inventer de nouvelles manières d’habiter et de se déplacer, enrayer l’étalement urbain et densifier la ville existante, penser et produire les territoires en articulant mieux le local et le global. Tout cela participe de la construction d’une nouvelle réalité urbaine, appelé “ville intelligente durable”. Dans ce contexte, l’informatique comme discipline scientifique a toute sa place pour
contribuer à ces grands défis, comme l’a démontré la place importante du LIRIS au sein du LabEx IMU, Intelligence des Mondes Urbains.
De nombreuses problématiques scientifiques sont en lien avec ces défis où la donnée joue un rôle capital afin de « mieux appréhender la ville et son évolution » et aussi à prédire des
situations ou proposer des scénarios à des décideurs. La donnée est souvent géoréférencée, temporelle et se retrouve produite en masse. Ces masses de données permettent la compréhension de phénomènes diachroniques pour la ville durable. La donnée peut aussi être issue de relevés 3D donnant naissance à des nuages de points, des surfaces ou des volumes qu’il faut traiter afin de proposer des modèles géométriques, sémantiques et topologiques
appropriés.
Dans ce contexte, la création des jumeaux numériques est une problématique cruciale à partir de grandes masses de données acquises. Des problématiques connexes émergent comme
l’enrichissement des données ou des modèles géométriques pour produire des représentations adaptées, dédiées aux applications envisagées(voir par exemple « Virtual City Project » ou la plateforme modulaire UD-SV du LIRIS pour le traitement et de visualisation de données urbaines). L’interopérabilité des logiciels utilisant ces données est centrale, par exemple pour les coupler avec des systèmes de simulation de la pollution atmosphérique ou
de déplacements multimodaux.
Cela nécessite donc d’utiliser au mieux les nombreuses données de la ville à disposition et de travailler à l’interface de domaines comme l’urbanisme, la géographie, l’environnement, la sociologie, l’économie ou le droit. L’approche se veut délibérément pluridisciplinaire, holistique et systémique.
Au final, les problématiques relevant du LIRIS étudiées concernent la représentation, l’analyse, la modélisation, le traitement, la protection, la visualisation, l’interprétation et l’exploitation des données (temporelles, géoréférencées, 3D, images, …) du monde
numérique de la ville durable

Sujet :
Un poste de professeur junior (tenure-track) intitulée « Données pour les villes intelligentes durables » est à pourvoir à l’INSA de Lyon, avec une affectation recherche au LIRIS (UMR CNRS 5205) et une affectation enseignement au département informatique (IF).

Nous recherchons des candidat.e.s en informatique ayant démontré.e.s un intérêt pour les interactions interdisciplinaires en lien avec les enjeux de la ville intelligente et durable, notamment sur les thèmes suivants : Monitoring urbain, flux de données, masse de données, modélisation géométrique, doubles numériques, services, analyse d’images et de vidéo, numérique éco-responsable.

La fiche du poste (version anglaise et française) est disponible sur le site du LIRIS :
https://liris.cnrs.fr/emploi/chaire-professeur-junior-donnees-pour-villes-intelligentes-durables

Cette chaire est aussi disponible sur le portail d’applications Galaxie du Ministère :
https://www.galaxie.enseignementsup-recherche.gouv.fr/ensup/cand_postes_GALAXIE.htm

Profil du candidat :

La personne recrutée devra pouvoir justifier d’au moins deux ans de post-doctorat avec une expérience avérée à l’international et des résultats de recherche de premier plan.

Les excellentes candidatures en lien avec un des domaines cités seront considérés. Le.la candidat.e devra donc proposer un projet d’intégration en lien avec au moins une équipe du LIRIS. Le projet scientifique, au vu des moyens qui lui seront consacrés, doit donner lieu au renforcement de la dynamique internationale en relation avec des partenaires Européens (comme les Universités Techniques, les centres de recherches) ou internationaux. Il doit aussi venir s’inscrire à moyen terme dans une dynamique Européenne en s’appuyant en particulier sur les piliers 1 et 2 de Horizon Europe

Formation et compétences requises :

Nous recherchons des candidat.e.s en informatique ayant démontré.e.s un intérêt pour les interactions interdisciplinaires en lien avec les enjeux de la ville intelligente et durable, notamment sur les thèmes suivants : Monitoring urbain, flux de données, masse de données, modélisation géométrique, doubles numériques, services, analyse d’images et de vidéo, numérique éco-responsable.

