Archives

CIRCLE 2022 | 2nd edition of the Joint Conference of the Information Retrieval Communities in Europe

Date : 2022-07-04 => 2022-07-07
Lieu : Samatan, Gers, France





Call for Papers







Call for
Papers


SCOPE


The
second edition of CIRCLE will take place on July
4-7, 2022
at Samatan, Gers, south of France (50 minutes from Toulouse). More
information at https://www.irit.fr/CIRCLE/.


CIRCLE
arose
from a twofold wish to gather three national Information Retrieval
(IR) conferences and to offer young researchers the opportunity to
meet and discuss with senior researchers. CIRCLE is supported by the
ARIA French conference (CORIA, COnférence en Recherche
d’Information et Applications), the Spanish Conference on
Information Retrieval (CERI, Congreso Español de Recuperación
de Información), the Italian Information Retrieval Workshop,
and the Swiss IR community. The main objective of CIRCLE is to
propose a unique place for stimulating and disseminating research in
IR, where senior/industrial and early stage researchers (including
MSc and PhD students) can network and discuss their research results
in a friendly environment.






KEY
DATES



  • 25
    February 2022    :
    Long paper deadline


  • 18
    March 2022    :
    Short, resource, demo papers and extended abstracts deadline


  • 29
    April 2022:
    Papers notifications


  • 27
    May 2022    :
    Camera-Ready deadline







TOPICS
OF
INTEREST


CIRCLE
2022 welcomes both theoretical and experimental papers on core IR and
papers on connections between IR and close disciplines including but
not limited to natural language understanding and information
extraction. Relevant
topics include, but are not restricted to:



  • Search
    and ranking    .
    Research on core IR algorithmic topics, including IR at scale,
    covering topics such as:



    • Queries
      and query analysis


    • Web
      search, including link analysis, sponsored search, search
      advertising, adversarial search and spam, and vertical search


    • Retrieval
      models and ranking, including diversity and aggregated search


    • Efficiency
      and scalability


    • Theoretical
      models and foundations of information retrieval and access



  • Content
    analysis, recommendation and classification    .
    Research focusing on recommender systems, rich content
    representations and content analysis, covering topics such as:



    • Filtering
      and recommender systems


    • Document
      representation


    • Content
      analysis and information extraction, including summarization, text
      representation, readability, sentiment analysis, and opinion mining


    • Cross-
      and multilingual search


    • Clustering,
      classification, and topic models


    • IR
      and natural language processing



  • Domain-specific
    applications    .
    Research focusing on domain-specific IR challenges, covering topics
    such as:



    • Social
      search


    • Search
      in structured data including email search and entity search


    • Multimedia
      search


    • Education


    • Legal


    • Health,
      including genomics and bioinformatics


    • IR
      and digital libraries


    • IR
      and databases


    • Other
      domains such as enterprise, news search, app search, archival
      search



  • Artificial
    intelligence, semantics and dialog    .
    Research bridging AI and IR, especially toward deep semantics and
    dialog with intelligent agents, covering topics such as:



    • Question
      answering


    • Conversational
      systems and retrieval, including spoken language interfaces, dialog
      management systems, and intelligent chat systems


    • Semantics
      and knowledge graphs


    • Deep
      learning for IR, embeddings, and agents



  • Human
    factors and interfaces    .
    Research into user-centric aspects of IR, including user interfaces,
    behavior modeling, privacy, and interactive systems, covering topics
    such as:



    • Mining
      and modeling search activity, including user and task models, click
      models, log analysis, behavioral analysis, and attention modeling


    • Interactive
      and personalized search


    • Collaborative
      search, social tagging and crowdsourcing


    • Information
      privacy and security



  • Evaluation.
    Research that focuses on the measurement and evaluation of IR
    systems, covering topics such as:



    • User-centered
      evaluation methods, including measures of user experience and
      performance, user engagement and search task design


    • Test
      collections and evaluation metrics, including the development of
      new test collections


    • Eye-tracking
      and physiological approaches, such as fMRI


    • Evaluation
      of novel information access tasks and systems such as multi-turn
      information access


    • Statistical
      methods and reproducibility issues in information retrieval
      evaluation



  • IR
    architectures    .
    Research
    dealing with IR system architectures and scalability, covering
    topics such as:



    • String
      processing for IR


    • IR
      system scalability


    • Efficient
      text representations, indexing and ranking





Future
directions.
Research with theoretical or empirical contributions on new technical
or social aspects of IR, especially in more speculative directions or
with emerging technologies, covering topics such as:




