Archives

Call for new team leaders in computational sciences for biology/medicine (Paris, France)

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

Laboratoire/Entreprise : ICM – Institut du Cerveau (CNRS/Inria/Inserm/Sorbo
Durée : Permanent
Contact : scientific.affairs@icm-institute.org
Date limite de publication : 2021-11-15

Contexte :
The Paris Brain Institute (ICM – https://institutducerveau-icm.org/en/) is launching a call to recruit up to 3 team leaders at the starting, junior or mid-career levels and notably working in any area of computational methods for neuroscience and neurological disorders or theoretical neuroscience (including but not limited to computational systems biology, bioinformatics, modeling of neural circuits, data science, machine learning, signal processing…).

Note that we welcome applications of researchers who have not previously worked on applications to neuroscience but who have a strong background in any of the areas of computational sciences mentioned above and who will commit to work on neuroscience applications when they join the institute.

Partnership with Inria (www.inria.fr), the National Institute for Research in Digital Science and Technology, will provide opportunities to create a joint research team.

We welcome applications from talented individuals with the ambition to establish an internationally competitive research group.

The new team leaders will benefit from a competitive start-up package, recurrent core funding and access to state of the art core facilities.

Please find the link related to the call : https://jobs.sciencecareers.org/job/554584/group-leader-position/.

Expression of interest must include a short CV, a complete list of publications highlighting up to five significant papers, and a brief description of achievements and future research (2 pages). Expression of interest must be sent by November 15th, 2021 to: scientific.affairs@icm-institute.org

Short-listed applicants will be invited to submit a full application proposal by February 15th, 2022.

If you have any questions regarding the call, please contact scientific.affairs@icm-institute.org

Sujet :
Computational methods for neuroscience and neurological disorders or theoretical neuroscience (including but not limited to computational systems biology, bioinformatics, modeling of neural circuits, data science, machine learning, signal processing…).

Profil du candidat :
Starting, junior or mid-career level.

Formation et compétences requises :
Note that we welcome applications of researchers who have not previously worked on applications to neuroscience but who have a strong background in any of the areas of computational sciences mentioned above and who will commit to work on neuroscience applications when they join the institute.

Adresse d’emploi :
ICM – Institut du Cerveau (CNRS/Inria/Inserm/SorbonneUniversité)
47 boulevard de l’hôpital
Paris
France

One World YoungStatS webinar on ” Advancements in Symbolic Data Analysis”

Date : 2021-11-08
Lieu : Monday, November 8th, 12:00 CET

Online, via Zoom

The sixth “One World webinar” organized by YoungStatS will take place on November 8th, 2021. With the development of digital systems, very large datasets have become routine. However, standard statistical approaches do not have the power or flexibility to analyse these efficiently, and extract the required knowledge. Symbolic Data Analysis provides a framework allowing for the representation of data with intrinsic variability, where the observed “values” are not just single real values or categories, but finite sets, intervals or distributions over a given domain. Methods for the (multivariate) analysis of such symbolic data have been developed, following different approaches, and using distinct criteria, which allow taking data variability into account.

Selected young researchers active in the area will present their recent contributions on this developing topic.

Lien direct

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

3 postes ingénieur développement en robotique

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

Laboratoire/Entreprise : ENSTA Paris et Ecole polytechnique
Durée : 1 an renouvelable
Contact : alexandre.chapoutot@ensta-paris.fr
Date limite de publication : 2021-11-20

Contexte :
L’Institut Polytechnique de Paris recherche un(e) ingénieur(e) en robotique dans le cadre d’une initiative commune entre l’École polytechnique, l’ENSTA Paris et Télécom Paris. Le poste sera hébergé au sein de l’Unité d’Informatique et d’Ingénierie des Systèmes (U2IS) de l’ENSTA Paris et sera orienté sur la programmation de robots mobiles en simulation ou sur plateformes.

