Archives

Postdoctoral position: Intelligent Handling of Imperfect Data

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

Laboratoire/Entreprise : Laboratoire Bordelais de Recherche en Informatique
Durée : 24 months
Contact : meghyn.bienvenu@labri.fr
Date limite de publication : 2021-06-15

Contexte :
Accessing the relevant information contained in real-world data to support informed decision making is difficult, time-consuming, and error-prone due to the need to integrate data across multiple heterogeneous sources. Moreover, even if this first hurdle is overcome, a perhaps even more daunting challenge arises: how to obtain reliable insights from imperfect data? It is widely acknowledged that real-world data is plagued with quality issues, such as incompleteness (missing information) and errors (false or outdated information).

The ontology-based data access (OBDA) paradigm addresses the first challenge by facilitating access to (potentially heterogeneous) data sources through the use of ontologies that specify a convenient user-friendly vocabulary for query formulation (which abstracts from the way the data is stored) and capture domain knowledge that can be exploited at query time, via automated reasoning, to obtain more complete query results. While OBDA systems are growing in maturity, they too often fail to address the data quality issue, aside from issuing warnings when inconsistencies are discovered. 

The postdoctoral researcher will take part in the INTENDED Chair on Artificial Intelligence (https://intended.labri.fr/), whose aim is to develop intelligent methods for handling imperfect data. 

Sujet :
The postdoc will be involved in developing principled and effective methods for handling imperfect data. The precise topic will depend on the interests and background of the selected researcher, so brilliant candidates with an interest in the overall project topics should not hesitate to apply.

As an example research direction, one of the main aims of the project is to develop pragmatic approaches to handling inconsistencies in more expressive settings. This could include conceiving new inconsistency-tolerant query answering algorithms for more expressive ontology languages, devising optimizations, identifying interesting tractable subcases, and extending algorithms to tackle other important features (e.g. mappings, uncertain information, temporal dimension) that have been little explored thus far.

The position is primarily concerned with foundational research, but depending on the interests and aptitude of the postdoctoral researcher, it could also involve a more practical component with the implementation and testing of the developed algorithms.

Profil du candidat :
Applicants should possess an excellent research record, as demonstrated by publications in top venues, with prior experience in databases or knowledge representation and reasoning.

Familiarity with first-order logic and/or ontology languages is desirable.

Experience in one or more of the following areas would be relevant and welcome: data integration, data cleaning, data quality, description logics, ontologies, automated reasoning, inconsistency handling, theoretical computer science (esp. computational complexity).

Strong English language skills (reading, writing, & speaking) are expected, but knowledge of French is not required. The working language can be either French or English.

Formation et compétences requises :
At the time of hiring, applicants must hold a PhD in computer science (or possibly a related discipline with significant computer science experience).

Students near completion of their PhD degree may also get in touch, as there is flexibility on the starting date.

Adresse d’emploi :
LaBRI – Université de Bordeaux
351 cours de la Libération
F-33405 Talence cedex

Document attaché : 202105051420_postdoc1-intended.pdf

Offre de thèse – Fully-funded PhD studentship in text mining @INRAE

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

Laboratoire/Entreprise : MaIAGE-INRAE et TETIS-CIRAD
Durée : 3 ans
Contact : claire.nedellec@inrae.fr
Date limite de publication : 2021-06-15

Contexte :
We are seeking a highly motivated PhD candidate within the framework of the research project “Information extraction from textual data for epidemiosurveillance for plant health”. The central aim of the research project is to develop corpus- and ontology-based NLP methods to acquire knowledge on plant health for epidemiosurveillance. The thesis is part of the ANR project BEYOND Building epidemiological surveillance and prophylaxis with observations both near and distant. [1]
The studentship will be affiliated to the laboratory MaIAGE [2] at Inrae research center in Jouy-en-Josas University of Paris-Saclay and to the graduate school Computer Science and MISCA group at TETIS [3].
For more information, please see the full announcement here:
https://www.adum.fr/as/ed/voirproposition.pl?site=PSaclay&matricule_prop=36867

Sujet :
## PhD position description

The candidate will be offered a fully funded PhD position (3 years).

