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

Laboratoire/Entreprise : Institut de Recherche en Informatique de Toulouse
Durée : 5 to 6 months
Contact : henrique.goulart@irit.fr
Date limite de publication : 2022-04-30

Contexte :
Several machine learning problems can be addressed by leveraging
tensor methods, especially in unsupervised settings. This approach typically relies on estimating a low-rank tensor model from a noisy dataset, which is usually a challenging task. In general, it is difficult to anticipate the best (or the actual) estimation performance that can be attained. Nevertheless, recent years saw substantial progress in this direction, with many authors studying the attainable performance of estimators of such models under the assumption that the dimensions of the observed data tensor are large. This setting is particularly relevant for large-scale (also known as “big data”) scenarios, where a large number of observations is available.

Sujet :
The primary goal of this internship is to explore the implications of these recent results for some selected practical machine learning problems such as community detection in hyper-graphs, latent variable model estimation and high-order co-clustering. The intern will thus perform computer simulations aimed at understanding the behavior of estimation algorithms in these target problems, whose performance will be confronted to the existing theoretical predictions. New algorithms and strategies for dealing with these problems may be developed based on the the experimental findings. Scientific dissemination of these developments will be encouraged, via publication of papers and/or participation in scientific events.

Please see the attached file for more information.

Profil du candidat :
We look for strongly motivated candidates with a solid background on mathematics and statistics, having good programming skills in scientific computing languages (Python, Matlab, Julia).

Formation et compétences requises :
Optimization theory, linear algebra, probability and statistics. Knowledge/interest in tensors is a strong plus.

Adresse d’emploi :
2 rue Charles Camichel, 31071 Toulouse

Document attaché : 202112231624_sujet-stage.pdf

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

Laboratoire/Entreprise : GREYC (Groupe de recherche en informatique, image
Durée : six mois
Contact : bertrand.cuissart@unicaen.fr
Date limite de publication : 2022-04-30

Contexte :
Le projet AMPERE (stAtistically Motivated oPtimizations for ElectRosynthEsis) est porté par les laboratoires GREYC (UMR6072, INS2I) et LIMA (UMR7042, INC). Il rassemble une communauté d’informaticiens et de chimistes afin de développer des processus d’aide à la décision facilitant la découverte et l’optimisation de transformations chimiques innovantes s’inscrivant dans le contexte du développement durable. Le consortium du projet AMPERE souhaite mettre au point un outil d’optimisation adapté aux transformations électrochimiques, réactions répondant par définition aux critères de soutenabilité des processus réactionnels. Dans le domaine de l’électrochimie, il est difficile de développer ce type d’outil informatique en raison de la multiplicité des paramètres expérimentaux, de la diversité de leurs natures (continus et discontinus) et de la complexité de leurs interactions. Des efforts isolés pour lever ce verrou apparaissent depuis 2018 mais le développement d’un outil d’aide à la décision, puissant et versatile, permettra de démocratiser l’utilisation de l’électrochimie dans les laboratoires académiques et industriels, et d’accélérer la mise au point de processus chimiques sobres en ressources et énergie. Cet enjeu majeur fait l’objet de recherches actives dans les meilleurs laboratoires aux États-Unis et en Allemagne.

Sujet :
Le stage s’inscrit dans le projet mentionné au-dessus. Il a pour objectif de produire une première analyse des réactions produites par les chimistes du projet. Dans un premier temps, en collaboration avec l’encadrement, le stagiaire s’appropriera les méthodes actuelles de représentation et d’analyses des réactions chimiques. Ensuite, il donnera les éléments qui permettront aux scientifiques impliqués de faire les choix concernant la représentation des réactions, les techniques d’analyse adoptées.
Enfin, il implémentera ces choix et les évaluera pratiquement sur les données produites par le projet.

Profil du candidat :
Le stage s’adresse à un étudiant en Informatique dans le cadre du M2 ou de la cinquième année d’école d’ingénieur.

Le stage sera encadré par par deux chercheurs en informatique qui portent le projet, Jean-Luc Lamotte et Bertrand Cuissart.
Pour candidater, envoyez votre CV, vos relevés de notes et une lettre de motivation aux deux encadrants (prenom.nom@unicaen.fr).