    • Novel
      approaches to IR


    • Ethics,
      economics, and politics


    • Applications
      of search to social good


    • IR
      with new devices, including wearable computing, neuroinformatics,
      sensors, Internet-of-Things, vehicles




PAPER
SUBMISSIONS


Authors
are invited to submit one of the following types
of contributions:



  • Long
    original papers (from 6 to 9 pages including references) describing
    mature and original research results


  • Short
    original papers (from 3 to 5 pages including references) which
    typically discuss exciting new work that is not yet mature enough
    for a long paper, such as for example “doctoral papers”.
    In particular, novel but significant proposals will be considered
    for acceptance into this category despite not having gone through
    sufficient experimental validation or lacking strong theoretical
    foundation.


  • Resource
    and demo papers
    (from 3 to 7 pages including references). A     resource
    paper     describes
    IR test collections software tools made available to the IR research
    community.     Demo
    papers showcasing new technologies and prototypes in the cope of
    CIRCLE


  • Extended
    abstracts
    (up to 3 pages including references) containing descriptions of
    ongoing projects or presenting already published results







Manuscripts
should be submitted to CIRCLE’22’s Easychair site
(https://easychair.org/conferences/?conf=circle2022)
in PDF format and must be in English using the current ACM
two-column conference format.
Suitable LaTeX, Word, and Overleaf templates are available from the
ACM
Website
(use the“sigconf”proceedings template).


Long
and short
submissions must be anonymous
and will be
peer reviewed by at least 3 reviewers in a double-blind process by
the CIRCLE common program committee. Resource
and demo
submissions
as well as extended
abstracts
are not
anonymous
and will be peer reviewed by at least 3 reviewers in a single-blind
process by the CIRCLE common program committee


The
conference language for this track will be English. Each accepted
paper will be orally presented and will be part of the proceedings
which will be sent to CEUR-WS.org for online publication.










Lien direct

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

Amélioration d’un algorithme d’apprentissage automatique pour la reconnaissance de polluants fluorés

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

Laboratoire/Entreprise : CASC4DE
Durée : 6 mois
Contact : mad@casc4de.eu
Date limite de publication : 2022-02-28

Contexte :
CASC4DE est une entreprise spécialisée dans le développement de méthodes analytiques ainsi que dans l’ingénierie de logiciels et de données. Nous développons des solutions innovantes pour relever les défis de la gestion et du traitement de grands ensembles de données analytiques en combinant des compétences interdisciplinaires dans les domaines de la biochimie, des mathématiques et des sciences des données. En outre, la société mène sa R&D dans l’esprit de la science ouverte (données F.A.I.R. si possible) et de l’open-source (logiciels libres et indépendants). CASC4DE propose également des services pour répondre aux problématiques analytiques des clients. Nous proposons des approches multi-analytiques avec un accès à des techniques avancées de Résonance Magnétique Nucléaire (19F fluor, RMN 2D, 3D) ou de Spectrométrie de Masse (FTICR MS, 2D FTMS).

Sujet :
Le fluor est un élément commun mais non métabolisé dans les organismes vivants. Il fait partie de molécules artificielles largement utilisées dans l’industrie et les produits de consommation courante. Les molécules fluorées sont extrêmement résistantes et couramment utilisées dans la synthèse de produits, elles font partie des polluants de l’environnement et sont plus particulièrement connues sous le nom de POP (polluants organiques persistants). Des normes existent pour limiter la quantité de molécules fluorées présentes dans l’environnement mais aucune technique complète n’existe pour le moment pour détecter et identifier ces polluants fluorés. L’idée du projet ANR “FLUOVIAL” est d’atteindre cet objectif en utilisant la RMN 19F.
Le projet est conçu en plusieurs phases :
– acquisition de données RMN 19F de composés fluorés connus
– application d’algorithmes spécialement conçus pour le prétraitement des données
– développement d’un algorithme d’apprentissage automatique (Random Forest) sur les spectres prétraités pour effectuer une classification par molécules
– application de l’algorithme entraîné à des composés inconnus pour détecter et identifier les molécules fluorées
Ce projet sert de base au projet IPANEMA (https://www6.paca.inrae.fr/emmah/Equipes-de-recherche/Equipe-DISCOVE/Projets-en-cours/IPANEMA) financé par l’ADEME qui vise à développer des outils permettant de mieux prévoir le devenir dans les sols des polluants perfluorés (PFAS), très utilisés dans l’industrie.
L’algorithme Random Forest (RF) a été choisi parmi la grande quantité d’algorithmes d’apprentissage automatique disponibles et applicables dans le cas présent car il a fourni de bons résultats préliminaires. La RF est un algorithme d’apprentissage supervisé, avec tous les échantillons étiquetés, basé sur de multiples arbres de décision à partir desquels une prédiction finale est faite par un vote entre chaque arbre individuel. L’algorithme développé et optimisé a donné de bons résultats sur les exemples de la base de données, atteignant plus de 90% de bonnes prédictions.
L’idée durant le stage serait d’améliorer l’outil d’apprentissage automatique développé en :
– ajoutant des outils d’analyse de la Random Forest, notamment pour la recherche et l’évaluation des critères déclenchant la décision de classification
– mettant en évidence graphiquement les zones du spectre qui ont déclenché la décision de la Random Forest
– proposant la superposition du spectre expérimental inconnu, et des spectres de référence
– effectuant éventuellement une nouvelle optimisation de l’algorithme
– permettant l’analyse sur des mélanges

