Maître de Conférences en Informatique et Intelligence Artificielle

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

Laboratoire/Entreprise : Centre de Génie Industriel / IMT Mines Albi
Durée : CDI
Contact : matthieu.lauras@mines-albi.fr
Date limite de publication : 2025-04-30

Contexte :
École du ministère en charge de l’industrie, IMT Mines Albi est une école de l’Institut Mines-Télécom (IMT), 1er groupe d’écoles d’ingénieurs et de management de France. À l’avant-garde des enjeux industriels et académiques sur la scène internationale, elle agit comme un moteur scientifique et économique territorial en combinant ses 4 missions – former des ingénieurs en intégrant la dynamique du développement durable, faire de la recherche scientifique, contribuer au développement économique et diffuser la culture des sciences, des techniques et de l’innovation – en un cercle vertueux et porteur d’innovation.
Site Internet de l’IMT : https://www.imt.fr/
Son positionnement en matière de formation et de recherche place IMT Mines Albi comme une école de référence sur trois des quatre thématiques de l’IMT, à savoir l’industrie du futur responsable, l’énergie, économie circulaire et société ainsi que l’ingénierie, santé et bien-être. IMT Mines Albi s’est dotée en 2023 et pour une période quinquennale, d’un plan stratégique décliné en 7 grandes actions, répondant aux orientations stratégiques du groupe IMT à laquelle elle appartient.
IMT Mines Albi représente : environ 1000 élèves-ingénieurs et chercheurs en formation, 360 personnels, un budget consolidé de 32 M€, 3 centres de formation et de recherche : Institut Clément Ader Albi (ICA-A), RAPSODEE et Centre Génie industriel (CGI).
Site Internet d’IMT Mines Albi : https://www.imt-mines-albi.fr/
IMT Mines Albi, au travers du CGI, développe des recherches à la frontière entre l’Intelligence Artificielle et le Génie Industriel, en collaboration avec des partenaires publics et industriels nationaux et internationaux. IMT Mines Albi fait partie de l’Institut Carnot MINES.

Sujet :
Ce poste, ouvert au sein d’IMT Mines Albi, est rattaché au Centre Génie Industriel (CGI) qui compte à ce jour environ 70 personnes. Le centre s’intéresse à l’accompagnement de la transition des écosystèmes en permettant de prendre des décisions responsables et durables, dans des environnements instables ou perturbés. Ceci est mis en pratique par la représentation, la modélisation et l’analyse des données de ces organisations afin de formaliser de la connaissance conduisant à la prise de décision dans des contextes hétérogènes, collaboratifs, incertains et/ou perturbés. Il est structuré selon des axes de recherche appliquée et des programmes scientifiques :
Les axes de recherche appliquée sont :
· Axe FLOWS : Flexible Logistics and Operations for sustainable WorldS ;
· Axe DiSCS : Digital Systems for Crisis management and Security ;
· Axe TRACE : Territorial Resilience, Agility, and Circular Economy ;
· Axe WHOPS : Well-being and Health through Organizational Processes and Services.
Les deux programmes scientifiques au cœur de ces axes de recherche appliquée sont :
· HOPOPOP : Hybridization for Operations & Planning, Organizations & Performance, Optimization & Problem-solving ;
· AIMED : Automated Information Modeling and Extraction for Decision-makers.

Profil du candidat :
Le ou la Maître(sse) de Conférence (MCF) recruté(e) aura pour mission de renforcer l’expertise du CGI en matière d’Informatique et plus particulièrement d’Intelligence Artificielle (IA) et Génie Logiciel appliqués au Génie Industriel. Il/elle aura à renforcer l’équipe d’Enseignants-Chercheurs du Centre sur les activités de formation et de recherche. Le ou la titulaire sera placé(e) sous l’autorité hiérarchique du directeur du CGI.
De manière générale, le/la MCF recruté(e) aura à participer au projet pédagogique de l’école, aux missions de formation, aux activités de recherche et de transfert de technologies, aux montages et suivis d’activités contractuelles et à des collaborations nationales et internationales. Il/elle sera une force vive pour leur développement et sera appelé(e) à exercer des responsabilités administratives et d’encadrement.
Pour ce qui est du rôle d’Enseignant-Chercheur, le/la titulaire aura à contribuer aux formations proposées par IMT Mines Albi, en participant notamment aux enseignements en Systèmes d’Information, Informatique et IA du tronc commun de la formation d’ingénieurs et de l’option Ingénierie de la Donnée et à l’encadrement d’élèves. Il/elle aura également à intégrer la dimension recherche de l’équipe du CGI en devenant une force vive de la composante numérique du centre, en venant notamment renforcer l’expertise de l’équipe en Génie Logiciel, en IA et/ou en technologies immersives. Il/elle devra être capable de monter et encadrer des projets de recherche (amont ou appliquée) en lien avec ces composantes scientifiques et techniques. La personne recrutée devra également participer à la forte dynamique de développement du CGI, notamment en matière de recherche contractuelle et subventionnée.
À moyen terme, le/la titulaire pourra être amené(e) à assumer la responsabilité du parcours « Systèmes d’Information » de l’Option « Ingénierie de la Donnée » du cycle de formation ingénieurs, voire la responsabilité de l’Option elle-même.