Formation et compétences requises :
Le travail s’intégrant dans un projet de recherche informatique et orienté vers le traitement de données chimiques, le stagiaire devra assimiler des travaux récents de ce domaine, en étudiant les textes associés.
Il participera aux discussions sur les choix techniques, il aura la responsabilité de mettre en oeuvre un flot de traitement des réaction chimiques et d’en évaluer expérimentalement l’intérêt pratique.
La mission nécessite des connaissances informatiques concernant l’algorithmie des graphes, la fouille de données, un intérêt pour l’étude de la littérature scientifique ainsi que les compétences techniques pour réaliser un nouveau processus d’analyse de données.

Adresse d’emploi :
6 Boulevard du Maréchal Juin
Bâtiment Sciences 3
CS 14032, 14032 CAEN cedex 5

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

Laboratoire/Entreprise : LITIS lab., University of Rouen Normandy, Rouen, F
Durée : 6 mois
Contact : simon.bernard@univ-rouen.fr
Date limite de publication : 2022-03-31

Contexte :
Ce stage se déroule dans le cadre d’une collaboration entre le laboratoire LITIS, le laboratoire d’informatique et des sciences de l’information de Rouen, et le CORIA, le laboratoire de thermochimie de Rouen, spécialisé dans l’étude de flux réactifs et non-réactifs.
Cette collaboration vise à concevoir des outils de simulation numérique basés sur l’apprentissage automatique plutôt que sur le calcul numérique comme cela est traditionnellement le cas dans ces domaines de la physique. La simulation par calcul numérique est généralement très couteuse en ressources de calcul car elle repose sur des modèles mathématiques complexes. L’idée générale des travaux en cours menés conjointement par le LITIS et le CORIA est de substituer l’apprentissage automatique au calcul numérique pour produire ces simulations précises, à moindre coût.
Ce stage poursuit cet objectif pour des applications de simulation d’atomisation. L’atomisation, ou pulvérisation, est la transformation d’un liquide en spray de fines particules, ou gouttelettes. On rencontre ce processus dans de nombreuses applications comme l’injection de carburant, l’irrigation par aspersion, le séchage par pulvérisation ou l’extinction des incendies. Une des enjeux importants de ces applications est de pouvoir prédire la taille des gouttes qui se forment en fin de processus. Par exemple, c’est l’un des principaux facteurs des émissions finales des moteurs automobiles.

Sujet :
Le but de ce stage est d’utiliser des méthodes d’apprentissage machine (Machine Learning) et en particulier des méthodes d’apprentissage profond, pour prédire la probabilité de rupture d’une goutte au cours du processus d’atomisation. Cette probabilité tient une place important dans la simulation des processus d’atomisation car elle permet in fine de déterminer la distribution des tailles des goutellettes finales.

Le candidat retenu mettra en œuvre les méthodes d’apprentissage automatique à partir de données obtenues grâce à une méthodologie de simulation numérique. Ces données représentent des volumes 3D de gouttes, qui se déforment tout au long de la pulvérisation. Ces données présentent deux défis principaux du point de vue de l’apprentissage automatique:
– il s’agit de séquences de volumes de 64x64x64 voxels, eux-même décrits par 6 descripteurs numériques. Il s’agit donc de données complexes, avec des contraintes spatiales et temporelles, et décrites en très grande dimension au regard du nombres de données disponibles.
– cette base de données est constituées d’une large majorité de gouttes qui ne se rompt pas à l’issue de la séquences. C’est donc un problèmes de classification à deux classes, avec des classes très déséquilibrées.

Ce stage vise à affronter ces défis à l’aide de méthodes d’apprentissage modernes, pour : i) proposer des méthodes de ré-équilibrage des classes et/ou d’augmentation de données, ii) proposer une méthode d’apprentissage de représentation sur le volume initial (i.e. en début de séquence) et iii) prendre en compte la séquence pour fiabiliser la prédiction.

Profil du candidat :
Étudiant en informatique ou mathématiques appliqués avec une spécialisation dans la science des données et l’apprentissage automatique.

