Archives

ÉCOLE THÉMATIQUE DU CNRS : BDA MDD

Date : 2022-06-19 => 2022-06-19
Lieu : Bastia, Corse, France, Centre IGESA, La Marana

ÉCOLE THÉMATIQUE DU CNRS : BDA MDD
19 – 24 juin 2022, Bastia, Corse, France
https://cedric.cnam.fr/lab/confs/mdd2022/

LES INSCRIPTIONS SONT OUVERTES

Date limite d’inscription: 15 mai 2022
Le nombre de participants est limité (la priorité sera donnée aux doctorants).

Venez surfer sur les vagues de données avec nous !

L’ère des données est ici et maintenant. Dans une société et un environnement axés sur les données, les solutions d’intégration, d’analyse et de modélisation des données doivent fonctionner au-dessus de différentes architectures cibles. Les solutions, protocoles et technologies de base de données évoluent à un rythme élevé, ce qui ouvre des défis passionnants à relever par des approches de recherche et de développement.

L’école thématique CNRS MDD « Masses de données distribuées » est une école thématique récurrente ayant lieu tous les deux ans depuis 2010. Cette école est une émanation de la communauté des bases de données en France, structurée autour de la conférence BDA : Gestion de données – principes et applications, qui a fêté ses 30 ans d’existence en 2016. Si notre conférence est le lieu de rencontre de notre communauté, l’école thématique MDD permet d’exposer en détails des thèmes fondamentaux pour la compréhension de l’évolution de notre domaine de recherche, et de préparer les doctorant(e)s à suivre – et provoquer – ses évolutions.

L’école MDD s’est attachée lors des cinq premières sessions à aborder des thèmes liés à ces défis. La première session (2010), a ainsi traité des systèmes distribués de gestion de données et du Web sémantique ; la seconde session (2012) s’est consacrée aux opérateurs de traitement de requêtes à l’échelle du Pétaoctet, aux nouvelles sources d’information (réseaux sociaux), à l’intégration de données issues d’environnement indépendants ; la session de 2014 a été dédiée à la visualisation analytique de données, à la qualité des données et au crowdsourcing ; la session de 2016 a porté sur les processus intégrés d’analyse de données massives respectueux de la vie privée. En 2018, la session a traité du « Scalable Data Analytics » avec les moyens d’analyser les données à large échelle. La session de 2020 a malheureusement été suspendue durant la pandémie et reportée à 2022.

L’école MDD offrira un programme intensif et passionnant et un environnement de travail avec des expert.e.s qui donneront des cours et mettront en pratique les problèmes qui font avancer le domaine. Les activités scientifiques seront combinées à des discussions et activités informelles qui favoriseront l’émergence d’idées, de projets et d’expérimentations qui aideront les doctorants et les chercheurs à compléter leurs recherches actuelles.

— PROGRAMME —

19/6 : Dimanche après-midi : arrivée

6/20 : Lundi : Intégration de données hétérogènes : Sémantique et polystores, Ioana Manolescu, François Goasdoué, Maxime Buron

21/06 : Mardi : Matin : Systèmes de traitement des grands graphes
Angela Bonifati, Chao Zhang

Après-midi : Comment mener des expériences ?
Nicolas Travers

6/22 : Mercredi Matin : Déployer des applications de Deep Learning à l’échelle : le défi des bases de données,
Genoveva Vargas-Solar et Javier Espinosa

Après-midi : Evénement social

6/23 : Jeudi : Sécurité des données et confidentialité des données externalisées dans le Cloud
Amr el Abbadi, Tristan Allard

Tutorial le matin et session pratique l’après-midi.

6/24 : Vendredi : Départ le matin

Le public cible de cette école est principalement constitué de jeunes chercheurs dans le domaine des bases de données ainsi que dans des domaines connexes ou multidisciplinaires (gestion de grandes quantités de données pour des applications scientifiques par exemple). Par jeunes chercheurs, nous entendons les doctorants et post-doctorants. L’école est également ouverte aux enseignants-chercheurs et chercheurs plus expérimentés dans un but d’ouverture thématique, de création d’un réseau d’échange ou de reconversion. L’école s’adresse évidemment aux ingénieurs de recherche du secteur privé (R&D, startup, etc.).