Adresse d’emploi :
INSA Lyon, Doua, 20 Avenue Albert Einstein
69621 Villeurbanne Cedex

Le poste pourra être pourvu au 1er septembre 2022 sous forme d’un CDD de 4 ans, puis d’une titularisation comme professeur des universités à l’INSA Lyon au 1er septembre 2026.
Un package financier est associé à la chaire, avec notamment le financement d’un doctorat et d’un postdoc. Une charge d’enseignement de 64h par an pendant 4 ans devra aussi être assurée par le ou la titulaire de la chaire.

Document attaché : 202204050853_cpj_insa_lyon.pdf

Poste d’enseignant-chercheur en robotique

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

Laboratoire/Entreprise : U2IS
Durée : CDD/CDI
Contact : diru2is@ensta-paris.fr
Date limite de publication : 2022-04-30

Contexte :
L’ENSTA Paris est un établissement public d’enseignement supérieur et de recherche sous tutelle du ministère de la Défense. Elle a pour mission la formation d’élèves ingénieurs généralistes de haut niveau, d’étudiants de masters et de doctorat ainsi que la conduite d’activités de recherche. Elle est membre fondateur de l’Institut Polytechnique de Paris (IP Paris).
L’Unité d’Informatique & d’Ingénierie des Systèmes (U2IS) de l’ENSTA Paris regroupe les activités de recherche et d’enseignement de l’Ecole dans le domaine des sciences et technologies de l’information et de la communication. Elle développe des recherches dans le domaine de la conception et de la fiabilité des systèmes intégrant des processus décisionnels autonomes avec des applications dans les domaines du transport intelligent, de la robotique, de la défense et de l’énergie. Plus précisément, ses travaux portent sur la robotique, la vision, l’intelligence artificielle, les systèmes embarqués, le traitement du signal et de l’image et la conception et l’analyse de systèmes hybrides.

L’équipe « Systèmes Autonomes & Robotique » de l’U2IS conduit en particulier ses recherches dans les domaines suivants :
• Conception de Systèmes intégrant de l’Autonomie Décisionnelle à haut niveau de sûreté de fonctionnement,
• Perception & Vision pour la robotique et les véhicules autonomes
• Navigation, cartographie, planification
• Interaction Homme-Robot et Homme-Machine.
Cette équipe possède en particulier une forte expérience dans le domaine de l’apprentissage automatique, notamment pour l’analyse de scène et l’interaction homme-robot mais aussi pour la planification et la navigation.

Sujet :
Le titulaire du poste assurera une mission d’enseignant-chercheur de l’ENSTA Paris ce qui implique d’assurer des enseignements dans le domaine de l’informatique, l’électronique, de l’intelligence artificielle ou la robotique au sein de l’ENSTA Paris et de l’Institut Polytechnique de Paris et de conduire une activité de recherche au sein de l’U2IS dont les thématiques sont précisées ci-dessus.

En termes de recherche, il est attendu des candidats d’être en mesure :
• De contribuer au développement et au renforcement de l’activité de recherche en robotique de l’U2IS.
• De développer une activité de recherche partenariale avec les acteurs industriels partenaires de l’ENSTA Paris, principalement dans le monde de la Défense ou des Transports.
• De participer à la construction d’actions autour de la robotique et des systèmes autonomes au niveau de l’Institut Polytechnique de Paris.

Profil du candidat :
A l’instar d’un « tenure track », le poste proposé est un contrat à durée déterminée de 3 ans pouvant être renouvelé une fois qui sera transformé à terme en CDI pour les candidats ayant démontré leur intégration et un bon niveau de réalisations académiques et éventuellement industrielles au sein de l’équipe. L’ENSTA Paris peut accueillir les personnels fonctionnaires en détachement, en particulier les Maîtres de Conférences et les Professeurs de l’université ou les Chargés et les Directeurs de Recherche des organismes de recherche (CNRS, INRIA, …).

Le candidat, titulaire d’une thèse de doctorat, devra justifier :
• D’une expérience en recherche et enseignement en adéquation avec les besoins exprimés ;
• De publications scientifiques de haut niveau et en lien avec la thématique mentionnée ; des réalisations industrielles seraient un bonus ;
• D’une capacité à travailler en équipe tant pour l’enseignement que pour la recherche ;
• De qualités pédagogiques ;
• De pouvoir prendre des responsabilités et notamment de pouvoir piloter/coordonner un parcours d’enseignement.