Profil du candidat :
voir : https://www.adum.fr/as/ed/voirproposition.pl?site=PSaclay&matricule_prop=36867

Formation et compétences requises :
## Profile
– MSc or equivalent in Computer Science
– High level of academic English or French, both written and spoken;
– Knowledge of Machine Learning and Natural Language Processing or commitment to acquire it;
– Good programming skills in Python or Java (and preferably experience with deep learning tools)
– Capacity to work as part of a team in a multidisciplinary framework.
– Experiences of applied research to Life Science is an asset.
We offer a motivating research environment with many opportunities for in-house, national and international collaborations and with access to state-of-the-art research equipment.

Adresse d’emploi :
## Application

The closing date is June 30rd 2021

Interested candidates should send their application file to Claire Nédellec and to Mathieu Roche .
It should comprise:
– a CV (max 5 pages) with transcripts (Master), diplomas, internships
– a cover letter
– the names and contact of two referees for reference letters

[1] https://www6.inrae.fr/beyond/
[2] https://maiage.inrae.fr/fr/bibliome
[3] https://www.umr-tetis.fr/index.php/fr/recherche/equipes/l-equipe-misca

Customized User-Sensitive Approaches to Inconsistency Management

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

Laboratoire/Entreprise : Laboratoire Bordelais de Recherche en Informatique
Durée : 36 months
Contact : meghyn.bienvenu@labri.fr
Date limite de publication : 2021-05-16

Contexte :
Accessing the relevant information contained in real-world data to support informed decision making is difficult, time-consuming, and error-prone due to the need to integrate data across multiple heterogeneous sources. Moreover, even if this first hurdle is overcome, a perhaps even more daunting challenge arises: how to obtain reliable insights from imperfect data? It is widely acknowledged that real-world data is plagued with quality issues, such as incompleteness (missing information) and errors (false or outdated information).

The ontology-based data access (OBDA) paradigm addresses the first challenge by facilitating access to (potentially heterogeneous) data sources through the use of ontologies that specify a convenient user-friendly vocabulary for query formulation (which abstracts from the way the data is stored) and capture domain knowledge that can be exploited at query time, via automated reasoning, to obtain more complete query results.

While OBDA systems are growing in maturity, they too often fail to address the data quality issue, aside from issuing warnings when inconsistencies are discovered. It is therefore essential to equip OBDA systems with appropriate mechanisms for handling imperfect data: how to obtain meaningful answers to queries posed over imperfect data, and how best to generate a high-quality version of the data?

This position is part of the INTENDED Chair on Artificial Intelligence, whose aim is to develop intelligent, knowledge-based methods for handling imperfect data. For more information, see: https://intended.labri.fr/

Sujet :
The PhD position will focus on the development of a customized user-sensitive approach to data quality in OBDA, in which users can give direction on how errors are resolved, based upon their knowledge, preferences, and intended use of the data.

More precisely, the student will define one or more notions of a data quality policy, examine the formal properties of such policies, and develop and analyze algorithms for constructing and debugging such policies and using them to clean the data and/or produce reliable answers to queries.

Depending on the interests of the student, the thesis could also involve a more practical component (implementation and testing of the developed algorithms), but the thesis is primarily focused on foundational research.

Profil du candidat :
As ontologies are expressed using logic-based formalisms, candidates should be familiar and comfortable with first-order logic.

Prior knowledge in one or more of the following areas would be a plus: knowledge representation and reasoning (especially description logics), database theory, Semantic Web (ontologies), theoretical computer science (in particular, computational complexity).

Strong English language skills (reading, writing, & speaking) are expected, but knowledge of French is not required. The working language can be either French or English.

Formation et compétences requises :
At the start of the PhD, the candidate must hold a Master’s degree in computer science (or possibly mathematics, if accompanied by relevant computer science experience).