Lien direct

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

Research Fellow (postdoctoral) position in the Computational Digital Pathology Lab of Bioinformatic

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

Laboratoire/Entreprise : Computational Digital Pathology Lab (CDPL) of Bioi
Durée : 1 an et +
Contact : yu_weimiao@bii.a-star.edu.sg
Date limite de publication : 2022-05-01

Contexte :
For a research overview of our unit, please refer to https://www.a-star.edu.sg/bii/research/ciid/cdpl

Sujet :
Novel imaging analysis methods and the advancement of Artificial Intelligence are making it feasible to extract quantitative information from Digital Pathology images. New knowledge, skills, and approaches are urgently required to develop novel, efficient and reliable computational tools for emerging challenges in biological and biomedical studies. Our CDPL is dedicated to the development of new solutions in this field. Currently, we are expanding our team and seeking enthusiastic scientists to join us!
Please email a detailed CV containing a list of publications to Dr. Weimiao YU, yu_weimiao@bii.a-star.edu.sg
Only shortlisted applicants will be notified.

Profil du candidat :
• Self-motivated scientist/Ph. D graduate to pursue a scientific career. Independent and passionate about biological image processing projects;
• Good team player. Able to undertake independent research projects under the direction of the PI together with other team members;
• Hold a Ph.D. in a relevant field of computer vision, image processing or machine vision, or other relevant fields;
• Good general knowledge and concept of science and engineering;
• Excellent scientific/technical writing skills and communication capability;
• Prior experience in working with image analysis projects (Industrial or academic).

Formation et compétences requises :
• Excellent experience, knowledge, and skills in one or two following programming languages, i.e., Matlab, C/C++, Java or Python;
• Excellent knowledge and skills in digital image processing;
• Deep understand of AI learning, machine learning and data science with hand-on skill and experience.
• Skills for numerical computational algorithms; Strong in mathematics theories.
• Rigid and logical thinking of scientific problems;
• General understanding of machine learning, pattern recognition, and artificial intelligence is a plus, but not compulsory;
• Basic knowledge of cell biology or pathology is a value-add;
• Present research achievements at internal/external seminars and conferences

Adresse d’emploi :
30 Biopolis Street, #07-01 Matrix, Singapore 138671

L’institut ACSS de l’Université PSL recrute des ingénieurs en science des données pour les sciences

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

Laboratoire/Entreprise : Institut ACSS, l’Université PSL
Durée : 1 an renouvelable
Contact : bruno.chavesferreira@dauphine.psl.eu
Date limite de publication : 2022-03-22

Contexte :
Dans le cadre du développement de l’Institut ACSS, l’Université PSL recrute deux ingénieurs d’études (IE) et un ingénieur de recherche (IR) en science des données. Ils seront chargés de mettre en œuvre des méthodes et outils de collecte et traitement de données issues de sources variées (Web, bases de données institutionnelles, archives, etc.). Ils auront également la responsabilité de veiller au respect des bonnes pratiques en matière de développement et de gestion du code et des données. Enfin, ils contribueront au développement de modèles statistiques ou d’apprentissage automatique (notamment dans le domaine du traitement automatisé de la langue naturelle).

Créé au sein de l’Université Paris Sciences et Lettres (PSL) et hébergé à Paris Dauphine, l’Institut « Applied Computational Social Sciences » a pour vocation de renforcer la recherche sur les grandes problématiques sociétales (cohésion politique et sociale, transition écologique, transformation numérique, efficacité et compétitivité économique) en articulant sciences des données et sciences sociales.