Profil du candidat :
Etudiant de M2 ou cycle ingénieur portant un intérêt aux méthodes d’analyses de données automatiques.

Formation et compétences requises :
Compétences de programmation en langage Python – Familiarité avec l’environnement Jupyter.

Adresse d’emploi :
Pôle API – Boulevard Sébastien Brant – 67400 Illkirch-Graffenstaden

Contacts: mad@casc4de.eu, laura.duciel@casc4de.eu

Documentalist CDS VizieR (Chargé-e du traitement des données scientifiques)

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

Laboratoire/Entreprise : Observatoire Astronomique de Strasbourg
Durée : 12 mois (renouvelabl
Contact : soizick.lesteven@astro.unistra.fr
Date limite de publication : 2022-02-10

Contexte :
Le Centre de Données astronomiques de Strasbourg (CDS) gère d’importantes bases de données qui servent de référence pour la communauté astronomique internationale. Le CDS développe des services en ligne qui permettent d’accéder à ces bases et aussi de les exploiter (http://cds.unistra.fr/). Le CDS compte parmi ses utilisateurs les agences spatiales (l’Agence Spatiale Européenne (ESA) et la NASA), les principaux observatoires, tel que l’Observatoire Austral Européen (ESO), ainsi que l’ensemble des instituts de recherche en astrophysique possédant une composante observationnelle.VizieR, en particulier, est une base de données de catalogues du ciel, qui traite plus de 500 000 requêtes par jour, reçues du monde entier.

——————————————————————————————————-
(english version)
The Strasbourg Astronomical Data Centre (CDS) provides scientific services that serve as a reference for the international astronomical community. The CDS develops online services that allow access to these databases and also to exploit them (http://cds.unistra.fr/). CDS users include space agencies (the European Space Agency (ESA) and NASA), major observatories such as the European Southern Observatory (ESO), as well as all astrophysical research institutes with an observational component. VizieR, in particular, is a service for astronomical catalogues which is heavily used by the community with more than 500,000 queries per day, received from all over the world.

Sujet :
Au sein d’une équipe de documentalistes (Chargés du traitement des données scientifiques), d’astronomes et d’informaticiens, vous serez chargé(e) de décrire, indexer, standardiser et vérifier des données tabulaires provenant des principales revues d’astrophysique pour alimenter la base de données VizieR, dans le but d’optimiser leur exploitation scientifique. Les documents sont écrits en anglais, langue principale de publication des articles scientifiques et des données en astrophysique.

Activités :
– Extraction, standardisation, description et mise en forme des données à l’aide d’outils spécifiques.
– Vérifications des données avant ingestion dans la base de données VizieR.
– Interaction avec les astronomes du Centre de Données astronomiques de Strasbourg (CDS).

———————————————————————————————-
(english version)
As part of a team of documentalists, astronomers and computer scientists, you will be responsible for describing, indexing, standardising and checking tabular data from the main astrophysical journals to feed the VizieR database, with the aim of optimising their scientific exploitation. The documents are written in English, the main language of publication of scientific articles and data in astrophysics.

Activities
– Extraction, standardisation, description and formatting of data using specific tools.
– Verification of data before ingestion into the VizieR database.
– Interaction with the astronomers of the Strasbourg Astronomical Data Centre (CDS).