Adresse d’emploi :
LaBRI – Université de Bordeaux
351 cours de la Libération
F-33405 Talence cedex

Document attaché : 202105051156_phd1-intended-4.pdf

Application of Machine Learning techniques to classify hydroacoustic events in large acoustic databa

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

Laboratoire/Entreprise : UBO/IUEM/LGO
Durée : 24
Contact : sara.bazin@univ-brest.fr
Date limite de publication : 2021-05-07

Contexte :
Nous avons soumis un sujet de post-doc Marie-Curie pour développer des algorithmes de reconnaissance automatique par apprentissage machine (ML) de signaux de données hydroacoustiques (séismes notamment). Nous disposons de 10 ans d’enregistrements du réseau OHASISBIO dans l’océan indien (https://www-iuem.univ-brest.fr/lgo/les-chantiers/ohasisbio/).
Lien vers l’annonce Euraxess : https://euraxess.ec.europa.eu/jobs/623070
Les candidat.e.s devront avoir passé au moins 12 mois à l’étranger lors des trois dernières années.

Sujet :
Mooring networks of autonomous hydrophones is an effective way for monitoring the ocean soundscape and its sources: undersea earthquakes and volcanic eruptions, marine mammals, iceberg cracks, sea-state, ship noise… For more than 10 years, our laboratory has been maintaining hydroacoustic networks in the open ocean, composed of few hydrophones moored in the sound channel, which acts as an acoustic waveguide, carrying acoustic waves over thousands of kilometers.
In the Indian Ocean, the OHASISBIO network comprises 7 to 9 distant hydrophones continuously recording low-frequency sounds (0-120Hz) since 2010. Its objective is to monitor the seismic activity of mid-ocean ridges, but also the presence and migration patterns of large whales, and the oceanic ambient noise in general. Indeed, mid-oceanic spreading centers generate a large number of earthquakes and thus acoustic waves, indicative of the intervening seafloor spreading processes. Moreover, large baleen whales produce many loud and distinctive calls and songs, which provides clues as to when and where species dwell and migrate. Other sounds of interest are cryogenic sounds produced by icebergs or man-made noises (ship traffic, seismic exploration).
Over the years, passive acoustic monitoring of the ocean results in very large data sets (e.g. 25G/yr/instrument x 10 instr. x 10 years). The preliminary but indispensable, and time consuming step in the data analysis consists in identifying the different types of acoustic events. To achieve a more complete and efficient analysis, we wish to develop a deep learning application for event detection and signal discrimination in our acoustic database.
The fellow will hence develop an automatic detection and classification tool for acoustic signals recorded in the ocean, based on machine learning techniques. Among the wide range of approaches for intelligent classification, we seek for the implementation that would best extract information from our growing acoustic database.
Supervised learning consists in teaching a model how to make classification predictions, here: earthquake, icequake, seismic-shot or whale-call. Parts of the OHASISBIO dataset have already been manually processed and classified, and will serve for training the model.
Once events are detected and classified on several hydrophones, their source can be localized based on their arrival times, the geometry of the network, and the sound-speed in the ocean. Ultimately, resulting seismic catalogs will depict the spatial and temporal seismicity that will help understanding the dynamics of seafloor spreading. Bioacoustic catalogs will be used to establish statistics on the presence of marine mammals and its evolution over the years, a key to developing conservation measures. Ocean noise pollution by man-made noise is becoming a major issue and its evolution has yet to be characterized in the long term. These are among the outcomes expected from a thorough, systematic and enhanced analysis of continuous acoustic recordings in the open ocean, through machine learning techniques.

Profil du candidat :
Applicants must have a maximum of 8 years full-time equivalent experience in research, measured from the date applicants were in possession of a doctoral degree. Years of experience outside research and career breaks (e.g. due to parental leave), will not be taken into account.
Nationality & Mobility rules: Applicants can be of any nationality but must not have resided more than 12 months in France in the 36 months immediately prior to the MSCA-PF call deadline (September 15th, 2021)

Formation et compétences requises :
– Skills in Machine Learning algorithms and their implementation
– Skills in large dataset analysis and signal processing
– Post-doctoral publication(s) in peer reviewed journals, related to these fields
– Experience in acoustics or geoscience will be a plus
– Required Language: English (French is not required)

Adresse d’emploi :
Institut Universitaire Européen de le Mer (Université de Brest), Plouzané, France

Engineer on the Dissemin platform

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

Laboratoire/Entreprise : Valda (DI ENS, ENS, CNRS, PSL University ; Inria)
Durée : 2 years
Contact : hiring@dissem.in
Date limite de publication : 2021-12-31

Contexte :
Valda is hiring an engineer to work on the Dissemin platfom for a two-year position at École normale supérieure. Dissemin is a tool to detect research articles behind paywalls and to help their authors upload them in an open repository. Dissemin is an open-source project with various contributors, organized as a non-profit.