Sujet :
L’Institut collecte et traite à larges échelle des données hétérogènes tant pour permettre des avancées scientifiques que pour contribuer à éclairer le débat public et la décision. Il réunit sur une équipe pluridisciplinaire de chercheurs et s’appuie sur une équipe d’ingénieurs qui apportent leurs expertises pour constituer des bases de données originales et opérer des traitements complexes. Ces projets sont initiés et portés par des laboratoires du CNRS, de Dauphine, de l’ENS, de l’INSP, et des MinesParis-Tech. Les résultats des travaux ont vocation à être largement diffusés auprès de partenaires institutionnels et du monde économique.

Profil du candidat :
INGÉNIEUR D’ÉTUDES EN SCIENCE DES DONNÉES (2 POSTES)

Compétences nécessaires :
Connaissance approfondie de l’écosystème Python (et/ou R) en traitement, analyse et visualisation de données.
Maîtrise des bases de données relationnelles et NoSQL.
Méthodologies de développement : tests unitaires, gestion de versions (GIT).
Compréhension des méthodes scientifiques des sciences humaines et sociales.
Compétences additionnelles souhaitées :
Connaissance des paradigmes principaux d’apprentissage automatique (régression, classification supervisée, clustering, visualisation, etc.).
Pratique des services web modernes (architecture REST, formats JSON, XML, etc.) et des expressions régulières.
Une expérience en traitement de la langue naturelle (NLP) sera vivement appréciée.

INGÉNIEUR DE RECHERCHES EN SCIENCE DES DONNÉES (1 POSTE)
Compétences nécessaires :
Expérience dans le développement de réseaux de neurones profonds et autres modèles statiques avancés appliqués au traitement automatisé du langage sur de larges corpus.
Maîtrise des écosystèmes Python et R dédiés à la science des données.
Plus spécifiquement en Python, maîtrise de numpy, pandas, spacy, ntlk et connaissance pratique de tensorflow, keras et pytoch.
En R, maîtrise du tidyverse, de tidymodels et des bibliothèques associées, ainsi que de torch
Maîtrise des bases de données relationnelles et NoSQL.
Compréhension des méthodes scientifiques des sciences humaines et sociales.
Compétences additionnelles souhaitées :
Pratique des services web modernes (architecture REST, formats JSON, XML, etc.) et des expressions régulières.
Méthodologies de développement : tests unitaires, contrôle de versions (GIT).

Formation et compétences requises :
INGÉNIEUR D’ÉTUDES EN SCIENCE DES DONNÉES (2 POSTES)

Titulaire d’un master informatique, maths-info ou d’un diplôme d’école d’ingénieur.

INGÉNIEUR DE RECHERCHES EN SCIENCE DES DONNÉES (1 POSTE)
Diplôme d’ingénieur en informatique (ou mathématiques/statistiques) avec au moins 3 ans d’expérience ou titulaire d’un doctorat avec une thèse dans le domaine.

Adresse d’emploi :
Université Paris Dauphine-PSL
Pl. du Maréchal de Lattre de Tassigny, 75016 Paris

Document attaché : 202203221728_IngenieursACCS_fr.pdf

Deep learning for multi-modal satellite remote sensing

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

Laboratoire/Entreprise : CESBIO
Durée : 9 – 24 months
Contact : jordi.inglada@cesbio.eu
Date limite de publication : 2022-06-30

Contexte :
About CESBIO
════════════

Research at CESBIO aims to develop knowledge on continental biosphere
dynamics and functioning at various temporal and spatial scales and as
such participates in the specification of space missions and the
processing of remotely sensed data. CESBIO is or has been PI for 2 ESA
satellite missions (SMOS, the Soil Moisture and Ocean Salinity
satellite, and BIOMASS, a P-band SAR system to be launched in 2022)
and for the French-Israeli Venus satellite (2-day revisit, 10 m
resolution, optical sensor for vegetation monitoring, launched in
2017). CESBIO has developed the [`iota2′] processing chain for the
operational production of land-cover maps at the national French
scale. It has therefore a strong experience in upscaling learning and
classification processes. CESBIO has been committed over the last 4
years in collecting feedback, tailoring `iota2′ outputs for various
end-users, and disseminating it for several research institutes in
France.