Formation et compétences requises :
La/le candidat(e) devra être titulaire d’un diplôme de doctorat. Son domaine d’expertise se situe de préférence en Informatique et plus particulièrement en IA (section CNU 27), avec si possible une expertise reconnue sur l’un des principaux domaines d’application du CGI.
La/le candidat(e) devra justifier de manière non exclusive :
· d’une expertise technique et scientifique forte en sciences de l’Informatique, et/ou en Sciences des Données, et/ou en Intelligence Artificielle et/ou en Génie Logiciel. Une compétence en lien avec les technologies immersives (VR / AR) serait un plus ;
· d’un savoir-faire démontré en matière d’enseignement dans les disciplines de l’Informatique et/ou de l’Intelligence Artificielle ;
· D’une expérience en termes de pilotage et de participations à des projets contractuels directs (CIFRE, Laboratoires Communs, Chaires, etc.) ou à des projets collaboratifs subventionnés (ANR, Europe, ADEME, Région, etc.) ;
· d’une production scientifique cohérente avec les standards du métier ainsi que d’une expérience de l’encadrement et de la formation doctorale.

Adresse d’emploi :
https://institutminestelecom.recruitee.com/o/maitre-ou-maitresse-de-conferences-en-informatique-et-intelligence-artificielle-cdi

Document attaché : 202503171012_Appel à candidature – MA CGI – 20250305.pdf

Extraction d’attributs pertinents à partir d’images pour la caractérisation du cancer du sein par les techniques d’apprentissage automatique.

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

Laboratoire/Entreprise : Laboratoire IBISC, Université d’Evry Paris-Saclay
Durée : 5-6 mois
Contact : Khalifa.Djemal@ibisc.univ-evry.fr
Date limite de publication : 2025-04-30

Contexte :

Sujet :
Description du sujet:

Le cancer du sein est considéré dans le monde comme la première cause de mortalité parmi les différentes localisations du cancer chez les femmes. Malgré les progrès importants réalisés ces dernières décennies pour améliorer la gestion de ce type de cancer, des outils de diagnostic plus précis sont encore nécessaires pour aider les experts à lutter contre cette maladie mortelle. De nombreux travaux ont été menés pour détecter la présence de tissus cancéreux dans le sein et pour la classification tumorale, en utilisant des outils dérivés de l’intelligence artificielle, souvent inspirés des systèmes naturels. En effet, des études récentes ont été publiées et plusieurs outils ont été développés, essentiellement basés sur l’apprentissage automatique, pour identifier et catégoriser automatiquement les masses mammaires malignes. Dans ce travail, nous nous concentrons sur l’extraction des attributs caractérisant les masses mammaires malignes, en tenant compte des paramètres environnementaux, tels que la pollution atmosphérique. Après une étude approfondie des méthodes récentes, le candidat développera une méthode basée sur les approches d’apprentissage automatique. La méthode développée permettra l’identification du cancer du sein et facilitera la prise de décision. La validation de la méthode proposée sera effectuée sur des bases de données connues.
Références:

[1] Peikari, M., Salama, S., Nofech-Mozes, S. and Martel, A.L., 2017. Automatic cellularity assessment from post-treated breast surgical specimens. Cytometry Part A, 91(11), pp.1078-1087.

[2] P. Khosravi, E. Kazemi, M. Imielinski, O. Elemento, and I. Hajirasouliha, Deep convolutional neural networks enable discrimination of heterogeneous digital pathology images,EBioMedicine, vol. 27, pp. 317 – 328, 2018.

[3] Adel Abdelli, Rachida Saouli, Khalifa Djemal, Imane Youkana, Combined Datasets For Breast Cancer Grading Based On Multi-CNN Architectures. 10th IEEE International conference on Image processing Theory, Tools and Applications IPTA 2020, November 09-12, Paris, France.

[4] Rima Daoudi and Khalifa Djemal, Breast Cancer Classification by Artificial Immune Algorithm based Validity Interval Cells Selection, Proceedings of ECTA 2016, ISBN: 978-989-758-201-1, Porto, Portugal, 9-11 november 2016.

[5] Konstantinos Charalampous and Antonios Gasteratos, Bio-inspired Deep Learning Model for Object Recognition, IEEE International Conference on Imaging Systems and Techniques (IST), pages:51 – 55, October 22-23, Beijing, china, 2013.