Candidates can submit their application (CV, motivation letter, references, link to past projects) as a single PDF document to hiring@dissem.in. Applications will be evaluated on a rolling basis. Early applications are recommended.

See also https://team.inria.fr/valda/en/engineer-position-in-the-valda-team/

Sujet :

The role of the engineer will be to turn Dissemin from a proof-of-concept work into a production-ready tool, in particular to be used by French researchers to help them deposit their works on open-access platforms, as required by their employers or funders. Some specific tasks include:
– day-to-day management of the Dissemin platform and bug fixing;
– integration of Crossref and BASE data, in connection with HAL;
– optimization of the data ingestion from Crossref and BASE;
– possible migration of the platform to a different hosting and architecture;
– interaction with the Valda research team on subjects related to the analysis of the scientific corpus (e.g., possible co-supervision of Master’s students).

Profil du candidat :
The applicant should be familiar with or ready to learn the following technologies:
– the Python programming language;
– the Django Web application framework;
– the PostgreSQL database management system;
– RESTful Web APIs;
– processing of large datasets.

The applicant should be familiar with an open-source development workflow (basics of Git, merge requests, proficiency in technical English) and willing and interested to work in an academic environment on a project related to academic publishing. The candidate should be able to work autonomously, in interaction with a remote team of developers.

Formation et compétences requises :
The applicant should hold a Master or engineering diploma in a field related to computer science or computer engineering. Candidates holding a PhD on a relevant topic are also welcome, with the experience of the PhD recognized and useful for the project.

The applicant need not be French-speaking.

Adresse d’emploi :
The engineer will be hosted at École normale supérieure in the 5th district of Paris and employed by ENS on a one-year contract renewable once, for a total planned duration of two years.

For a full-time position, the work week is 37.5 hours (flexible hours), with 49 vacation days yearly; part-time positions can be discussed. The engineer will work under the supervision of the head of the Valda team, Pierre Senellart. The salary will follow the ENS salary scale for technical employees (typically 26 to 36 k€ gross yearly salary depending on experience and degree).

The position is expected to start at the earliest in June 2021 and at the latest in January 2022.

The work will be conducted within a dynamic research team, also in interaction with the PRAIRIE institute for artificial intelligence research in Paris. The engineer will be encouraged to participate in the life of the team (research seminars, discussions with PhD candidates and researchers, etc.). This position can also serve as a gateway for applicants considering a PhD thesis in related areas. All development will be open-source. Contributing to third-party open-source projects useful to Dissemin is also encouraged.

ENS is an equal-opportunity employer, with ENS and Dissemin committed to diversity and professional equality in terms of gender, handicap, and origin. For this reason, applicants need not mention any personal information (such as age, family situation, photo) on their application.

Prediction of demographic indicators from remote sensing images

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

Laboratoire/Entreprise : Université de Paris / INED
Durée : 3 ans
Contact : camille.kurtz@parisdescartes.fr
Date limite de publication : 2021-07-08

Contexte :
General information
• When to apply: until the 12th of May 2021
• Starting date: October 2021
• Funding: EDITE doctoral school (subject to being approved by the EDITE committee.)
• Institutes: Université de Paris, Laboratoire d’Informatique Paris Descartes (LIPADE), équipe Systèmes Intelligents de Perception and Institut national d’études démographiques, unité Démographie des populations du Sud (Demosud)
• Location: 45 rue des Saints-Pères, 75006 Paris (LIPADE) and 9, cours des Humanités, 93322 Aubervilliers (INED)
• Supervision: Sylvain Lobry, Camille Kurtz, Laurent Wendling – (first.lastname@u-paris.fr), Géraldine Duthé, Valérie Golaz (first.lastname@ined.fr)
• Keywords: Remote sensing, Demography, Computer vision, Deep learning, Africa