Profil du candidat :
Bac + 3 ans minimum

Formation et compétences requises :
Connaissances :
– Expérience informatique souhaitée (UNIX, script, python, …)
– Astronomie ou capacité à apprendre l’astronomie (être à l’aise avec les données scientifiques et numériques)
– Anglais lu indispensable

Compétences opérationnelles :
– Rigoureux et autonome
Compétences comportementales :
– Goût du travail en équipe souhaité

——————————————————————————————————-
(english version)
Knowledge :
– Computer experience welcomed (UNIX, python, scripts)
– Astronomy knowledge or ability to learn astronomy (comfortable with scientific and numerical data)
– English reading/comprehension essential
Operational skills:
– Rigorous and autonomous
– Taste for teamwork desired

Adresse d’emploi :
Centre de Données astronomique de Strasbourg (CDS)
Observatoire astronomique de Strasbourg (ObAs), UMR 7550
11, rue de l’Université 67000 Strasbourg

Détection d’anomalies dans le cadre d’une maintenance préventive

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

Laboratoire/Entreprise : LIST3N/UTT
Durée : 6 mois
Contact : malika.kharouf@utt.fr
Date limite de publication : 2022-02-10

Contexte :
Collaboration de recherche entre deux des axes du laboratoire LIST3N.

Sujet :
Le but de ce stage est de développer une méthode d’apprentissage exploitant les données provenant de capteurs afin de détecter des anomalies dans le cadre d’une maintenance prédictive.

L’algorithme à développer sera basé sur de récents résultats de la théorie des matrices aléatoires.

Profil du candidat :
Etudiant en M2 mathématiques appliquées ou dernière année d’école d’ingénieurs, avec une spécialisation dans la science des données et/ou en apprentissage statistique.

Formation et compétences requises :
Le(la) candidat(e) devra avoir des connaissances académiques en apprentissage statistique, en modélisations numériques et en programmation (Python, Matlab, …).

Adresse d’emploi :
Université de technologie de Troyes
12 Rue Marie Curie, 10300 Troyes

Ingénieur de recherche / Postdoc à INRIA Montpellier

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

Laboratoire/Entreprise : INRIA
Durée : 3 ans
Contact : reza.akbarinia@inria.fr
Date limite de publication : 2022-03-31

Contexte :
Ce poste est proposé dans le cadre d’un projet de recherche (Promise, https://pro.inserm.fr/wp-content/uploads/2021/12/plaquette-PROMISE.pdf) dont l’objectif est de créer un entrepôt de données pour intégrer les données des partenaires du projet liées à l’antibiorésistance. Le développement de l’entrepôt de données sera réalisé en collaboration avec l’équipe Zénith de l’Institut national de recherche en sciences et technologies du numérique (INRIA). L’équipe Zenith, experte en gestion des données scientifiques, a une solide expérience dans le traitement de grandes quantités de données produites par différentes méthodes.

Sujet :
Les principales activités de la personne recrutée sont les suivantes :
• Concevoir un entrepôt de données pour stocker des grands volumes de données.
• Échanger avec les partenaires pour établir au mieux la signification et les possibilité. d’interrogation sur les données, en particulier en les croisant avec celles des autres partenaires.
• Intégrer les données des partenaires dans l’entrepôt de données.
• Créer des pages web pour visualiser les résultats des requêtes et mettre à jour les données.

Profil du candidat :
Ingénieur (Bac +5) ou titulaire d’un doctorat

Formation et compétences requises :
Compétences techniques et niveau requis :
• Expérience dans le développement des systèmes de gestion de données NoSQL, en particulier MongoDB ou Cassandra.
• Connaissance du développement des sites web.

Adresse d’emploi :
Équipe Zenith, Inria, Montpellier

Asynchronous MCMC algorithms for fast Bayesian inference

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

Laboratoire/Entreprise : CRIStAL UMR 9189 (Lille)
Durée : 3 ans
Contact : pierre.chainais@centralelille.fr
Date limite de publication : 2022-09-15

Contexte :
The project is part of the ANR Chaire IA SHERLOCK (Fast inference with controlled uncertainty: application to astro- physical observations) led by Pierre Chainais (co-funded by Agence Nationale de la Recherche (ANR), ISITE, Centrale Lille Institut and Région Haut-de-France). The succesful candidate will be jointly supervised by Pierre Chainais and Pierre-Antoine Thouvenin in the CRIStAL lab (UMR 9189), Lille, France.
This work will be conducted in the continuity of an ongoing collaboration initiated by Pierre-Antoine Thouvenin with Audrey Repetti – research associate at Heriot-Watt University – and Pierre Chainais. There will be opportunities for short or longer stays at Heriot-Watt University.
The successful candidate will have access to the medium scale computing center from the Universtiy of Lille, and the national flagship Jean Zay supercomputer.