[`iota2′]

Context
═══════

The [MAESTRIA] project (Multi-modAl Earth obServaTion Image Analysis)
aims to solve the methodological challenges related to the fully
automatic analysis of the massive amount of images acquired by Earth
Observation platforms. MAESTRIA targets to generate land-cover and
land-use descriptions at country scale at many spatial resolutions and
sets of classes. The ultimate goal is to provide a continuum of
spatially and semantically consistent products, that are relevant for
many end-users and applications. Both public policies at local or
national levels and scientific models will benefit from such kinds of
products for climate modelling, urban planning, crop monitoring or
impact assessment of surface changes.

The output of the MAESTRIA project will be two-fold: (i) methods that
leverage current challenges in Earth Observation image analysis; (ii)
a large range of precise and up-to-date land-cover maps available over
very large scales from 2m to 100m. Both will be made freely available
so as to stimulate research and commercial services built upon such
maps.

The current position integrates in and is funded by the MAESTRIA
project.

[MAESTRIA]

Application procedure
═════════════════════

Candidates should send an e-mail to jordi.inglada@cesbio.eu
containing:
1. Full CV
2. Letter of interest
3. Contact information for 2 references

Remuneration and duration
═════════════════════════

The gross monthly salary will be between 1800 € and 2200 € depending
on the experience. The contract may be reconducted up to 24 months in
the frame of another project.

Sujet :
Assignment
══════════

The work is dedicated to the fusion of heterogeneous information
coming from different satellite sensors in order to improve the
accuracy and semantic richness of the produced land cover maps.

In MAESTRIA, a new /pivotal/ representation of the multi-modal data is
being be developed in order to minimize the loss of information with
respect to the original data: *a set of common variables to all
modalities sampled at 10m resolution and daily revisit*. Two main
approaches will are developed in parallel: one based on (1) *physical
approaches* (models of the landscapes and the measuring mechanisms)
and the other one based on purely (2) *statistical approaches*. We pay
special attention to the possibility of cross-pollination of the two
approaches.

The specific tasks of the job cover the implementation and the
evaluation of representation learning algorithms (deep learning
networks). The work will be done under the supervision of the MAESTRIA
researchers.

Profil du candidat :
• Master’s or PhD in Applied Mathematics, Computer Science or Machine
Learning

Formation et compétences requises :
• Good programming skills in Python, knowledge of Pytorch will be
highly appreciated

Adresse d’emploi :
CESBIO
CNES – DSO/SI/CB – BPI 2801
18, avenue Edouard Belin
31401 Toulouse Cedex 09 – France

Document attaché : 202203221532_mmdc-position-cesbio-2022.pdf

Détection d’anomalies en apprentissage machine

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

Laboratoire/Entreprise : Laboratoire Informatique et Société Numérique (LIS
Durée : 3 ans
Contact : alexandre.baussard@utt.fr
Date limite de publication : 2022-04-22

Contexte :
La détection d’anomalies est un sujet important de l’analyse de données. La définition d’une anomalie peut varier en fonction du domaine d’application ou de l’objectif visé, mais généralement on considère que c’est une observation qui dévie considérablement du reste des autres observations comme si elle était générée par un processus différent. Ainsi, dans certains cas la détection d’anomalies peut permettre d’améliorer la qualité des données par suppression ou remplacement des données anormales. Dans d’autres cas, les anomalies traduisent un événement et apportent de nouvelles connaissances utiles. Par exemple, la détection d’anomalies peut prévenir un dommage matériel et donc inciter à la maintenance préventive dans le domaine de l’industrie. Elles peuvent aussi être signe de la présence d’un nouveau phénomène qu’il faudra essayer de prendre en compte, comme la détection d’une nouvelle classe.