Sujet :
L’objectif du poste est le développement d’outils de simulation pour la mise en place d’expériences virtuelles de missions de robotiques mobiles en essaims ou en meute. Ces outils auront pour vocation à l’évaluation d’algorithmes issus de la recherche et également serviront pour la mise en place de challenges étudiants. Les simulateurs de type ROS Gazebo ou Simple Playgrounds seront utilisés lors de la mission.
Le poste a également pour objectif de transférer les algorithmes sur plateformes réelles. Plusieurs plateformes mobiles seront utilisées durant la mission : Clearpath Husky, DJI Tello, voitures du concours F1 Tenth.
Les missions principales seront les suivantes :
• Mettre en œuvre l’environnement de simulation et d’expérimentation dédié à la flotte de drones en intégrant les capteurs appropriés au projet ;
• Mettre en œuvre des algorithmes de contrôle, de localisation et de cartographie d’une flotte de drones sur les plateformes ;
• Participer à la maintenance et au développement des plateformes ;
• Encadrer des équipes étudiantes dans le développement de solution pour les challenges étudiants ;
• Rédiger les documentation techniques et utilisateurs ;
• Participer aux réunions de projet et échanger avec les membres du projet.

Profil du candidat :
• Connaissance de la robotique mobile et de l’informatique ;
• Connaissance des langages de programmation (Python, C++) ainsi qu’une connaissance de l’environnement ROS ;
• Compétences en intégration logicielle et matérielle (intégration de capteurs externes type Lidar, carte Raspberry Pi, etc.) ;
• Bonne maîtrise de l’anglais, à l’oral et à l’écrit ;
• Autonomie et capacité à travailler en équipe.

Formation et compétences requises :
Formation d’ingénieur en robotique ou équivalent voire docteur en robotique

Adresse d’emploi :
828 boulevard des maréchaux 91120 Palaiseau

Document attaché : 202110131226_fiche-ingenieur-faro.pdf

Master Internship Position: Deep Learning architectures for generating skeleton-based human motion

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

Laboratoire/Entreprise : IRIMAS, MSD team
Durée : 6 months
Contact : maxime.devanne@uha.fr
Date limite de publication : 2021-11-30

Contexte :
Human motion analysis is crucial for studying people and understanding howthey behave, communicate and interact with real world environments. Dueto the complex nature of body movements as well as the high cost of motioncapture systems, acquisition of human motion is not straightforward and thusconstraints data production. Hopefully, recent approaches estimating humanposes from videos offer new opportunities to analyze skeleton-based human mo-tion. While skeleton-based human motion analysis has been extensivelystudied for behavior understanding like action recognition, some efforts are yetto be done for the task of human motion generation. Particularly, the automaticgeneration of motion sequences is beneficial for rapidly increasing the amountof data and improving Deep Learning-based analysis algorithms.
Since several years, new image generation paradigms have been possiblethanks to the appearance of Generative Adversarial Networks (GAN) which have proved to be extremely efficient for many image generation tasks and hu-man posture estimation. Although these networks are very efficient, theirexplainability and control still remain challenging tasks. Differently, other gen-erative models have also emerged by considering the data distribution duringtraining like Variational AutoEncoder (VAE) and Flow-based networks.However, when it comes to human motion, many challenges remain to be solved,in particular when passing from the static case to the dynamic case. Firstwork addressing deep generative models for human motion have considered mo-tion capture (mocap) data allowing to accurately extract body parts positionsalong the time. Hence, aforementioned generative architectures have been suc-cessively employed for generating mocap-based human motion sequences. Differently, we consider noisy skeleton data estimated from videos as it iseasily applicable in real-world scenarios for the general public.

Sujet :
The goal of this internship is to provide guidelines in building deep genera-tive models for skeleton-based human motion sequences. Inspiring from recenteffective Deep Learning-based approaches, the aim is to gener-ate full skeleton-based motion sequences without access to successive poses asprior information as it can be done in prediction tasks. It is therefore crucialto investigate how deep generative models can handle such noisy and possiblyincomplete data in order to generate novel motion sequences as natural andvariable as possible