Sujet :
Objective
In this PhD, which stems from and strenghtens an on-going collaboration between LIPADE and INED, the candidate will develop deep learning based methodologies using remote sensing data to
predict indicators of the environment and environmental change, for demographic analysis. As such, the objective of this topic is twofold: to propose methodological contributions for the large-scale extraction of diachronic environmental indicators and to analyze their contribution to spatial population and health analyses. How do these indicators compare with the existing environmental data?
What results do they yield in terms of the impact of environmental characteristics and environmental change on population structure and health in Sub-Saharan Africa? We expect prime results in the field of computer science (innovative methodologies) and demography (a better understanding of local inequalities in terms of population structure and health) as well as a contribution to the use of fine remote sensing data analysis for population studies.

Context
In a globalized context increasingly impacted by climate change, undergoing rapid population growth and urbanization, demographic studies would gain to better take environmental data into account and be carried out at the transnational level. However, this is not always possible in Sub-Saharan Africa, as matching harmonized demographic and environmental data are seldom available. One major harmonized source of data on population and health in global South countries is the Demographic and Health Surveys (DHS) program. Since 2015, Demographic and Health Surveys were conducted once in about all the countries that participate in the program across Sub-Saharan Africa. To date, in spite of the delays in data collection and data set preparation due to the Covid-19 lockdowns, 16 data sets are already available for use, with matching geodata files. The large amount of spatial data regularly acquired since 2015 (in 2019 only, Sentinel satellites from the European Space Agency produced 7.54 PiB of open-access data 1 ) are an opportunity to produce standardized and up-to-date indicators.

Profil du candidat :
We are looking for a student in Master 2 or engineering school in computer science data science or demography.

Formation et compétences requises :
The ideal candidate would have knowledge in image processing, computer vision, machine learning, Python programming, statistical data analysis and demographic research. The candidate should have an interest in large scale studies, remote sensing and demography.

Adresse d’emploi :
45 rue des Saints-Pères, 75006 Paris (LIPADE) and 9, cours des Humanités, 93322 Aubervilliers (INED)

Document attaché : 202105030918_PhD – Prediction of demographic indicators from remote sensing images.pdf

Stratégie basée IA et connaissances pour la création de contextes immersifs pour films

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

Laboratoire/Entreprise : XLIM/LIAS
Durée : 3 ANS
Contact : chaker.larabi@univ-poitiers.fr
Date limite de publication : 2021-05-31

Contexte :
Les technologies immersives font partie désormais de notre quotidien et permettent d’améliorer de manière significative l’expérience visuelle des utilisateurs. Bien que notre perception visuelle ne soit très précise que sur une petite portion de la rétine incluant les zones fovéale et para-fovéale (approx. 10°) riches en photorécepteurs de type cône, la vision périphérique (proche, moyenne et lointaine) composant la majorité du champ visuel humain, joue un rôle prépondérant dans la sensation d’immersion. En d’autres termes, l’effet immersif n’est atteint que si le champ visuel est entièrement stimulé. Toutefois, la sollicitation de la vision périphérique pourrait, dans des conditions non contrôlées, générer l’inverse de l’effet escompté et ce en attirant le regard du spectateur vers cette dernière, cassant ainsi le cycle immersif. Cela impose donc de disposer de mécanismes étudiés et éprouvés afin d’éviter d’aboutir à de telles situations.
Par ailleurs, l’immersion est également liée à l’exploration visuelle dans des environnements immersifs. L’analyse du parcours visuel durant l’expérience de l’utilisateur permet de comprendre l’importance des objets composant la scène visualisée y compris les éléments extra-fovéaux. La prédiction de ce type de parcours permet indéniablement d’intégrer la capacité à détecter les éléments pouvant induire la sensation d’immersion et ceux qui la réduisent.
Parmi les technologies existant sur le marché, la technologie ICE IMMERSIVE® utilisée dans les salles ICE, exploitées par le groupe CGR, permet de visionner des films en immersion totale, grâce aux effets lumineux subtils diffusés sur des panneaux LED installés de chaque côté de l’auditorium et à l’éclairage généré par des projecteurs dédiés créant ainsi une atmosphère visuelle favorisant la sensation d’immersion. Les effets lumineux représentent une combinaison synchrone de couleurs et de formes obtenues à partir du contenu du film projeté à l’écran. Ils sont générés grâce à des scripts spécifiques à chaque film, ce qui ne permet pas la généralisation du concept à d’autres films.