[6] S.R. Kheradpisheh, M. Ganjtabesh, and T. Masquelier, Bio-inspired unsupervised learning of visual features leads to robust invariant object recognition. Neurocomputing 205 (2016), pages: 382-392.

[7] https://www.acr.org

Profil du candidat :
Sujet de stage pour Master 2 ou équivalent, de préférence des spécialités suivantes :
– Machine Learning
– Imagerie Biomédicale
– Informatique Biomédicale

Formation et compétences requises :
– Programmation Python, Matlab,
– Machine Learning
– Des connaissances de base en traitement d’images

Adresse d’emploi :
Université d’Evry Paris Saclay
Laboratoire Informatique, Biologie Intégrative et Systèmes Complexes – IBISC, 40 rue du Pelvoux, 91020 Evry, France.

Document attaché : 202503170951_Sujet-Stage-Master2-CS-2024-2025.pdf

MCF contractuel·le sections 27/07 en

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

Laboratoire/Entreprise : Université de Strasbourg
Durée : 1 an renouvelable 1
Contact : dbernhard@unistra.fr
Date limite de publication : 2025-04-30

Contexte :

Sujet :
La Faculté des Langues de l’Université de Strasbourg recrute un·e maître·sse de conférences contractuel·le en “Traitement automatique des langues et Humanités numériques” pour une prise de poste au 01/09/2025. La date limite de candidature est le 15/04/2025 à 16h.

Pour la description du poste, voir : https://www.unistra.fr/universite/travailler-a-luniversite/personnels-enseignants/enseignants-contractuels/enseignant-chercheur-contractuel

Profil du candidat :

Formation et compétences requises :

Adresse d’emploi :
Strasbourg

Poste de MCF à l’université de Caen et au GREYC sur un profil TAL / Linguistique computationnelle

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

Laboratoire/Entreprise : Université de Caen Normandie
Durée : Fonctionnaire d’éta
Contact : bruno.cremilleux@unicaen.fr
Date limite de publication : 2025-04-07

Contexte :
Contact pour la recherche : Bertrand Cuissart et Antoine Widlöcher

Contact pour les enseignements : Sébastien Péron et Antoine Widlöcher

Sujet :
En 2025, l’équipe CODAG du GREYC (Caen, CNRS UMR 6072) recrutera une maîtresse ou un maître de conférences en informatique. Le profil de recherche, centré sur les données textuelles, la linguistique computationnelle et le traitement automatique des langues, pourrait intéresser l’auditoire de cette liste de diffusion. Les personnes intéressées sont chaleureusement invitées à prendre contact avec l’équipe, afin que nous puissions les éclairer davantage sur le contexte et les objectifs de ce recrutement à venir.

Spécialisée en sciences des données, l’équipe CODAG se distingue par son très fort attachement à l’intelligibilité et à la supervision des processus mis en œuvre. L’équipe accorde ainsi une place centrale aux interactions avec les experts spécialistes des données traitées, à l’évaluation des données et connaissances qu’elle exploite et génère, sans perdre de vue la nécessité de minimiser les ressources informatiques mobilisées.

Cet attachement à la supervision entendue en un sens assez large éclaire les grandes orientations de l’équipe. CODAG vise le développement de méthodes respectueuses des spécificités des domaines d’application et l’implication des experts de ces domaines dans le paramétrage et dans l’évaluation de ces méthodes. L’équipe a ainsi ouvert son champ d’étude à des structures de données variées et privilégie les approches symboliques de la fouille de données, les approches déclaratives reposant notamment sur les modélisations par contraintes, la représentation fine des connaissances ou encore la mesure de la valeur des données d’entrée ou de sortie des systèmes.

Parmi les structures auxquelles l’équipe consacre ses travaux, le texte, que ce recrutement vise plus spécialement, occupe une place particulière. La diversité, la richesse et la complexité des structures qu’il présente offre de multiples occasions d’interactions fécondes avec les spécialistes des sciences du texte, et tout particulièrement avec les linguistes. Sur ces données textuelles, l’équipe privilégie les approches symboliques, plus propices à ces interactions, à l’intelligibilité, à la formalisation et à la capitalisation des règles et connaissances. CODAG préconise l’hybridation de ces approches avec des méthodes d’exploration automatique des données, qui permettent de renforcer les capacités d’observation à grande échelle et de découverte des règles et connaissances. À l’heure où les méthodes d’apprentissage et plus spécialement les LLMs bouleversent les disciplines du texte, l’équipe souhaite prolonger cet effort d’hybridation, en explorant les possibilités d’exploiter ces méthodes dans la perspective de compréhension fine et d’explication des phénomènes textuels, en lien avec les sciences du langage.