In particular, the candidate will work on the following tasks:
– Deep Learning architectures for skeleton-based human motion: investigation and assessment of the influence of different deep network ar- chitectures for capturing complex human motion features. Particularly, the goal of this task is to theoretically and empirically analyze the per- formance of existing architectures like CNN, RNN and GCN for modeling skeleton-based human motion.
– Deep generative models adapted to skeleton data: based on stud- ies from the previous task, the goal is to build generative models upon the previously identified meaningful spaces where skeleton sequences are represented. Therefore, the candidate will investigate different generative models, like GAN, VAE and Flow-based models, in order to propose and develop a complete Deep Learning model for generating skeleton-based human motions.
– Evaluation of deep generative models: in order to validate the pro- posed model, experimental evaluation is crucial. In comparison to motion recognition where classification accuracy is a natural way to assess an ap- proach, evaluating the task of motion generation is not as straightforward. Dedicated metrics evaluating both naturalness and diversity of generated sequences as well as the impact of new generated sequences in a classifi- cation task will be considered.

Profil du candidat :
The candidate must fit the following requirements:
– Registered in Master 2 or last year of Engineering School (or equivalent) in Computer Science
– Advanced skills in Python programming are mandatory
– Good skills in Machine Learning & Deep Learning using related
libraries (scikit-learn, Tensorflow, Pytorch, etc.) are required
– Knowledge and/or a first experience in human motion analysis will be appreciated

Formation et compétences requises :
The candidate must fit the following requirements:
– Registered in Master 2 or last year of Engineering School (or equivalent) in Computer Science
– Advanced skills in Python programming are mandatory
– Good skills in Machine Learning & Deep Learning using related
libraries (scikit-learn, Tensorflow, Pytorch, etc.) are required
– Knowledge and/or a first experience in human motion analysis will be appreciated

Adresse d’emploi :
The proposed internship will be carried out within the MSD (Modeling and Data Science) team from the IRIMAS Institute. It will be part of the ANR DELEGATION project 1 starting in 2022 for 4 years. Hence, there is a great opportunity to continue with a PhD in our team on the same topic/pro ject.
For further information or for applying, candidates should send a CV, aca- demic records, personal projects (e.g. github repo) and a motivation letter to maxime.devanne@uha.fr.

Document attaché : 202110121631_internship_position_delegation_2022-2.pdf

8ème École d’Hiver é-EGC “L’humain dans la boucle de l’exploration des données et de l’apprentissage”, Blois, France

Date : 2022-01-24 => 2022-01-28
Lieu : Blois, France

ECOLE D’HIVER – APPEL A PARTICIPATION

8ème Ecole d’Hiver é-EGC sur le thème « L’humain dans la boucle de l’exploration des données et de l’apprentissage »
24 – 28 Janvier 2022, Blois – France

Accueil


==============================================

La huitième École d’Hiver é-EGC, sur le thème « L’humain dans la boucle de l’exploration des données et de l’apprentissage », est un événement organisé par l’Association Extraction et Gestion de Connaissances (EGC, http://www.egc.asso.fr/).
Cet événement s’organise autour de deux activités principales :
• deux jours de formation : les 24 et 25 Janvier 2022
• participation à la conférence EGC2022 : du 24 au 28 janvier 2022

Cet appel est également disponible à l’adresse :

Ecole

THEMES DE L’ECOLE : L’humain dans la boucle de l’exploration des données et de l’apprentissage
L’exploration de données est une tâche qui nécessite intrinsèquement une forte interaction humaine. L’expert en la matière examine les données pour identifier une hypothèse, des questions potentielles et où chercher des réponses dans les données. De même, en apprentissage automatique ou en fouille de données, l’expert peut jouer un rôle fondamental dans le processus d’élicitation d’un modèle ou de découvertes de connaissances en spécifiant des propriétés que doit satisfaire le modèle recherché. Cette école s’intéresse aux différentes méthodes d’intégration de l’humain au processus d’exploration de données et de découverte de connaissances.