Sujet :
L’apprentissage machine et plus particulièrement l’apprentissage profond (deep learning) permettent d’obtenir des performances très élevées lorsqu’on cherche par exemple à détecter et reconnaitre des objets ou encore à classifier des zones d’intérêt dans des images ou des vidéos. Cependant, en utilisation réelle, il faut décider si une nouvelle observation appartient à la même distribution que les observations existantes (utilisées lors de l’apprentissage), ou si elle doit être considérée comme différentes. Ce type de distinctions peut intervenir à deux niveaux selon les contextes. Dans un premier cas les données d’apprentissage contiennent des observations aberrantes qui sont définies comme des observations éloignées des autres. Les estimateurs de détection des aberrations tentent donc d’ajuster les régions où les données d’apprentissage sont les plus concentrées, en ignorant les observations déviantes. Dans le second cas, les données d’apprentissage ne sont pas polluées par des valeurs aberrantes, mais ces dernières peuvent survenir lors de la phase de te. Dans ce cas, nous sommes intéressés à adjoindre aux méthodes de reconnaissance une aptitude à écarter les nouvelles observations aberrantes. Nous sommes donc intéressés à détecter si une nouvelle observation est une valeur aberrante. Il s’agit notamment d’éviter que le système prenne une décision, à tort, avec une grande confiance. Dans ce contexte, la détection d’une observation aberrante peut avoir différents intérêts car elle pourrait par exemple être liée à une information pertinente jamais rencontrée ou non apprise jusqu’ici. Il apparaît donc important de pouvoir détecter dans un premier temps ces anomalies et, dans un deuxième temps, d’essayer de les exploiter pour mettre en évidence d’éventuelles nouvelles données utiles.

Dans le cadre de ce projet, nous allons nous focaliser sur le deuxième cas, à savoir la détection d’anomalies en condition d’utilisation réelle. Notre objectif en développant ces méthodes de détection est double. Il s’agit d’éviter les erreurs et de progresser vers une meilleure compréhension du processus de prise de décision par ces systèmes souvent considérés comme des « boîtes noires », dont le fonctionnement interne n’est pas explicable. Cela devrait aussi contribuer à caractériser les éléments conduisant à la prise de décision, via par exemple un niveau de confiance dans la décision.

Profil du candidat :
Etudiant de niveau master 2 avec une formation universitaire ou école d’ingénieur.

Formation et compétences requises :
Le candidat devra avoir des compétences en mathématiques appliquées, informatique, statistique, sciences des données et traitement du signal et des images.

Une première expérience dans le domaine de l’apprentissage profond et dans l’utilisation des bibliothèques TensorFlow ou PyTorch seront des plus.

Adresse d’emploi :
Université de Technologie de Troyes

DOING@ADBIS 2022: 3rd workshop on Intelligent Data – from data to knowledge

Annonce en lien avec l’Action/le Réseau : DOING

Thème :

Databases, Natural Language Processing, Artificial Intelligence

Présentation :

The workshop focuses on transforming data into information and then into knowledge. The idea is to gather researchers to discuss two main problems :

++ how to extract information from textual data and represent it in knowledge bases;
++ how to propose intelligent methods for handling and maintaining these databases with new forms of requests, including efficient, flexible, and secure analysis mechanisms, adapted to the user, and with quality and privacy preservation guarantees.

Du : 2022-09-05

Au : 2022-09-05

Lieu : Politenico de Torino

Site Web : https://www.univ-orleans.fr/lifo/evenements/doing/?page_id=820

Poste MCF – Science de données

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

Laboratoire/Entreprise : LIS – Aix-Marseille Université
Durée : indéterminée
Contact : nicolas.durand@univ-amu.fr
Date limite de publication : 2022-03-31

Contexte :
Un poste MCF en Informatique (section 27) est ouvert au concours pour la rentrée 2022 à l’Université d’Aix-Marseille.

Enseignement : Polytech Marseille, département Informatique.
Recherche : LIS (UMR 7020), Pôle Science des données.

Mots-clés : science des données, apprentissage statistique, data mining, web sémantique, intelligence artificielle.

Référence GALAXIE : 1071

Sujet :
* Enseignement : affectation au département Informatique de Polytech Marseille, basé à Luminy. La personne recrutée renforcera le projet du département en Science de données en assurant des cours généraux ou plus spécifiques : algorithmique, systèmes de recommandation, BD NoSQL, etc. Les enseignements seront effectués aussi bien en formation initiale qu’en formation par apprentissage.