Intégrée à l’équipe CODAG, la personne recrutée participera au renforcement des liens avec les disciplines du texte, et en particulier avec le laboratoire CRISCO de l’université de Caen. Ayant une solide culture en science des données et capable d’une utilisation éclairée des méthodes de machine learning, ainsi qu’une sensibilité claire aux questions de supervision mentionnées ci-dessus, elle possédera soit une expérience préalable de l’application de ces méthodes à des problèmes de TAL ou de linguistique computationnelle, soit un projet clair d’application des méthodes dont elle est spécialiste à des données textuelles. Les candidatures de qualité s’appuyant sur un projet d’intégration soigné en lien avec les autres thématiques de l’équipe seront aussi les bienvenues, même si leur lien avec le texte reste prospectif.

Pour les enseignements, la personne recrutée rejoindra l’UFR des Langues Vivantes Étrangères (LVE) de l’université de Caen, et interviendra principalement au sein du département des Langues Étrangères Appliquées (LEA), département où elle sera amenée à prendre aussi, progressivement, des responsabilités.

Thèmes : traitement automatique des langues, linguistique computationnelle, sémantique, fouille de données, human in the loop, science des données, optimisation, programmation par contraintes, ontologies et ingénierie des connaissances

Profil du candidat :

Formation et compétences requises :

Adresse d’emploi :
Université de Caen Normandie

PhD Student Award 1500€ to win

Date : 2025-03-31
Lieu : On line

ENG —

Hello,

SESSTIM (UMR1252) is organizing the “PhD Student Award” competition.
The winner will receive €1,500 to finance registration and/or travel to a scientific conference, or a research stay in one of SESSTIM’s teams.
In addition, the winner will be awarded the position of final panelist in this season’s QuanTIM webinars, during which he or she will present the winning work. As with all QuanTIM webinars, the presentation will be recorded and published on our social networks, website and Youtube channel.
Candidates have until March 31 to apply.
Detailed information can be found here https://sesstim.univ-amu.fr/en/webinars/phd-student-award

FR —

Bonjour,

Le SESSTIM (UMR 1252) organise le concours « PhD Student Award ».
Le lauréat recevra 1 500 € pour financer l’inscription et/ou le voyage à une conférence scientifique ou pour effectuer un séjour de recherche dans l’une des équipes du SESSTIM.
En outre, le lauréat se verra attribuer la place de dernier panéliste des webinaires QuanTIM de cette saison, au cours desquels il présentera l’œuvre primée. Comme tous les webinaires QuanTIM, l’intervention sera enregistrée et publiée sur nos réseaux sociaux, notre site web et notre chaîne Youtube.
Les candidats ont jusqu’au 31 mars pour poser leur candidature.
Les informations détaillées se trouve ici https://sesstim.univ-amu.fr/en/webinars/phd-student-award

Lien direct


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

Enseignant-Chercheur en intelligence artificielle et apprentissage automatique

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

Laboratoire/Entreprise : ISAE-SUPAERO
Durée : CDI
Contact : emmanuel.rachelson@isae-supaero.fr
Date limite de publication : 2025-04-30

Contexte :
L’Institut Supérieur de l’Aéronautique et de l’Espace (ISAE-SUPAERO) est une institution de référence internationale pour la formation supérieure et la recherche dans le domaine aéronautique et spatial. Elle développe des formations pluridisciplinaires de haut niveau scientifique et pilote une recherche active être connue sur un très large spectre de domaines qui va au-delà de l’aéronautique et de l’espace, comme l’énergétique et les systèmes autonomes. Ces activités de formation et de recherche, pour lesquelles l’Institut est un acteur incontournable par sa double action de formation des futures générations d’ingénieurs et de recherche innovante autour de solutions en rupture technologique, accompagnent la transition énergétique,intègrent les objectifs du développement durable, participent à la réduction de l’empreinte environnementale du transport et contribuent ainsi à la mutation du secteur aéronautique.

Au niveau international, l’Institut est membre de T.I.M.E et PEGASUS et coopère avec les meilleures universités européennes (Cranfield, TU Delft, KTH Stockholm, ETSIA Madrid, TU Munich, Rome, Milan, Turin, …), nord-américaines (MIT, Caltech, Stanford, Berkeley, Georgia Tech…), d’Amérique Latine et d’Asie. La communauté académique de l’ISAE-SUPAERO comprend 142 enseignants, enseignants-chercheurs et chercheurs, plus de1800 intervenants issus du monde académique et de l’industrie et près de 1900 étudiants. Chaque année, près de 40 % des diplômés de l’Institut sont des étudiants internationaux et le réseau des anciens comprend plus de17000 anciens diplômés.