Formation et compétences requises :
– Étudiant en Master 2 ou dernière année d’école d’ingénieurs, dans une spécialité de l’informatique ou des mathématiques appliquées
– Compétences requises en apprentissage automatique et en programmation (Python de préférence)
– Intérêt personnel pour la physique

Adresse d’emploi :
Laboratoire LITIS
Université de Rouen Normandie
Campus du Madrillet
Saint Étienne du Rouvray, France

Document attaché : 202112171448_Stage_LITIS_2021-2022.pdf

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

Laboratoire/Entreprise : LiLPa (Linguistique, Langues et Parole), Universit
Durée : 4 à 6 mois
Contact : ruizfabo@unistra.fr
Date limite de publication : 2022-01-07

Contexte :
Les langues peu dotées présentent des défis spécifiques pour le Traitement Automatique des Langues (TAL) ; le manque de ressources textuelles volumineuses complique l’utilisation d’approches empiriques et, dans certains cas, comme celui de l’alsacien, l’absence d’une orthographe standardisée nécessite de gérer la variation graphique. Dans ce contexte, le projet MeThAL (Laboratoire LiLPa, Université de Strasbourg) est en train de créer un corpus large de théâtre en alsacien qui aidera à la création de ressources linguistiques pour les dialectes alsaciens ainsi qu’à une étude quantitative de la tradition dramatique alsacienne. Dans le cadre du projet, environ 4 000 pages de texte océrisé corrigé ont été produites, sur la base de numérisations en mode image créées par la Bibliothèque nationale et universitaire de Strasbourg. Une interface permet d’explorer les textes et métadonnées disponibles, et un sous-corpus de 300 000 tokens encodé selon les recommandations de la Text Encoding Initiative (TEI) a été publié. Pour pouvoir comparer le contenu des textes du corpus et effectuer des analyses thématiques ou textométriques, une représentation orthographique homogène du vocabulaire est nécessaire, et une neutralisation des variantes graphiques est incontournable. Elle serait aussi utile pour offrir une recherche en texte intégral sur le corpus.

Plusieurs approches ont été proposées pour la détection de la variation graphique. La plupart d’entre elles procèdent par normalisation, c’est-à-dire la transformation des variantes vers une forme standard. Une telle approche n’est pas applicable aux dialectes alsaciens, en raison de l’absence de standard orthographique stable. Millour & Fort (2019) ont utilisé le crowdsourcing pour collecter auprès des locuteurs de l’alsacien différentes graphies d’un mot donné. Les variantes alignées sont utilisées pour extraire automatiquement des règles de variation puis apparier automatiquement des graphies alternatives potentielles. Des méthodes non supervisées de clustering ont également été adoptées (Dasigi & Diab, 2011; Rafae et al., 2015). L’utilisation de ressources externes comme des lexiques bilingues ou des réseaux sémantiques multilingues a été proposée par Bernhard (2014). Il est également possible d’utiliser des méthodes supervisées, qui nécessitent toutefois des corpus annotés permettant d’identifier les variantes. Par exemple, Barteld et al. (2019) génèrent des variantes candidates qui sont ensuite filtrées à partir des n-grammes de caractères qu’elles contiennent et la similarité de leurs plongements de mots, ainsi que leurs contextes d’occurrence.

Sujet :
Dans le cadre du stage, il s’agira dans un premier temps d’explorer les habitudes de scripturalisation (utilisation de certains caractères et n-grammes de caractères) en fonction des métadonnées disponibles (auteur, lieu de naissance, lieu de publication, maison d’édition, date, genre). La discriminativité des tendances dégagées pourra être éprouvée sur des tâches de classification en fonction des métadonnées. Le corpus pourra éventuellement être enrichi à l’aide d’un étiquetage morphosyntaxique automatique, dont la qualité sera à évaluer, compte tenu des spécificités du corpus (genre, période) : un intérêt particulier du corpus est son caractère non-contemporain (1870-1940) ; il présente des divergences orthographiques par rapport aux pratiques actuelles qui demandent une adaptation des ressources existantes. Les activités suivantes sont prévues :

– Description approfondie du corpus (globale et par sous-corpus) : fréquence de caractères, de n-grammes, etc. (et, éventuellement, comparaison avec d’autres corpus de périodes plus récentes)
– Identification des propriétés discriminantes (p. ex. en proposant une représentation vectorielle des textes basée sur les différentes propriétés choisies)
– Induction de règles de variation et extraction automatique de paires de variantes au sein du corpus. Comparaison du résultat avec celui issu de l’application des règles obtenues par Millour & Fort, (2019) ; des différences sont attendues en raison des périodes des corpus respectifs
– Évaluation et proposition d’amélioration de la méthode