OBJECTIFS DE L’ECOLE
Les deux jours de formation ont pour but principal d’offrir aux participants des tutoriaux d’initiation dans le domaine de recherche couvrant les thèmes de l’école mais également des tutoriaux plus spécifiques présentant les récentes avancées proposant des solutions et des techniques nouvelles pour les différentes problématiques ayant émergées dans ce domaine. Les exposés de 1h30 couvriront une large gamme des problématiques et des solutions existantes. Certains exposés seront associés à des séances plus pratiques afin de permettre aux participants de manipuler quelques outils.
La participation à la conférence permettra aux participants de prendre part à un des événements majeurs de la communauté francophone de l’extraction et la gestion de connaissances. Elle leur permettra d’assister à des présentations de nouvelles avancées et approches développées dans la communauté, ceci pouvant ainsi inspirer leur parcours scientifique futur.
Enfin, cette école souhaite offrir aux jeunes chercheurs (doctorants, post-doctorants et ingénieurs) et aux chercheurs confirmés du domaine la possibilité de se rencontrer et d’échanger des idées, ce qui devrait également permettre aux jeunes chercheurs d’enrichir leur réseau.

PROGRAMME DE L’ECOLE
Le programme sera finalisé et disponible sur le site de l’école dans les plus brefs délais ; les intervenants :
Sihem Amer-Yahia (LIG, Université de Grenoble Alpes)
Sarah Cohen-Boulakia (LRI, Université Paris-Saclay)
Bruno Crémilleux (GREYC, Université de Caen)
Nicolas Labroche, Patrick Marcel et Veronika Peralta (LIFAT, Université de Tours)
Vincent Lemaire (Orange R&D)
Vanessa Murdock (Amazon)
Christel Vrain (LIFO, Université d’Orléans)

PUBLIC CONCERNE
L’École d’Hiver é-EGC 2022 s’adresse particulièrement aux doctorants et étudiants, de manière générale, désirant approfondir leurs connaissances dans le domaine de l’exploration de données et de l’apprentissage.

COMITÉ SCIENTIFIQUE ET ORGANISATION
• Sihem Amer-Yahia (LIG, Université Grenoble Alpes)
• Arnaud Martin (IRISA, Université de Rennes 1)
• Claudia Marinica (LS2N, Université de Nantes)
• Arnaud Soulet (LIFAT, Université de Tours)

DATES IMPORTANTES
• Date limite pré-inscriptions (CV à fournir) : 14/11/2021
• Inscription effective (École (formation + conférence EGC), sur le site de la conférence) : 15/12/2021

L’INSCRIPTION SE RÉALISE EN DEUX ÉTAPES
1/ Les participants doivent manifester leur intérêt, avant le 14/11/2021, pour participer à l’École en s’inscrivant avec ce formulaire :
https://docs.google.com/forms/d/1iLqbYfYO4bO1CGZyhfGBpfq144Nr89ox41WoDA4flMA/prefill
Pour que la pré-inscription soit prise en compte, elle doit être accompagnée d’un CV récent du participant.
2/ Après la confirmation de la pré-inscription par le comité d’organisation, et avant le 15/12/2021, les participants doivent s’inscrire via la page d’inscription de la conférence EGC2022 (attention de bien choisir le tarif comprenant l’École).

Le nombre total de participants est limité à 30 personnes. Le tarif de l’inscription sera affiché sur le site de la conférence EGC (https://egc2022.univ-tours.fr/) et il comprend :
– la participation à l’École d’Hiver (24 et 25 janvier) ;
– la participation à la conférence (26 au 28 janvier) ;
– les déjeuners et le repas de gala.

Lien direct

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

SIFED: Symposium International Francophone sur l’Ecrit et le Document

Date : 2022-01-24 => 2021-12-10
Lieu : Rotonde, INSA Lyon
Campus de la Doua
20 avenue Albert Einstein
69621 Villeurbanne Cedex

SIFED (Symposium International Francophone sur l’Ecrit et le Document) , anciennement CIFED, est organisé par le GRCE (Groupe de Recherche en Communication Ecrite : http://grce.labri.fr) depuis 1990. Cet événement a toujours eu pour ambition de fédérer les chercheurs (jeunes chercheurs, chercheurs séniors, académiques et industriels) intéressés par les travaux autour de l’analyse de documents et de l’écriture, en particulier sur les problématiques d’analyse et de traitement d’images et du signal, de la reconnaissance des formes, de l’intelligence artificielle, de la recherche d’information, etc. Aussi ce symposium est-il un lieu privilégié de rencontres et d’échanges, permettant de faire un état des lieux des recherches et développements dans ce domaine, d’informer sur les travaux à venir, de contribuer à la cohérence de la communauté mais aussi de l’ouvrir et de lui donner une visibilité nationale et internationale.