Formation et compétences requises :
La qualification aux fonctions de maître de conférence ou de professeur des universités n’est pas requise mais sera appréciée.

Adresse d’emploi :
ENSTA Paris, U2IS; 828, boulevard des maréchaux; 91762 Palaiseau Cedex, France

Document attaché : 202204041414_ENSTA-U2IS-EC-Robotique-2022.pdf

Poste d’enseignant-chercheur en robotique mobile sûre

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

Laboratoire/Entreprise : U2IS
Durée : CDD/CDI
Contact : diru2is@ensta-paris.fr
Date limite de publication : 2022-04-30

Contexte :
L’ENSTA Paris est un établissement public d’enseignement supérieur et de recherche sous tutelle du ministère de la Défense. Elle a pour mission la formation d’élèves ingénieurs généralistes de haut niveau, d’étudiants de masters et de doctorat ainsi que la conduite d’activités de recherche.
L’Unité d’Informatique & d’Ingénierie des Systèmes (U2IS) de l’ENSTA Paris regroupe les activités de recherche et d’enseignement de l’École dans le domaine des sciences et technologies de l’information et de la communication.
Le laboratoire conduit en particulier des recherches dans les domaines suivants :
• Conception de Systèmes intégrant de l’Autonomie Décisionnelle à haut niveau de sûreté de fonctionnement ;
• Perception & Vision pour la robotique et les véhicules autonomes ;
• Navigation, cartographie, planification ;
• Interaction Homme-Robot et Homme-Machine ;
• Analyse, vérification et synthèse des systèmes de contrôle-commande avec prise en compte d’incertitudes bornées.
L’U2IS souhaite développer ses activités sur la robotique terrestre en extérieur, essentiellement pour les environnements non-structurés (champs, forêts, etc.). La conception de robots dans ce domaine demande une forte adaptabilité aux contraintes de l’environnement (p. ex., l’analyse de traversabilité du terrain) ce qui impose l’utilisation d’algorithmes sophistiqués. Ces algorithmes nécessitent des outils adaptés pour leur vérification afin d’assurer la garantie de bon fonctionnement.

Sujet :
L’Unité d’Informatique et d’Ingénierie des Systèmes (U2IS) de l’ENSTA Paris recrute un enseignement-chercheur (niveau maître de conférences ou professeur) dans le domaine des méthodes formelles (model checking stochastique, probabiliste ou abstrait, vérification en ligne, vérification d’algorithmes d’intelligence artificielle) appliquées à la robotique mobile. Un aspect important est la mise en œuvre des algorithmes sur des plateformes robotiques réelles.

La personne titulaire du poste assure une mission d’enseignant-chercheur de l’ENSTA Paris ce qui implique d’assurer des enseignements dans le domaine de l’informatique et de la robotique au sein de l’ENSTA Paris et de conduire une activité de recherche au sein de l’U2IS.

Profil du candidat :
Le candidat devra être titulaire d’une thèse de doctorat et justifier :
• d’une expérience en recherche et enseignement en adéquation avec les besoins exprimés ;
• de publications scientifiques de haut niveau et en lien avec la thématique mentionnée ; des réalisations industrielles seraient un bonus ;
• d’une capacité à travailler en équipe tant pour l’enseignement que pour la recherche ;
• de qualités pédagogiques ;
• de pouvoir prendre des responsabilités et notamment de pouvoir piloter/coordonner un Master ou un Mastère Spécialisé.

Le poste proposé est un contrat à durée déterminée de 3 ans pouvant être éventuellement renouvelé une fois et transformé à terme en CDI pour les candidats ayant de solides réalisations académiques et éventuellement industrielles. L’ENSTA Paris peut accueillir les personnels fonctionnaires en détachement, en particulier les Maîtres de Conférences et les Professeurs des universités ou les Chargés et les Directeurs de Recherche des organismes de recherche (CNRS, INRIA, etc.).

Formation et compétences requises :
La qualification aux fonctions de maîtres de conférences ou de professeurs des universités n’est pas obligatoire mais serait apprécié dans le dossier.

Adresse d’emploi :
ENSTA Paris, U2IS; 828, boulevard des maréchaux; 91762 Palaiseau Cedex, France

Document attaché : 202204041407_ENSTA-U2IS-EC-Robotique-Sure-2022.pdf