* Recherche : la recherche s’effectuera au Laboratoire d’Informatique et Systèmes (UMR 7020), au sein de l’une des équipes du pôle Science des Données. Dans le cadre de la mise en avant de la thématique IA-santé par l’université et la création d’un institut dédié, le laboratoire souhaite renforcer son potentiel recherche sur le sujet dans une équipe du pôle SD. Une expérience avérée des relations avec le monde médical sera particulièrement appréciée, ainsi que la volonté de développer des pistes de recherche conjointement avec les partenaires hospitaliers et universitaires de l’institut Laënnec.

* Contacts :
– Enseignement : Stéphane Ayache, directeur du département Informatique de Polytech Marseille : stephane.ayache@univ-amu.fr
– Recherche : Frédéric Béchet, directeur du LIS : frederic.bechet@lis-lab.fr (et les responsables d’équipes) .

Profil du candidat :
Doctorat Informatique ou équivalent.

Formation et compétences requises :
Qualification section 27.

Adresse d’emploi :
Laboratoire LIS – Polytech Marseille.

Poste MCF – Aix-Marseille – Recherche d’information / Fouille de données

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

Laboratoire/Entreprise : LIS – Aix-Marseille Université
Durée : indéterminée
Contact : patrice.bellot@univ-amu.fr
Date limite de publication : 2022-03-31

Contexte :
un poste MCF (ref. Galaxie 1067) est ouvert au concours à l’IUT
d’Aix-Marseille (site Aix-en-Provence) / laboratoire LIS dans le pôle
« Science des données ».

Côté recherche, il concerne plus particulièrement les équipes R2I
(Recherche d’information et Interactions) et DANA (Data miNing at
scAle).

Date limite de soumission : 31 mars à 16:00

Plus d’information ci-dessous et en suivant le lien Galaxie :
https://www.galaxie.enseignementsup-recherche.gouv.fr/ensup/ListesPostesPublies/ANTEE/2022_1/0134009M/FOPC_0134009M_1067.pdf

NB : D’autres postes MCR et PR sont ouverts au LIS, certains
selon des profils proches de celui-ci. Voir :

Offre de poste PR ou MCF

Sujet :
Candidature avant : 31/03/2022

Modalité :
Les candidatures seront à déposer sur Galaxie, l’application sera
ouverte le 24 février 10:00 et la date limite de soumission est le
31 mars à 16:00 (heure de Paris).

Contacts :
Recherche : Frédéric Béchet frederic.bechet@lis-lab.fr
Enseignement : Vincent Risch vincent.risch@univ-amu.fr

Une attention particulière doit être prêtée aux recommandations
générales formulées par la CNU 27 quant à la rédaction du dossier :
https://cnu27.univ-lille.fr/qualification-note.html

Résumé :

Compétences particulières requises :
Une compréhension de l’organisation de la pédagogie que sous-tend
l’Approche Par Compétences telle qu’implémentée dans le nouveau
Bachelor Universitaire de Technologie sera bienvenue.

Enseignement :
Filière de formations concernées : Bachelor Universitaire de
Technologie (BUT) Informatique.
Objectifs pédagogiques : Prise en charge et suivi de cours, TD, TP,
projets, tout au long des trois années du BUT Informatique. Sont
plus particulièrement concernés les enseignements d’Architecture,
Systèmes et Réseaux, Conception et Développement d’Applications, mais
aussi Algorithmique et Programmation.
Les informations relatives à ces enseignements se rattachent au
Programme National du Bachelor Universitaire de Technologie dans la
spécialité Informatique.