Sujet :
Dans cette collaboration entre le groupe CGR et les laboratoires LIAS et XLIM, l’objectif est de définir une stratégie pour la création du contexte immersif (effets lumineux) à partir du contenu de la scène projeté et en se basant sur l’intelligence artificielle et les ontologies. L’idée est de construire un modèle d’apprentissage profond prenant en compte le contenu coloré dominant de la scène, les formes la composant, ainsi que le changement des différentes intensités du son pour générer de manière autonome, efficace et harmonieuse des effets lumineux garantissant un effet immersif

au spectateur. Actuellement, le groupe CGR reçoit les films avant leur sortie et une équipe de monteurs/graphistes a pour tâche de créer le contenu ICE à partir des images du film qui doit satisfaire les besoins d’immersion des spectateurs. L’objectif de cette thèse est de proposer une automatisation de tout ou partie de ce travail manuel.
Pour ce faire le candidat contribuera à :
• Comprendre et formaliser l’expérience manuelle de création du contenu ICE.
• Définir une ontologie pour décrire d’une manière consensuelle un film afin d’expliciter le domaine de l’étude.
• Constituer d’une base d’images dédiée à l’apprentissage du modèle et se basant sur l’expérience du groupe CGR tout en extrayant leurs métadonnées associées.
• Concevoir un modèle d’apprentissage profond prenant en entrée tous les paramètres intervenant dans la définition des effets lumineux et notamment les modèles perceptuels associés. La mise en place de ce modèle nécessite une méthodologie compréhensive permettant de bien décrire toutes les étapes de ce modèle afin de faciliter son explicabilité auprès de la CGR.
• Développer une procédure de test et de validation permettant de mesurer la qualité de l’expérience des spectateurs, suivant des paradigmes normalisés afin de déterminer le confort, le niveau d’immersion, la qualité et de contrôler les possibles effets sanitaires générés.

Profil du candidat :
Nous recherchons un étudiant ayant un Master dans les disciplines suivantes : informatique, traitement du signal et des images, apprentissage automatique ou disciplines connexes, ayant des compétences dans au moins l’un des domaines suivants :
• Bonne connaissance de modélisation ontologique.
• Bonne connaissance du traitement d’images et de l’apprentissage
automatique.
• Excellentes compétences en programmation (Python, C, C++,
MATLAB).
• Des connaissances sur la perception visuelle ou la mesure de
l’expérience utilisateur seraient appréciées.

Formation et compétences requises :
Nous recherchons un étudiant ayant un Master dans les disciplines suivantes : informatique, traitement du signal et des images, apprentissage automatique ou disciplines connexes, ayant des compétences dans au moins l’un des domaines suivants :
• Bonne connaissance de modélisation ontologique.
• Bonne connaissance du traitement d’images et de l’apprentissage
automatique.
• Excellentes compétences en programmation (Python, C, C++,
MATLAB).
• Des connaissances sur la perception visuelle ou la mesure de
l’expérience utilisateur seraient appréciées.

Adresse d’emploi :
Lieu de la thèse: Groupe CGR (La Rochelle) et les laboratoires XLIM et LIAS (Site du Futuroscope, Poitiers)

Document attaché : 202104282208_Sujet_CIFRE_CGR_LIAS_XLIM.pdf

Fouille de modèle et visualisation de données pour explorer les avenirs d’une zone au Sénégal

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

Laboratoire/Entreprise : CIRAD (Le Centre de coopération internationale en
Durée : 5 à 6 mois
Contact : camille.jahel@cirad.fr
Date limite de publication : 2021-05-21