Pour cette journée du 10 décembre 2021, nous sollicitons des communications (orales, démos) qui peuvent correspondre à des présentations de projets académiques ou industriels existants, des retours d’expériences ou bien des travaux préliminaires portant sur les problématiques de l’analyse et la reconnaissance du document (ARD).

Cette édition permettra notamment aux doctorants et aux post-doctorants de présenter leurs travaux de recherche sur l’ensemble des thématiques et problématiques de l’ARD. Cette journée se veut également être un moment de convivialité et de rassemblement dont nous avons été trop largement privé ces deux dernières années.

SIFED’2021 aura lieu à l’INSA Lyon (dans l’amphithéâtre de la Rotonde) le vendredi 10 décembre 2021 de 9h à 18h (la fin de l’après-midi se terminera par l’AG du GRCE pour finir au plus tard à 18h).

La journée se tiendra précisément le lendemain de la manifestation INNOV’2021 qui concerne les “Innovations pour les Banques&Assurances” (laboratoires de notre communauté, industriels éditeurs logiciels, start’ups et secteurs Banques/Assurances seront représentés) et qui se tiendra aux Terrasses du Parc à 500 mètres de la Rotonde.

A l’occasion de l’édition 2021 de SIFED, un hommage sera rendu à notre collègue Guy Lorette.

Qui peut participer à SIFED ?

Vous êtes doctorants ou postdoctorants et travaillez sur un sujet en lien avec la thématique de l’analyse et la reconnaissance de document.
Tous les autres membres seniors ou jeunes chercheurs, même s’ils ne présentent pas, sont naturellement invités à nous rejoindre à SIFED le 10 décembre à l’INSA Lyon.

Comment?

Il suffit de retourner une déclaration d’intention à veronique.eglin@insa-lyon.fr avec votre nom, les personnes associées au projet (encadrement/direction du travail), un titre (anglais/français) puis vous nous confirmerez plus tard votre présence effective le 10 décembre : sera physiquement présent.e / sera virtuellement présent.e / se fera représenter

Selon quel timing ?

Nous n’envisageons pas de processus de reviewing des présentations, car cela n’est pas l’objectif de la journée : nous demandons simplement aux jeunes chercheurs de nous renvoyer un titre de leur travail, à partir d’aujourd’hui et jusqu’au 10 novembre 2021.

Comment cela se passera-t-il le 10 décembre ?

  • Les présentations se feront sur place (idéalement) ou à distance (pour ceux/celles qui ne pourront être physiquement présents)
  • La durée des présentations sera d’une vingtaine de minutes
  • Les pauses (accueil – matin et après midi) ainsi que le buffet du midi vous seront offerts

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

Observation 3D : outils et verrous

Date : 2021-11-24 => 2021-11-25
Lieu : Paris, 24 et 25 novembre 2021

Dans le cadre de l’action MACLEAN (MAChine Learning for EArth observatioN) du GdR MADICS et des actions prospectives “Analyse d’images pour le suivi des milieux” et “Données 3D géospatiales” du GdR MAGIS, et en collaboration avec le GdR IG-RV, nous organisons conjointement une journée d’animation scientifique centrée autour des données 3D. Le but est de présenter à la fois les dernières avancées (en termes d’acquisition, de traitement et d’applications) et de définir les verrous liés à la manipulation de données tridimensionnelles pour diverses problématiques en observation de la terre.