Recherche :
La personne recrutée s’intégrera au pôle Science des Données du
Laboratoire Informatique et Systèmes (LIS). Une préférence sera donnée
aux thèmes de recherche des membres du pôle enseignant sur le site
aixois, et plus particulièrement au Département Informatique de l’IUT.
Ces thèmes relèvent essentiellement des équipes DANA (Data miNing at
scAle) et R2I (Recherche d’Information et Interactions) — sans que cela
n’exclue les autres thématiques du pôle.
Équipe DANA : la personne recrutée développera, en collaboration avec
les autres membres de l’équipe, des méthodes et algorithmes pour
l’extraction de motifs qui représentent des relations entre items, des
modèles thématiques, et plus généralement l’analyse de données
spatio-temporelles. Les recherches menées peuvent aussi concerner
l’analyse formelle de concepts.
Équipe R2I : la personne recrutée devra mener des recherches autour des
thèmes de la recherche d’information dans le contexte des interactions,
et notamment : le traitement, l’exploitation et l’analyse de documents
hétérogènes (articles, pages Web, réseaux sociaux, transcriptions de
l’oral depuis des vidéos) leur couplage avec des données multimodales
(voix, suivi visuel, données physiologiques), porteuses d’informations
émotionnelles, internes aux documents ou acquises auprès d’utilisateurs
de systèmes de recherche interactifs. Un point important est la prise
en compte du contexte et de composantes personnalisées et subjectives
pour des modèles non strictement informationnels de la pertinence. La
rareté des données et la nécessaire protection des données personnelles
demandent de favoriser les recherches vers des algorithmes peu
gourmands. En outre, les recherches pourront se diriger vers des
algorithmes proposant des modèles joints ou hybrides permettant
d’obtenir une meilleure expressivité et une meilleure diversité.

Mots clés : masse de données, science des données, fouille de données,
recherche d’information, analyse de sentiments et d’émotions.

Profil du candidat :
Doctorat Informatique ou équivalent

Formation et compétences requises :
Qualification section 27

Adresse d’emploi :
Laboratoire LIS – IUT Aix-Marseille

Autonomous Database Management System

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

Laboratoire/Entreprise : ORANGE- INRIA LILLE
Durée : 3 ans
Contact : patrick.royer@orange.com
Date limite de publication : 2022-03-31

Contexte :
These CIFRE ORANGE-INRIA

Sujet :
Database administration requires a high level of expertise. Its automation in distributed cloud environments can be improved through autonomous systems (ADBMS).

The ADBMS aims to manage without or with a minimum of human intervention, the operations of the life cycle of a database in production or non-production environments. It covers the self-driving of maintenance operations, self-security, self-healing.

The full description can be found here https://orange.jobs/jobs/offer.do?joid=110965&lang=EN

Profil du candidat :
The main objective of the thesis will be to study an autonomous function of a database management system (DBMS) used at Orange, able of maintaining a required level of QoS and QoE while optimizing the use of infrastructure resources and the need for human skills.

Formation et compétences requises :
The candidate must be fluent in French.

Adresse d’emploi :
The thesis will take place mainly in Guyancourt (France, 78) with regular trips to Villeneuve-d’Asq (France, 59) for 3 years.

Explication et les circuits pour l’évaluation de requêtes et le raisonnement logique

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

Laboratoire/Entreprise : INRIA Lille
Durée : 3 ans
Contact : pierre.bourhis@univ-lille.fr
Date limite de publication : 2022-03-31

Contexte :
Une offre de doctorant co-encadrée, par Antoine Amarilli et Pierre Bourhis dans le cadre d’une offre de thèse à Inria Lille, sur l’explication et les
circuits pour l’évaluation de requêtes et le raisonnement logique.

Sujet :
L’objectif de la thèse est d’étudier de façon fine les problèmes liés à
l’explication des raisonnements logiques faits dans plusieurs cadres :
l’explication d’interrogation de bases de données par des requêtes,
l’inférence de données par des règles logiques et l’exécution de
programmes définis par des règles logiques comme les data-centric
workflows.

Profil du candidat :
Le lien de candidature et plus d’informations sont disponibles sur le
portail Inria https://jobs.inria.fr/public/classic/fr/offres/2022-04484
et la date limite pour candidater est le 8 avril.

Formation et compétences requises :
Le candidate devra connaitre une formation en information théorique proche des bases de données ou de la logique ou de la compilation des connaissances

Adresse d’emploi :
pierre.bourhis@inria.fr