L’activité scientifique de la direction de la recherche et des ressources pédagogiques est organisée selon six départements dont le Département d’Ingénierie des Systèmes Complexes (DISC) qui développe des compétences en mathématiques et informatique pour l’ingénierie aérospatiale. En enseignement comme en recherche, le DISC s’intéresse aux modèles, méthodes et outils nécessaires pour maîtriser le comportement et les performances de systèmes complexes. Le DISC développe des recherches méthodologiques dans ce domaine, ainsi que des applications en collaboration avec les autres départements et des partenaires académiques ou industriels.

Dans ce contexte, l’ISAE-SUPAERO recrute un enseignant-chercheur en intelligence artificielle et apprentissage automatique dont les missions et le profil sont décrits ci-dessous.

Sujet :
Missions en matière d’enseignement

La ou le titulaire du poste intervient en enseignement au profit de l’ensemble des formations de l’Institut :formations ingénieur, masters, mastères spécialisés, formation continue, formation par apprentissage. Elle ou il est amené.e à prendre des responsabilités à hauteur de ses compétences, de son expérience et de sa qualification au sein de ces formations. Elle ou il participe à la réflexion globale et transverse sur les formations déployées.

Sa mission comporte notamment les éléments suivants :

– Concevoir, développer et dispenser des enseignements dans les domaines relatifs à l’intelligence artificielle et l’apprentissage automatique. En particulier, dans ces disciplines, elle ou il contribuera aux enseignements 1) en réseaux de neurones, en incluant les architectures récentes de l’IA dite générative (transformers, LLMs, modèles de diffusion, etc.) ; 2) en optimisation pour l’apprentissage automatique ; et3) en architectures de calcul pour l’apprentissage automatique.

– Prendre la responsabilité de modules de cours dans ces mêmes disciplines. Animer des équipes pédagogiques et un réseau d’intervenants sur ces thématiques et pour ces modules. Entretenir un réseau de praticiens (industriels notamment) et de chercheurs susceptibles de participer aux enseignements et de proposer des projets.

– Participer à l’animation de formations existantes orientées vers les données, l’intelligence artificielle,l’apprentissage automatique et leurs applications, telle que la filière Sciences de la Décision de la Formation Ingénieur généraliste mais aussi d’autres formations de l’Institut sur ces thématiques.

– Assurer une veille stratégique sur l’évolution de ces thèmes scientifiques et de leurs applications. Faire évoluer en conséquence les profils cibles des formations de l’ISAE-SUPAERO.

– Encadrer et suivre des projets d’étudiants à différents stades de leur formation (projets de recherche, stages de fin d’étude, stages de césure, etc.), réalisés au sein des laboratoires de l’Institut ou en externe, dans le cadre de partenariats de recherche ou en entreprise.

– Contribuer à la promotion des formations de l’ISAE-SUPAERO en France et à l’étranger auprès de tous publics (étudiants, recruteurs, grand public, décideurs, etc.).

Missions en matière de recherche

L’enseignant.e-chercheur.e mène une activité de recherche méthodologique et algorithmique en intelligence artificielle et apprentissage automatique au sein de l’équipe Apprentissage, Décision, Optimisation (ADO) du DISC. Ses domaines de recherche sont ouverts et lui permettent d’aborder des thématiques applicatives diverses, en ligne avec les activités de l’ISAE-SUPAERO (aéronautique et espace, mais également génie industriel, robotique, ou environnement par exemple).

Sa mission se décline de la façon suivante :

– Contribuer, sur son périmètre scientifique, aux activités de recherche en intelligence artificielle de l’équipe ADO, en formulant un projet de recherche solide, à la fois original et s’intégrant harmonieusement dans l’activité existante, par exemple en apprentissage automatique, décision séquentielle, vision par ordinateur,optimisation. Établir des collaborations scientifiques au sein de l’équipe.

– Interagir, sur ses domaines de compétence, avec les quatre autres équipes de recherche du DISC, ainsi qu’avec les équipes des autres départements de l’ISAE-SUPAERO. Établir des liens de coopération au sein du département et de l’Institut.

– Contribuer au rayonnement scientifique de l’ISAE-SUPAERO par la publication dans des revues scientifiques, la participation à des conférences et l’organisation de manifestations scientifiques. Participer à l’activité des sociétés savantes appropriées, aux pôles de compétitivité et plus généralement à l’écosystème de recherche local, national et international dans ses thématiques de recherche en intelligence artificielle et apprentissage automatique.

– Participer à l’animation et aux projets scientifiques du département et de l’ISAE-SUPAERO en établissant des collaborations et des actions thématiques pertinentes, en effectuant une veille scientifique sur son domaine de recherche et en assurant la pertinence du projet scientifique de l’ISAE-SUPAERO en regard de ce domaine.

– Encadrer stagiaires et doctorants.