Sujet :
1 Project overview
This project is aimed at accelerating MCMC algorithms for fast Bayesian inference in large scale problems. Applications in astronomy (e.g., hyperspectral imaging) or in remote sensing (e.g., multimodal multi-temporal source separation) could be considered. The project is part of the ANR Chaire IA SHERLOCK led by Pierre Chainais (co-funded by ISITE, Centrale Lille Institut and Région Haut-de-France).
Many signal and image processing applications, ranging from astronomy (Abdulaziz et al. 2019; Cai et al. 2018) to remote sensing (Borsoi et al. 2021; Ghamisi et al. 2019), involve large datasets. In absence of ground truth, fast parameter inference under controlled uncertainty is critical to guarantee the quality of the resulting predictions.
Asynchronous (parallel or distributed) optimization algorithms have recently regained interest due to their potential of acceleration, in comparison with their synchronous counterparts (Hannah et al. 2017). However, optimization algorithms only bring a point estimate, such as the maximum a posteriori (MAP) estimator. Markov-chain Monte Carlo (MCMC) methods bring a richer information by sampling the posterior distribution of the model. MCMC methods are known to induce larger computational costs compared to optimization algorithms. Nevertheless, recent works at the interface between deterministic and stochastic optimization have introduced efficient samplers to address larger datasets (Durmus et al. 2018; Vono et al. 2020). With the exception of (Simsekli et al. 2018; Terenin et al. 2020), asynchronous MCMC algorithms largely remain to be investigated.
This PhD project is aimed at studying the potential of asynchronous MCMC algorithms for fast Bayesian inference in high dimensional problems.
Keywords. Bayesian inference, MCMC algorithms, asynchronous algorithms.

Profil du candidat :
Master 2 or last year engineering school students with major in applied mathematics, computer science or electrical engineering. The project requires a strong background in data science and/or machine learning (statistics, optimization), signal & image processing. Very good Python coding skills are expected. A B2 English level is mandatory.
Knowledge in C++ programming, as well as experience or interest in parallel/distributed code development (MPI, OpenMP, CUDA, …) will be appreciated.

Formation et compétences requises :
A B2 English level is mandatory.
Knowledge in C++ programming, as well as experience or interest in parallel/distributed code development (MPI, OpenMP, CUDA, …) will be appreciated.

Adresse d’emploi :
CRIStAL, Cité Scientifique, 59651 Villeneuve d’Ascq Cedex

Document attaché : 202201242015_phd_project_2022.pdf

Stage de M2 : Algorithmes asynchrones pour l’inférence bayésienne

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

Laboratoire/Entreprise : CRIStAL UMR 9189, Lille
Durée : 6 mois
Contact : pierre.chainais@centralelille.fr
Date limite de publication : 2022-09-15

Contexte :
Centre de Recherche en Informatique, Signal et Automatique de Lille (UMR 9189 CRIStAL), Villeneuve d’Ascq, France.

Dates: Starting date between March and April 2022, 4 to 6 months internship.

Pierre-Antoine THOUVENIN (pierre-antoine.thouvenin@centralelille.fr), € https://pthouvenin.github.io/
Pierre CHAINAIS (pierre.chainais@centralelille.fr),
€ pierre.chainais@centralelille.fr

The intern will be jointly supervised by Pierre Chainais, professor at Centrale Lille, and Pierre-Antoine Thouvenin, assitant professor at Centrale Lille. The internship will take place in the Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL, UMR 9189), France, within the SigMA team.
This project is part of the ANR Chaire IA SHERLOCK (Fast inference with controlled uncertainty: application to astrophysical observations) led by Pierre Chainais (co-funded by Agence Nationale de la Recherche (ANR), ISITE, Centrale Lille Institut and Région Haut-de-France). Participation to a national or international workshop is considered.
Period and continuation in PhD
This 4 to 6-months internship will start between March and April 2022. The precise start and end dates will be adjusted depending on the availability of the candidate. The intern will be granted the usual stipend of ∼ 600 euros/month (3,90 euros/hour).
This M.Sc. project may be continued as a PhD thesis, for which a grant is already secured for the period 2022-2025 thanks to the ANR Chaire IA SHERLOCK.