Références

Barteld, F., Biemann, C., & Zinsmeister, H. (2019). Token-based spelling variant detection in Middle Low German texts. Language Resources and Evaluation, 53(4), 677–706. https://doi.org/10.1007/s10579-018-09441-5

Bernhard, D. (2014). Adding Dialectal Lexicalisations to Linked Open Data Resources: The Example of Alsatian. Proceedings of the Workshop on Collaboration and Computing for Under Resourced Languages in the Linked Open Data Era (CCURL 2014), 23–29. https://hal.archives-ouvertes.fr/hal-00966820

Dasigi, P., & Diab, M. (2011). CODACT: Towards Identifying Orthographic Variants in Dialectal Arabic. Proceedings of 5th International Joint Conference on Natural Language Processing, 318–326. https://aclanthology.org/I11-1036

Millour, A. & Fort, K. (2019). Unsupervised Data Augmentation for Less-Resourced Languages with no Standardized Spelling, RANLP, 776–784. https://aclanthology.org/R19-1090.pdf

Rafae, A., Qayyum, A., Moeenuddin, M., Karim, A., Sajjad, H., & Kamiran, F. (2015). An Unsupervised Method for Discovering Lexical Variations in Roman Urdu Informal Text. Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing, 823–828. https://doi.org/10.18653/v1/D15-1097

Profil du candidat :
Master en Informatique ou Traitement automatique des langues. Intérêt pour les problématiques du stage.

Formation et compétences requises :
Master en Informatique ou Traitement automatique des langues. Intérêt pour les problématiques du stage.

Adresse d’emploi :
Télétravail ou hybride au Laboratoire LiLPa (Linguistique, Langues et Parole, Université de Strasbourg). 61, av. des Vosges, 67000 Strasbourg.

Document attaché : 202112171335_stage_variation_alsacien.pdf

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

Laboratoire/Entreprise : CRMBM et insitut Fresnel
Durée : 6 mois
Contact : andre@fresnel.fr
Date limite de publication : 2022-04-01

Contexte :
L’IRM, une modalité d’imagerie biomédicale permettant de collecter des informations anatomiques, physiologiques, fonctionnelles et métaboliques, est employée dans l’étude de modèles souris de maladies cérébrales afin de mieux comprendre le développement des pathologies, d’identifier de possibles biomarqueurs d’intérêt diagnostique ou pronostique et d’évaluer l’efficacité de nouvelles thérapies. L’IRM du cerveau de souris nécessite le développement d’outils d’analyse automatisés permettant la segmentation d’un très grand nombre d’images de façon précise et reproductible, la tâche de segmentation manuelle étant longue et fastidieuse.

Sujet :
Les derniers développements en intelligence artificielle, comme le réseau de neurones convolutifs U-net spécifiquement conçu pour la segmentation automatique d’images, sont particulièrement performants. Bien que l’étape d’apprentissage des réseaux de neurones puisse être longue et complexe, l’étape de prédiction est quant à elle simple et rapide. Ce dernier point constitue le principal intérêt de l’apprentissage profond à base de réseau de neurones pour notre application. Les objectifs de ce stage sont multiples : réaliser un état de l’art des différentes méthodes d’apprentissage profond pour la segmentation du cerveau de la souris, implémenter et entrainer des réseaux les plus pertinents sur notre base de données. Selon l’avancement du stage, deux choix seront possibles, orientés vers l’ingénierie ou la recherche. Le premier consistera à intégrer au système en place une solution existante répondant au problème. Le second concernera la recherche de solutions méthodologiques novatrices. Dans les deux cas, la constitution d’une base d’apprentissage et l’entraînement de réseaux (éventuellement sur un centre de calcul régional) seront réalisés.

Profil du candidat :
La/le stagiaire recruté(e) devra faire preuve d’autonomie et d’initiative, avec des compétences avérées en programmation en langage Python et un fort intérêt pour le domaine de l’intelligence artificielle par réseaux de neurones

Formation et compétences requises :

Ce stage s’adresse aux étudiants de M2 ou d’école d’ingénieurs en traitement du signal/image ou sciences des données

Adresse d’emploi :
Centre de Résonance Magnétique Biologique et Médicale – UMR 7339

Faculté de Médecine, 27 Bd Jean Moulin, 13385 Marseille

Document attaché : 202112170939_sujet-master-segmentation21-22_ER-RA-ER-AV-ER.pdf