– Participer au développement des outils scientifiques de l’ISAE-SUPAERO dans le cadre de son périmètre de recherche, de projets structurants ou transverses.

– Contribuer au développement des ressources propres de l’Institut, sous forme de partenariats académiques et industriels, de valorisation et de financements de l’activité de recherche. Participer à l’élaboration et à la conduite de projets de recherche locaux, régionaux, nationaux et internationaux, en partenariat avec le milieu académique, l’industrie et les interlocuteurs stratégiques de l’ISAE-SUPAERO.

Profil du candidat :
Profil

La ou le candidat.e est titulaire d’un doctorat en intelligence artificielle ou discipline connexe pertinente pour le poste. Elle ou il démontre des compétences disciplinaires, applicatives et pédagogiques indispensables pour répondre au besoin de formation décrit dans les missions d’enseignement ainsi qu’une forte motivation pour s’investir dans un projet d’enseignement ambitieux. Elle ou il développe un projet de recherche de premier plan dans le cadre décrit par les missions de recherche.

Les candidat.e.s sont fortement encouragé.e.s à prendre contact avec les équipes du DISC afin d’affiner leur projet et de préciser les thématiques et les projets d’intérêt.

Formation et compétences requises :

Adresse d’emploi :
ISAE-SUPAERO
10 avenue Marc Pelegrin
31055 Toulouse

Document attaché : 202503111320_REF 1040_DRRP_DISC – EC IA et apprentissage.pdf

3 postes MCFs au LIMOS, Université Clermont Auvergne

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

Laboratoire/Entreprise : LIMOS
Durée : 1 mois
Contact : ftoumani@isima.fr
Date limite de publication : 2025-04-21

Contexte :

Sujet :
Les 3 postes MCF suivants sont ouverts au recrutement au LIMOS à l’Université Clermont Auvergne :

Poste MCF 0855 ISIMA/LIMOS – Optimisation combinatoire et recherche op. ou gestion de données et IA (https://limos.fr/news_job/64)

Poste MCF 1128 ISIMA/LIMOS – Sécurité informatique, cyber sécurité (https://limos.fr/news_job/65)

Poste MCF 0027 IUT CA/LIMOS – Génie logiciel et programmation orientée objet (https://limos.fr/news_job/63)

Des informations supplémentaires sont disponibles sur le site du laboratoire : https://limos.fr/

Profil du candidat :

Formation et compétences requises :

Adresse d’emploi :
LIMOS, Université Clermont Auvergne

[CFP] GRADES-NDA@SIGMOD/PODS 2025

Date : 2025-06-27
Lieu : Berlin, Germany

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

GRADES-NDA 2025

8th Joint Workshop on
Graph Data Management Experiences & Systems (GRADES)
and
Network Data Analytics (NDA)

Collocated with SIGMOD/PODS 2025
Berlin, Germany

Workshop Date: 27 June 2025

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

Paper Abstract Submission: March 17, 2025

Full Paper Submission: March 22, 2025

https://gradesnda.github.io/

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

GRADES-NDA 2025 Call for Papers
===========================================================

The GRADES-NDA workshop explores the challenges, application areas, and usage scenarios of managing large-scale graph-shaped data. It provides a forum for exchanging ideas on mining, querying, and learning from real-world network data, fostering interdisciplinary collaboration, and sharing datasets and benchmarks.

GRADES-NDA brings together researchers from academia, industry, and government to discuss advances in large-scale graph data management and analytics. Its scope covers domain-specific challenges, noise handling in real-world graphs, and innovations in databases, data mining, machine learning, data streaming, network science, and graph algorithms. Case studies across diverse areas are welcome, including Social Networks, Business Analytics, Healthcare, and Cybersecurity.

==> Submission Guidelines

– All papers must be original and not simultaneously submitted to another journal or conference.

– Submissions must follow the latest 2-column ACM Primary Article Template (Overleaf template: https://www.overleaf.com/latex/templates/association-for-computing-machinery-acm-sig-proceedings-template/bmvfhcdnxfty).

– Submissions have to be *anonymous*.

– The following paper categories are welcome:

* Archival: Accepted papers under this category will be published by the ACM, indexed by DBLP, and will be available in the ACM DL.
** Full papers should be a maximum of 8 pages in length, excluding references and appendix.
** Case studies should be a maximum of 4 pages in length, excluding references and appendix.
** Short papers and demonstration papers should be a maximum of 4 pages in length, excluding references and appendix.

* Non-archival (New): Accepted papers under this category will not be published in the workshop proceedings, but will only be listed on the workshop website.
** Papers that are suitable for this category are Work-in-progress papers presenting early results. These papers should be a maximum of 4 pages in length, excluding references and appendix.