Keywords. Bayesian inference, continuous optimization, distributed asynchronous algorithms, MCMC methods.

Sujet :
Bayesian inference is a usual approach to estimate parameters from a dataset, a typical setting underlying the resolution of inverse problems. An inverse problem consists in estimating a collection of parameters involved in a physical model from degraded and noisy observations, e.g., reconstucting an image from noisy incomplete observations of the sky in radio- astronomy. In many signal and image processing applications, especially in astronomy (Abdulaziz et al. 2019; Cai et al. 2018) and remote sensing (Ghamisi et al. 2019), no ground truth is available. Fast parameter inference under controlled uncertainty is thus critical to guarantee the quality of the resulting predictions. Indeed, different values of a parameter can be associated to different physical processes, for instance in remote sensing source separation in presence of outliers.
Inference cost can be large, and increases significantly with both the number of observations (large dataset) and param- eters to be inferred (high dimensional problem). Typical signal and image processing applications lead to the resolution of high-dimensional inverse problems, relying on large datasets. Asynchronous (parallel or distributed) optimization al- gorithms have recently regained interest due to their potential of acceleration to form an estimator, in comparison with their synchronous counterparts (Hannah et al. 2017).
The project is aimed at investigating the potential of asynchrony to accelerate distributed optimization algorithms amenable to a Single Program Multiple Data (SPMD) implementation. We will study several aspects, such as the algo- rithm convergence, the resulting estimation quality and inference time. Applications to the resolution of inverse problems in remote sensing or astronomy will be considered.
Depending on the evolution of the project, the study will be extended to a few selected Markov-chain Monte Carlo (MCMC) methods (Durmus et al. 2018; Simsekli et al. 2018; Terenin et al. 2020) to provide estimators with quantified uncertainty, beyond the point estimate provided by optimization algorithms.
This M.Sc. project may be continued as a PhD thesis, for which a grant is already secured for the period 2022-2025 thanks to the ANR Chaire IA SHERLOCK.

Profil du candidat :
Master 2 or last year engineering school students with major in applied mathematics, computer science or electrical engineering. The project requires a strong background in data science and/or machine learning (statistics, optimization), signal & image processing. Very good Python coding skills are expected.

Application procedure
Applicants are invited to send the following documents in .pdf format to both co-advisors:
• a detailed curriculum;
• official transcripts from the institutions you have attended over the last 2 years (in French or in English);
• references: letters of recommendation or names of two researchers/professors willing to recommend your applica- tion.
For further information, please contact both co-advisors of the project:
• Pierre-Antoine Thouvenin, pierre-antoine.thouvenin@centralelille.fr • Pierre Chainais, pierre.chainais@centralelille.fr.

Formation et compétences requises :
A B2 English level is mandatory.
Knowledge in C++ programming, as well as experience or interest in parallel/distributed code development (MPI, OpenMP, CUDA, …) will be appreciated.

Adresse d’emploi :
CRIStAL, Cité Scientifique, 59651 Villeneuve d’Ascq Cedex

Document attaché : 202201242012_msc_proposal_2022_CRIStAL.pdf

Maître de conférences en traitement du signal et des images

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

Laboratoire/Entreprise : LISIC / ULCO
Durée : CDI
Contact : gilles.roussel@univ-littoral.fr
Date limite de publication : 2022-05-24

Contexte :
Un poste de Maître de conférences en traitement du signal et des images sera ouvert à l’Université du Littoral Côte d’Opale au titre de la campagne de concours synchronisée 2022.
L’intégration se fera au sein du Laboratoire LISIC (https://www-lisic.univ-littoral.fr/) pour la recherche, et du département GEII de l’IUT du Littoral Côte d’Opale (http://www.iut.univ-littoral.fr/) pour l’enseignement.

Sujet :
Mots clefs : Analyse de variables latentes, décomposition faible rang, factorisation tensorielle, complétion de données, traitement de données massives. Applications: imagerie hyper-spectrale, traitement des données issues de réseaux de capteurs, modélisation.