Aujourd’hui, les nouveaux outils d’acquisition (drones, Lidar, imagerie multi-angulaire par exemple) permettent d’observer en 3D la terre pour de multiples applications telles que la cartographie, l’écologie, le suivi de l’état environnemental (pollution, climat…), l’archéologie ou la géologie par exemple. Cette dernière décennie a vu des progrès fulgurants aussi bien dans les capteurs (plus précis, plus légers, moins coûteux) que sur les méthodes d’exploitation des données résultantes (apprentissage statistique et réseaux de neurones en particulier qui ont permis des gains significatifs). A l’heure actuelle, au sein des communautés, nous disposons de nombreuses données 3D et méthodes applicables à ces données et nous pensons le moment opportun pour échanger sur leurs spécificités, notamment pour :
– Présenter les différentes données à partir desquelles il est possible de dériver une information 3D ;
– Présenter la diversité des cas d’utilisation (archéologie, urbanisme, écologie, suivi forestier, etc) ;
– Présenter les avancées en traitement de données 3D (structurées en volumes, surfaces) ou même non structurées (nuages de points par exemple) et les verrous actuels ;
– Favoriser un échange inter-GDR pour faire émerger de nouveaux défis, de nouveaux outils, identifier de potentielles collaborations, etc ;
– Présenter de nouveaux outils et leur prise en main, en particulier grâce à des sessions de travaux pratiques.
Les deux journées sont organisées autour de présentations et de travaux pratiques. Des créneaux sont prévus afin de favoriser les discussions entre les chercheurs issus de communautés complémentaires, rendant importante une présence sur les deux jours. La première journée sera dédiée aux modalités de reconstruction de données 3D à partir de données aériennes. La deuxième journée est axée sur les traitements nécessaires pour faciliter l’extraction de connaissances, mais aussi la visualisation des données 3D. Des cas d’utilisations seront décrits au cours des deux journées.

———————————————————————————-
Journées inter-GdR CNRS MAGIS-MADICS-IGRV

Observation 3D : outils et verrous

Paris, 24 et 25 novembre 2021
———————————————————————————-

Programme des journées :
—-

Mercredi 24 Novembre : de l’acquisition à la représentation de données 3D

Matin :
– 9h45-10h : Accueil des participants
– 10h-10h15 : Introduction de la journée
– 10h15-11h15 : exposé “La 3D au CNES : le système CO3D et quelques applications spatiales avec Pléiades”, Laurent Lebegue et Jean-Marc Delvit, CNES) – 45’ + 15’ questions
– 11h15-12h15 : exposé “Deep learning pour les données 3D en télédétection”, Loïc Landrieu, LASTIG – 45’ + 15’ questions
– 12h15-12h30 : discussions

Après midi :
– 14h : session interactive d’échanges entre participants : chaque participant devra fournir un transparent de présentation de sa thématique / problématique selon une trame qui sera précisée par les organisateurs.
– 15h30-16h : pause café
– 16h-18h : TP “Deep Learning for 3D Data: Semantic Segmentation of Aerial LiDAR with PointNet”, par Loïc Landrieu, LASTIG.
Note: afin de préparer ce TP, il vous sera demandé de compléter un auto-test

—-

Jeudi 25 Novembre : traiter, annoter et visualiser des données 3D

Matin :
– 9h-9h15 : Accueil des participants
– 9h15-9h30 : Introduction de la journée
– 9h30-10h30 : Mathieu Brédif – LASTIG, Université Gustave Eiffel, IGN-ENSG – “Navigation immersive dans des images historiques (ANR ALEGORIA)” – 45’ + 15’ questions –
– 10h30-10h45 : pause café
– 10h45-11h45 : Livio de Luca – UMR MAP, CNRS (en Visio) – “Enrichissement sémantique de ressources documentaires spatialisées pour l’étude pluridisciplinaire de Notre-Dame de Paris” – 45’ + 15’ questions.
– 11h45-12h15: discussions sur les défis et besoins

Après midi :
– 14h-16h : TP iTowns
– 16h-16h30 : Conclusion des deux journées (organisateurs)

Date et lieu :
—-
– Géoroom IGN, 8 Avenue Pasteur, 94160 Saint-Mandé: Métro Saint-Mandé (Ligne 1) ou RER Vincennes (RER A).
– Mercredi 24 et Jeudi 25 novembre 2021 (de 10h le mercredi à 16h30 le jeudi)

Participation :
—-

– Inscription gratuite mais obligatoire avant le 01/11/2021 (nombre de places limité) : envoyer un email à gdr.madics-magis-igrv.observation3d@inria.fr en précisant votre nom, prénom, laboratoire, jours de présence, thématique de recherche, thématique(s) d’intérêt(s) spécifiques sur ces journées

– Attention, en fonction des règles sanitaires et du nombre d’invités, un pass sanitaire pourra être demandé à votre arrivée.