Contexte :
La zone des Niayes fournit 70% des produits horticoles à Dakar, profitant d’une nappe phréatique peu profonde, d’un climat favorable et de sols fertiles. Mais ces dernières années ont été marquées par une baisse importante du niveau de la nappe et une salinisation progressive des terres par invasion marine, du fait d’une diminution de la pluviométrie. A cela s’ajoute des problématiques de surexploitation des ressources hydriques par les exploitations agricoles, les agro-industries et les exploitations minières qui ne cessent de s’agrandir. Les prévisions climatiques pour les prochaines années, particulièrement alarmantes pour le Sénégal, tendent à montrer que ces tendances risquent de s’amplifier, menaçant directement toutes les exploitations agricoles de la zone.
Il est donc urgent de prendre la mesure de ces changements pour tenter de les atténuer. Dans ce contexte, une série d’ateliers de prospective ont été menés en 2018, qui ont permis de dessiner les contours de scénarios d’évolution des Niayes (www.niayes2040.fr). Mais ces scénarios sont dans un registre narratif et qualitatif et doivent maintenant être illustrés d’indicateurs quantitatifs.
Pour cela, une équipe multidisciplinaire de modélisateurs et thématiciens ont écrit un modèle des dynamiques de la zone des Niayes, à l’aide de la plateforme de modélisation spatiale Ocelet (www.ocelet.fr). Le modèle articule plusieurs modules, et permet de simuler des dynamiques de la nappe phréatique, l’étalement urbain, l’avancée du domaine cultivé, les productions agricoles, les revenus agricoles et les emplois agricoles. Le modèle a été construit de manière à reproduire les dynamiques de ces différents modules observés ces 15 dernières années. Il s’agit pour le stagiaire de calibrer le modèle, d’explorer la diversité des résultats en entrée et en sortie de modèle et enfin de l’utiliser pour simuler les différents scénarios plausibles.

Sujet :
La première partie de ce stage sera la calibration du modèle, en comparant les sorties du modèle pour différents jeux de paramètres aux données d’observation terrain (station d’enregistrement piézométriques, étalement urbain, productions agricoles). Le stagiaire sera amené à effectuer des analyses de sensibilité pour évaluer les réactions du modèle aux variations de conditions initiales. Il cherchera également à mesurer les contributions des différents paramètres d’entrées aux sorties du modèle. Enfin en mobilisant des algorithmes évolutionnaires (NSGA2, PSE), le modèle sera mis sous contrainte pour comprendre les situations optimales et les situations critiques du système. Le stagiaire s’appuiera pour cela des approches développées par la communauté OpenMole (openmole.org) d’exploration de modèle.
Une fois le modèle calibré et vérifié, il s’agira d’identifier dans les résultats de sortie du modèle ceux qui correspondent aux scénarios qualitatifs identifiés par les acteurs en 2018 (approche experte). A partir de cet espace des sorties et en utilisant une des méthodes telle qu’OSE, le stagiaire identifiera dans l’espace des entrées les jeux de paramètres qui conduisent aux espaces des sorties considérées par les experts. Pour cela, des séries de simulations seront lancées sur des périodes simulées de 20 ans, en fonction de jeux de paramètres cohérents avec les scénarios qualitatifs produits plus tôt et en insérant différentes « ruptures » dans les simulations (par exemple, introduction d’un nouveau paramètre en cours de simulation). Ce travail d’exploration et d’analyse de l’espace des sorties sera mené par le stagiaire, en s’inspirant là aussi des travaux de la communauté d’OpenMole.
Si le temps le permet, le stagiaire sera alors à même de produire une interface de visualisation des trajectoires territoriales qui permette aux décideurs et aux chercheurs d’identifier les bifurcations dans les scénarios simulés parmi les avenirs plausibles de la zone des Niayes. Le travail de visualisation des données en sortie – comme par exemple, des cartes d’occurrence de phénomène pour un même scénario, ou une présentation de l’espace des possibles, etc. – fournira le contenu à la plateforme de visualisation.

Profil du candidat :
Le stagiaire devra maîtriser au moins un langage informatique et aura des connaissances en analyse de données. Un intérêt pour les thématiques environnementales, de changement climatique et socio-économiques sera un plus.

Formation et compétences requises :
M1 ou M2 en informatique, analyse de données ou sciences environnementales (avec option info).