==> List of Topics

The topics of interest include but are not limited to the following:

– Graph modeling and processing – advances in representing, visualizing, storing, indexing, querying, and managing graph data.
– Graph query languages, visualization, and querying interfaces – design, usability, practical implementations, and use cases.
– Knowledge Graphs – construction, augmentation, reasoning, and neuro-symbolic approaches.
– GenAI techniques – integration of Knowledge Graphs and LLMs for information retrieval, question answering, knowledge inference, and natural language understanding.
– Graph processing platforms – including Titan, Giraph, GraphChi, SPARK/GraphX, GraphLab/PowerGraph, and others.
– Human-centric graph processing – interactive approaches for graph data exploration, querying, and analytics.
– Reliable graph data processing – validation and verification techniques for ensuring the trustworthiness of algorithms, query languages, applications, and systems.
– Graph metrics – methods for measuring graph characteristics, e.g., diameter, eigenvalues, triangle counting.
– Spatial and temporal graph analytics – updates, dynamic graphs, streaming analytics, evolution tracking, point-of-interest recommendation, community structure detection, etc.
– Graph mining and machine learning – including heterogeneous networks and knowledge graphs.
– Graph summarization and sampling – efficient methods for large-scale data.
– Noisy and uncertain graphs – analytics on incomplete, inconsistent, or unreliable data.
– Network dynamics – game theory, social contagion, and information propagation.
– Domain-specific graph analytics – applications in social networks, biology, business, finance, healthcare, transportation, etc.
– Vision and systems papers – potential or real applications of graph management, especially in the era of large language models.

==> Important Dates

– Abstract Submission: March 17, 2025
– Paper Submission: March 22, 2025
– Notifications: April 18, 2025
– Camera Ready Submission: May 2, 2025

All deadlines are 23:59 AoE.

==> Student Travel Awards

Thanks to the generous support from our sponsors, we will provide scholarship awards to selected students attending the SIGMOD/PODS conference. The scholarships will include financial support to partially cover the expense for traveling and conference registrations. Awardees are expected to register for the event and will have to make their own arrangements for travel and accommodation. Students whose advisors cannot provide financial support to attend the conference will be given priority. Additionally, students corresponding to underrepresented groups in the SIGMOD community will be given priority to increase diversity.

==> Committees

– Workshop Organizers

* Akhil Arora (akhil.arora@cs.au.dk), Aarhus University & Copenhagen Center for Social Data Science, Denmark
* Stefania Dumbrava (stefania.dumbrava@ensiie.fr), ENSIIE & Télécom SudParis, France

– Steering Committee

* Olaf Hartig, Amazon Web Services & Linköping University, Sweden
* Semih Salihoglu, University of Waterloo, Canada
* Vasiliki Kalavri, Boston University, US
* George Fletcher, TU Eindhoven, The Netherlands

– Program Committee (in progress)

* Shubhangi Agarwal, University Lyon 1, France
* Renzo Angles, Universidad de Talca, Chile
* Amitabha Bagchi, Indian Institute of Technology, India
* Srikanta Bedathur, Indian Institute of Technology, India
* Kaustubh Beedkar, Indian Institute of Technology, India
* Yang Cao, University of Edinburgh, UK
* James Clarkson, Neo4j, USA
* Lisa Ehrlinger, Hasso-Plattner-Institut, Germany
* Lorena Etcheverry, Universidad de la República, Uruguay
* Amélie Gheerbrant, Université de Paris, IRIF, CNRS, France
* Paul Groth, University of Amsterdam, Netherlands
* Jan Hidders, Birkbeck College, University of London, UK
* Panagiotis Karras, University of Copenhagen, Denmark
* Haridimos Kondylakis, ICS-FORTH, Greece
* Longbin Lai, Alibaba Group, China
* Ioana Manolescu, INRIA, Institut Polytechnique de Paris, France
* Victor Marsault, Université Gustave Eiffel, CNRS, LIGM, France
* Andrea Mauri, University of Lyon 1, CNRS, LIRIS, France
* Amine Mhedhbi, École Polytechnique de Montréal, Canada
* Davide Mottin, Aarhus University, Denmark
* Serafeim Papadias, TU Berlin, Germany
* Marcus Paradies, Ludwig-Maximilians-Universität München, Germany
* Liat Peterfreund, Hebrew University, RelationalAI, Israel
* Evaggelia Pitoura, University of Ioannina, Greece
* Yuya Sasaki, Osaka University, Japan
* Semih Salihoglu, University of Waterloo, Kùzu, Canada
* Petra Selmer, Bloomberg, UK
* Dominik Tomaszuk, University of Bialystok, Poland
* Riccardo Tommasini, INSA Lyon, CNRS, LIRIS, France
* Georgia Troullinou, Université Grenoble Alpes, France
* Ana Lucia Varbanescu, University of Amsterdam, Netherlands
* Genoveva Vargas-Solar, CNRS, LIRIS, France
* Nikolay Yakovets, Eindhoven University of Technology, Netherlands

All questions about submissions should be emailed to grades-nda@googlegroups.com

==> Venue

The workshop will be co-located with SIGMOD/PODS at the Intercontinental Berlin.