Profil du candidat :
Profil recherche – Le recrutement est ouvert aux thématiques de l’axe “Surveillance d’Environnements Naturels, Industriels et Humains” de l’équipe SPeciFI, en particulier aux approximations de faible rang (décomposition matricielle, tensorielle, réseaux de neurones profonds), à la complétion de données de faible rang, au traitement des données massives (big data) et au couplage avec la modélisation. Les domaines d’application possibles pourront concerner les activités de l’équipe (séparation/localisation de sources, réseaux de capteurs fixes et/ou mobiles, imagerie hyperspectrale embarquée et/ou satellitaire). La personne recrutée sera amenée à prendre rapidement en charge des encadrements de thèse / stages, à développer de nouvelles collaborations par le biais de projets académiques et/ou industriels, permettant de compléter et renforcer les activités de l’équipe. Il/elle pourra notamment participer au développement d’une nouvelle antenne du LISIC à Saint-Omer-Longuenesse, notamment autour de l’imagerie multi- et hyper-spectrale.
Les compétences attendues du/de la candidat(e) relèvent du signal et de l’image (traitement, estimation, analyse), de l’intelligence artificielle (machine learning) et de leur applications dans un contexte orienté autour de l’environnement naturel, industriel et/ou humain.

Profil enseignement – La personne recrutée sera notamment en charge des enseignements d’Automatique et de Maintenance au sein du BUT Génie Electrique et Informatique Industrielle de l’IUT du Littoral Côte d’Opale. Cette intégration pourra notamment s’appuyer sur les compétences déjà existantes au sein du département d’accueil, mais aussi au sein du département Génie Industriel et Maintenance de l’IUT.

Formation et compétences requises :
Des compétences spécifiques comme les décompositions profondes de tenseurs et matrices, les (co)-factorisations non négatives de tenseurs et/ou de matrices seraient particulièrement appréciées.

Adresse d’emploi :
Si vous souhaitez des informations complémentaires merci de contacter :
Recherche :
Sébastien VEREL (directeur du LISIC) : verel@univ-littoral.fr
Enseignement :
Joël GEST (directeur de l’IUT du Littoral Côte d’Opale) : joel.gest@univ-littoral.fr

MCF section 27 équipe BdTln : TAL ou extraction de connaissances du LOD ou analyse de données

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

Laboratoire/Entreprise : LIFAT université de Tours antenne de Blois
Durée : permanente
Contact : beatrice.markhoff@univ-tours.fr
Date limite de publication : 2022-04-01

Contexte :
Un poste de MCF en informatique sera ouvert à l’université de Tours, antenne de Blois, au titre de la campagne de concours synchronisée 2022 (27 MCF 8023). L’intégration en recherche est dans l’équipe BDTLN (Bases de Données et Traitement des Langues Naturelles) du laboratoire LIFAT (https://lifat.univ-tours.fr/) dont la majorité des membres mènent leur recherche à Blois, l’enseignement est au département Réseaux et Télécommunications de l’IUT de Blois (https://iut-blois.univ-tours.fr/).

Sujet :
Recherche – Le recrutement est ouvert sur toutes les thématiques de l’équipe BdTln, avec une priorité, en cas de niveaux équivalents, à des profils TAL, puis à des profils orientés extraction de connaissances du Web sémantique. Avec la personne recrutée, l’équipe BdTln comprendra 15 permanent.e.s, une demi-dizaine de personnes sur postes non-permanents et pas loin de 20 doctorant.e.s, actives et actifs dans de nombreux projets pluri-disciplinaires au niveau régional (les projets JUNON, SQVALD, SmartLoire, etc.), national (les ANR Abliss, AAC4All, MobiKids, Selexini, Sesames) et européen (les H2002 ARIADNEplus et 4CH), ainsi que dans de nombreuses CIFRE avec des entreprises. Dans ces projets nos partenaires « thématiciens » sont spécialistes en médecine, handicap, journalisme, tourisme, environnement ou encore archéologie et patrimoine culturel. L’équipe reste ouverte à de nouveaux projets et collaborations qui pourraient être apportés par la personne recrutée. Nos recherches s’organisent selon 3 axes, qui collaborent régulièrement : (i) l’exploration et l’analyse interactive de données, (ii) le traitement automatique des langues naturelles et (iii) la représentation, l’extraction et l’exploitation de services et de connaissances. Nos publications et autres réalisations sont listées ici : https://hal.archives-ouvertes.fr/LIBDTLN

Enseignement – La personne recrutée s’intègrera dans les enseignements d’informatique du BUT Réseaux et Télécommunication de l’IUT de Blois, comprenant un parcours Internet des Objets Mobiles et un parcours Cybersécurité.

Profil du candidat :
Recherche – nous souhaitons renforcer nos activités avec un profil parmi les suivants (par ordre de priorité) :
1. Un profil TAL démontrant à la fois une compétence en apprentissage automatique et un souci marqué pour le fait linguistique.
2. Un profil en analyse interactive, exploration et extraction de connaissances à partir du Web sémantique (Linked Open Data).
3. Tout autre profil ayant une correspondance directe avec des activités de l’équipe.