Adresse d’emploi :
Maison de la télédétection
500 Rue Jean François Breton, 34090 Montpellier

Document attaché : 202104281633_Fouille de modèle et visualisation de données pour explorer les avenirs plausibles de la zone des Niayes au Sénégal_vf.docx

Poste de Professeur en Informatique

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

Laboratoire/Entreprise : INSA CVL – LIFAT (Blois/Tours)
Durée : 1 an de CDD puis CDI
Contact : julien.mille@insa-cvl.fr
Date limite de publication : 2021-05-31

Contexte :
L’INSA Centre Val de Loire ouvre des postes d’Enseignant Chercheurs contractuels (CDD d’un an puis CDI).

Date limite de dépot des candidatures : 16 mai 2021

Sujet :
Un poste de Professeur en informatique est ouvert pour septembre 2021.
La personne recrutée fera ses enseignements sur le campus de Blois au sein de l’INSA CVL.
Le/la candidat(e) retenu(e) rejoindra le Laboratoire d’Informatique Fondamentale et Appliquée de Tours (LIFAT – EA 6300). Les recherches menées au LIFAT portent sur plusieurs domaines scientifiques comme l’analyse d’images et de vidéos (computer vision), l’apprentissage automatique (machine learning), la fouille de données (data mining), la visualisation de données (data visualisation), le traitement des langues naturelles (text mining) ou l’optimisation de problèmes combinatoire (combinatorial optimization)

Profil du candidat :
Le recrutement d’un ECC de niveau assimilé à un Professeur des universités a pour objet prioritaire de renforcer les capacités d’encadrement, de structuration et d’animation de la recherche sur les thématiques déjà présentes au sein de l’équipe RFAI (Reconnaissance des Formes et Analyse d’Images) de l’INSA-CVL.
Cette équipe est composée de 20 permanents répartis sur les sites de Tours et Blois et articule ses recherches autour de 4 axes principaux : le traitement et l’analyse d’images et de vidéos, l’apprentissage statistique (machine learning), la reconnaissance des formes à base de graphes, le traitement de données séquentielles et de la temporalité.

Les activités de l’ECC pourront également s’intégrer au sein des autres thématiques du LIFAT déjà présentes à l’INSA-CVL.

Le/la) candidat(e) devra avoir un excellent dossier scientifique et démontrer ses capacités (i) à animer et fédérer la recherche (ii) à monter des collaborations et des projets de recherche ambitieux au niveau national et international (iii) à renforcer les partenariats industriels et les collaborations entre équipes du LIFAT.

Formation et compétences requises :
Les modalités de candidature sont disponible sur : https://www.insa-centrevaldeloire.fr/fr/insa-centre-val-de-loire/insa-recrute

Adresse d’emploi :
Institut National des Sciences Appliquées Centre Val de Loire (INSA CVL)
Campus de Blois (France)

POSTES ATER INFORMATIQUE UNIVERSITE DE BOURGOGNE

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

Laboratoire/Entreprise : Laboratoire Informatique de Bourgogne
Durée : 1
Contact : hocine.cherifi@u-bourgogne.fr
Date limite de publication : 2021-04-27

Contexte :
Plusieurs postes d’ATER en informatique sont (susceptibles d’être) ouverts au concours à l’Université de Bourgogne avec rattachement au laboratoire d’Informatique de Bourgogne (LIB) :

– 5 postes à l’UFR Sciences & Techniques

– 2 postes à l’école d’ingénieurs ESIREM

– 2 postes à l’IUT Dijon-Nevers

Les profils d’enseignement sont variés et les profils recherche demandent une intégration dans une des équipes du LIB

Science des Données
Combinatoire-Réseaux
Modélisation géométrique

Voir les détail des profils sur Galaxie/Altair :

https://galaxie.enseignementsup-recherche.gouv.fr/antares/can/astree/index.jsp

Date limite de dépôt de candidature le 10 mai 16h.

Contact recherche : Hocine Cherifi hocine.cherifi@u-bourgogne.fr

Sujet :
NC

Profil du candidat :
NC

Formation et compétences requises :
NC

Adresse d’emploi :
LIB