==> Further Information

More information, including our fantastic program committee, exciting keynote speakers, and submission guidelines, can be found on the workshop website: https://gradesnda.github.io/

Lien direct


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

Image Reconstruction for Low field MRI

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

Laboratoire/Entreprise : IMT Atlantique
Durée : 36 mois
Contact : seed-contact@imt-atlantique.fr
Date limite de publication : 2025-03-21

Contexte :
Domain and scientific/technical context

This project aims to develop computational imaging methods for low-field MRI [Arnold2023, Hennig2023]. Its aim is to develop low-cost, portable neuroimaging systems that integrate artificial intelligence (AI) [Iglesias2022] with low-field MRI technology. Unlike conventional MRI systems that rely on high magnetic fields (1.5-7T), this approach aims to democratise access to MRI by enabling imaging at the patient’s bedside.

The project is highly interdisciplinary, combining expertise in medical imaging, image processing, AI and neuroscience. It targets perinatal neuroimaging, in particular for premature newborns, for whom traditional MRI remains complex. By combining hardware development (in collaboration with the company Multiwave) and AI-driven image reconstruction, this project could redefine neuroimaging and improve its accessibility in clinical settings.

Scientific/technical challenges

The project tackles fundamental challenges in low-field MRI and computational imaging, necessitating a multidisciplinary approach. One of the very first challenges is related to signal-to-noise ratio limitations. The weak magnetic fields in low-field MRI produce inherently noisier signals, demanding innovative AI-driven denoising and reconstruction strategies tailored to low SNR conditions. A second challenge is related to the optimization of hardware design: developing a portable, cost-efficient MRI system requires a careful trade-off between coil design, acquisition protocols, and system portability while maintaining sufficient imaging resolution.

Our scientific objective will focus mainly on advanced AI methodologies. Incorporating physics-guided deep learning models that explicitly integrate the underlying MRI signal formation process to enhance reconstruction reliability and interpretability. To this end, part of the project will be dedicated to the development of efficient computational strategies: Achieving real-time image reconstruction necessitates optimized numerical solvers and meta-learning techniques for rapid inference at the point of care.

Sujet :

The project will leverage physics-informed deep learning for image reconstruction, integrating prior knowledge of MRI signal formation to enhance image quality. Variational optimization techniques [Fablet2021] will be explored to control the balance between acquired data and reconstructed images [Crockett2022], minimizing artifacts and improving clinical reliability. Meta-learning algorithms [Andrychowicz2016] will be implemented to optimize reconstruction efficiency for real-time bedside applications.

The expected results include the development of a fully functional image reconstruction prototype for low-field MRI, achieving millimetric resolution and demonstrating feasibility for neonatal brain imaging. The impact of the project extends beyond neonatal imaging, offering a scalable and accessible MRI solution for broader applications such as stroke detection [Yuen2022] and point-of-care diagnostics, particularly in low-resource settings. By bridging advances in AI and medical imaging, such a project has the potential to transform clinical neuroimaging and improve patient care worldwide.

Profil du candidat :
The skills required to carry out this work include machine learning, image processing and applied mathematics. Knowledge of computer science and programming (Python) will also be required in order to develop the associated algorithms.

Formation et compétences requises :
Master / Engineering school. Machine Learning, Deep Learning, Image Processing, Medical Imaging.

Adresse d’emploi :
IMT Atlantique, Campus de Brest.

The PhD student will stay 3 months each at an international academic and an industrial partners, respectively at University of Lausanne and Multiwave enterprise.

Document attaché : 202503101503_2025-SEED-image-reconstruction.pdf

Ecole de printemps DLMI 2025

Date : 2025-04-21 => 2025-04-25
Lieu : Lyon

Deep Learning in Medical Imaging 2025

L’école de printemps DLMI 2025 se tiendra du 21 au 25 avril prochain à Lyon.

Cette école s’adresse aux débutants et aux experts en imagerie médicale (étudiants, post-docs, chercheurs…) désireux de découvrir les principes fondamentaux de l’apprentissage profond appliqué à l’imagerie médicale.

Nous vous guiderons des bases jusqu’aux dernières avancées de ce domaine via des présentations orales et des sessions pratiques en python.

L’école est ouverte aux débutants en apprentissage, seul un niveau basique en python est requis.

Tous les détails sont ici: https://deepimaging2025.sciencesconf.org

Lien direct


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