– Si le temps le permet, une présentation de 5 minutes de vos travaux pourra être envisagée (session interactive du 24/11 après-midi). Dans ce cas, merci de préciser votre souhait de présenter lors de votre inscription, avec un titre.

Organisation :
—-

– Ces journées sont co-organisées par les actions “Analyse d’images pour le suivi des milieux” (P. Dusseux, P.-A. Herrault, A. Puissant, D. Sheeren) et “Données 3D géospatiales” (M. Servières, S. Christophe) du GdR CNRS MAGIS, et par l’action MACLEAN du GdR CNRS MADICS. (T. Corpetti, D. Ienco, R. Interdonato, S. Lefèvre, M.-T. Pham) en partenariat avec le GdR CNRS IG-RV (G. Gesquière).

– Contact : gdr.madics-magis-igrv.observation3d@inria.fr
– Les repas de midi des mercredi 24/11 et jeudi 25/11 seront pris en charge par les GdR impliqués

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

Analyse de mobilités de navires pour la sécurisation d’événements maritimes

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

Laboratoire/Entreprise : Institut de recherche de l’école navale
Durée : 12 mois
Contact : cyril.ray@ecole-navale.fr
Date limite de publication : 2021-11-12

Contexte :
Le projet ENDOUME vise à concevoir et développer une nouvelle solution pour sécuriser automatiquement une zone maritime côtière. Cette solution innovante, basée sur des algorithmes d’apprentissage automatique mais aussi sur des analyses à base de règles, répond à différents besoins en termes de sécurité maritime ; courses de voiliers, événements maritimes côtiers (ex : G7 / G20, festival de Cannes, Jeux Olympiques 2024…) ; approches portuaires, parcs éoliens, aire marine protégée… La solution ENDOUME consiste en (1) une station côtière autonome, comprenant un radar, des capteurs optroniques et un transpondeur AIS, et (2) un ensemble de balises communicantes déployées sur des navires coopératifs reliés par un réseau radio résilient et sécurisé.

Dans le cadre de ce projet financé, nous visons à détecter et à prévenir les événements maritimes tels que les intrusions dans une zone à accès contrôlé ou les comportements inhabituels qui peuvent présenter un risque pour un événement maritime (l’accent étant mis sur les courses à la voile) et son écosystème (y compris les zones terrestres) par une surveillance et une compréhension continues des mouvements maritimes.

Sujet :
La recherche à mener concerne le développement d’algorithmes d’analyse et d’apprentissage adaptés au traitement d’informations géographiques imparfaites combinés à une analyse basée sur des règles (et de l’inférence) pour soutenir la sécurité maritime. La recherche sera organisée par les différents travaux à mener :

– Définition, modélisation ou apprentissage de comportements réguliers, de motifs et de mouvements non désirés.
– Préparation, annotation, pré-traitement de l’ensemble des données (pour l’apprentissage et conception de scénarios).
– Conception et mise en œuvre d’algorithmes à base de règles et d’apprentissage.

La recherche sera basée sur les données historiques fournies par le système d’identification automatique (AIS) qui fournit la localisation des navires ainsi que des informations nominatives en temps-réel. Un flux de données fusionné combinant des données issues des capteurs optroniques, des données radar et des données AIS sera fourni par les partenaires du projet.

Profil du candidat :
postdoc / ingénieur R&D

Formation et compétences requises :
bonnes compétences en apprentissage automatique et en analyse de données ; connaissances en statistiques et en fusion de données. Langage de programmation préféré (Python, Java, C/C ++). Des connaissances en bases de données et en science de l’information géographique sont un plus. Bon niveau en anglais souhaité.