Enseignement – La personne recrutée participera à la mise en œuvre de nouvelles ressources et de situations d’apprentissage et d’évaluation (projets transversaux) dans le tronc commun et dans le parcours Cybersécurité. Elle sera responsable de plusieurs enseignements en systèmes d’exploitation, administration système et fondamentaux de la virtualisation, services d’annuaire, et en programmation. Elle contribuera à la veille technologique en cybersécurité et à la vie du département, sachant qu’à terme elle sera amenée à prendre des responsabilités dans la direction du département (responsabilité du recrutement, de l’apprentissage, direction du département).

Formation et compétences requises :
Qualification aux fonctions de Maître de conférences en 27ème section CNU

Adresse d’emploi :
Université de Tours, IUT de Blois

Contacts recherche
– Jean-Yves Antoine (Jean-Yves.Antoine@univ-tours.fr ; aspects TAL)
– Béatrice Markhoff (Beatrice.Markhoff@univ-tours.fr ; responsable équipe BDTLN)

Contacts enseignement
– Nathalie Friburger (nathalie.friburger@univ-tours.fr ; enseignements informatique)
– Laurianne Blanc et Pascal Bourquin (chef.departement.rt.iut-blois@univ-tours.fr ; directrice et directeur départmement R&T)

Postdoc position : knowledge representation IRIT – Airbus

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

Laboratoire/Entreprise : IRIT
Durée : 9 mois (et plus)
Contact : hernande@irit.fr
Date limite de publication : 2022-04-01

Contexte :
We are recruiting at the Institute of Research in Informatics of Toulouse (IRIT, France) a post-doc in the context of a collaboration with Airbus.
Collaboration between IRIT and Airbus on the Digital Design, Manufacturing and Services Transformation project*

Digital Design, Manufacturing and Services (DDMS) is the project that aims at transforming Airbus methods, processes and tools with the objectif of improving the strategic axes of the company: from the ability to develop a new product more quickly to its reduction of the ecological footprint. The issues of knowledge representation and sharing are at the heart of the capacities to be implemented in order to succeed in this development. In DDMS, the Modeling & Simulation department is therefore working to have the necessary foundations, in terms of methods and tools, for the knowledge representation and sharing, in relation with other Airbus entities in order to implement an industrial solution.

Sujet :
As part of the development of DDMS capabilities in 2021, the tasks that are to be taken into account are the following :
* to align different domain ontologies
* to implement a domain ontology validation mechanism, particularly through the useof shape constraints (SHACL)
* to enable the semantic integration of data (development of an Ontology Based Data Access service).

For each task, the expected activities are:
* the application of knowledge representation to solve the problems of a pilot business application use case in the Airbus environment
* the synthesis of a methodological approach and an architectural solution based on this casea generalized framework to respond to this problem in other areas by applying the methodological principles acquired and synthesized previously.

The proposed pilot case is Flight Dynamics and Sizing, which is responsible, in conjunction with pre-projects and industrialization, for sizing the aircraft according to loads, mass, aerodynamic forces, flight controls in particular.

It is expected to continue on themes such as:
* Automatic publication of ontology documentation
* Managing the criticality of data in ontologies
* Reasoning in the service of extending data sets and checking the consistency of information
* Semantic search in data Searching for ontologies in catalogs (notably using dcat)

Profil du candidat :
Applicants are required to have a PhD in Computer Science, a strong background in semantic web technologies, ontology engineering, linked data management and query, and if possible, in ontology alignment. Fluency in written / spoken English is required too. A good publication record and strong programing skills will be a plus.

Formation et compétences requises :
Applications will be accepted until the position is closed. Applicants should send a full Curriculum including a complete list of publications, a cover letter indicating their research interests, achievements to date and vision for the future, as well as either support letters or the name of 2 persons that have worked with them. The application should be sent via https://bit.ly/31LakWF

Contact: Nathalie Hernandez and Cassia Trojahn

Adresse d’emploi :
Localization : Institut de Recherche en Informatique de Toulouse (IRIT) – Universite Toulouse – Jean Jaures / Maison de la Recherche, 5, allees Antonio Machado 31058 Toulouse, and Airbus (St Martin du Touch). *Duration* : 9 months, starting ASAP – probability of renewal 9 to 12 months. Salary between 2 663 to 3953 (depending on experience).