Adresse d’emploi :
École Navale, Lanvéoc (29)

Document attaché : 202110110746_Fiche de Poste ENDOUME 2021 Fr.pdf

Postdoc position in Deep learning for Ocean Modeling and Forecasting

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

Laboratoire/Entreprise : IMT Atlantique, AI Chair OceaniX
Durée : 24 mois
Contact : ronan.fablet@imt-atlantique.fr
Date limite de publication : 2022-03-31

Contexte :
This postdoc position is opened in the framework of AI chair OceaniX (https://cia-oceanix.github.io/) dedicated to physics-informed AI for the monitoring and surveillance of the oceans. OceaniX chair gathers an interdisciplinary group with expertise in numerical modeling, applied math deep learning, remote sensing and ocean science to leverage AI technologies and paradigms to address key challenges in ocean modeling and forecasting, observing system design and control, surveillance and monitoring of maritime activities. OceaniX chair also benefits from the strong academy-industry partnerships (eg, Ifremer, CNES, CLS, NavalGroup, Eodyn, OceanDataLab, OceanNext…).

Sujet :
The successful candidate shall develop cutting-edge collaborative research activities for physics-informed emulators [Nonnenmacher et al., 2021] for the simulation and forecasting of ocean dynamics with a strong interest in the ability to fully exploit multimodal observation datasets. Recent advances within our group on related topics [e.g., Fablet et al., 2021; Ouala et al., 2020; Roy et al., 2021, Frezat et al., 2021] could provide a relevant basis for novel broad-impact contributions. Specific case-studies on subgrid-scale parameterization, ocean-atmosphere extreme dynamics (e.g., hurricanes, marine heatwave) as well as smart multimodal observing systems will be of key interest.

Additional Information on our ongoing research may be found at https://cia-oceanix.github.io/.

Profil du candidat :
Applications from candidates with a Ph.D in applied math/machine learning/data science and a strong interest in ocean and climate science as well as with a PhD in ocean and climate science and a proven background in machine and deep learning are welcome.

Formation et compétences requises :
Candidates should have a strong interest and commitment to research. Creativity with an aim towards independent research is highly emphasized.

Adresse d’emploi :
IMT Atlantique, Brest, France

Postdoctoral position: Banking data analysis for fraud detection in online payments

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

Laboratoire/Entreprise : IRIMAS
Durée : 12 months
Contact : maxime.devanne@uha.fr
Date limite de publication : 2021-10-15

Contexte :
The volume of online sales in France is continuously increasing. Remote payments on the Internet concentrate most of the fraud on French credit cards (70% of the amount of fraud (255 M €) while it represents only 14% of the value of national transactions). Fraud is a complex phenomenon to detect. Indeed, fraudsters constantly adapt their techniques in order to outsmart the system, which poses a financial and reputational risk to e-commerce sites and banks.

Sujet :
The project aims to develop machine learning methods for the detection of credit card frauds. This project is a collaboration between the company Enygma, specializing in the detection of bank frauds, and the IRIMAS research institute specializing in machine learning methods.

Profil du candidat :
Applicants must have a PhD in Computer Science and demonstrate experience in the field of machine learning. We are looking for a profile with good experience in deep learning methods as well as programming in Python. Experience in optimization as well as CUDA programming would be a plus.

Formation et compétences requises :
Applicants must have a PhD in Computer Science and demonstrate experience in the field of machine learning. We are looking for a profile with good experience in deep learning methods as well as programming in Python. Experience in optimization as well as CUDA programming would be a plus.

Adresse d’emploi :
IRIMAS, Université de Haute-Alsace, Mulhouse
Gross Salary : 3250 €/month

Please contact Prof. Lhassane Idoumghar (lhassane.idoumghar@uha.fr), Dr. Jonathan Weber (jonathan.weber@uha.fr), Dr. Julien Lepagnot (julien.lepagnot@uha.fr) or Dr. Maxime Devanne (maxime.devanne@uha.fr) for more information about the position.

Document attaché : 202110081145_Post-Doc SATT Enygma Eng.pdf