Archives

Postes de MCF et PR en Machine Learning au LITIS (Rouen)

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

Laboratoire/Entreprise : LITIS Lab (Rouen)
Durée : –
Contact : paul.honeine@univ-rouen.fr
Date limite de publication : 2024-04-15

Contexte :
L’équipe « Apprentissage » du LITIS à Rouen propose plusieurs postes de Maîtres de Conférences (MCF) et Professeurs des Universités (PR) dans le cadre de la campagne synchronisée, principalement sections CNU 61 et 27

Sujet :
PR 61-26 à l’Université de Rouen :
– Recherche : Apprentissage statistique
– Enseignements : Statistiques (département de Mathématiques)
– https://www.galaxie.enseignementsup-recherche.gouv.fr/ensup/ListesPostesPublies/ANTEE/2024_1/0761904G/FOPC_0761904G_4740.pdf

Poste MCF 61-27 à l’INSA Rouen :
– Recherche : Apprentissage statistique, apprentissage profond, statistiques
– Enseignements : Traitement du signal, apprentissage automatique, statistiques et optimisation (département Informatique et Technologies de l’Information)
– https://www.galaxie.enseignementsup-recherche.gouv.fr/ensup/ListesPostesPublies/ANTEE/2024_1/0760165S/FOPC_0760165S_4114.pdf

Poste MCF 61 à l’Université de Rouen :
– Recherche : Apprentissage automatique pour imagerie médicale
– Enseignements : Sciences du numérique, ingénierie biomédicale (Master Sciences et Ingénierie des Données, et Master Ingénierie de la Santé, parcours IBIOM)
– https://www.galaxie.enseignementsup-recherche.gouv.fr/ensup/ListesPostesPublies/ANTEE/2024_1/0761904G/FOPC_0761904G_4738.pdf

Sur le thème du véhicule intelligent et à l’interface des équipes Apprentissage et Systèmes de Transport Intelligents de LITIS :

Poste PR 61-27 à l’Université de Rouen :
– Recherche : Perception collaborative, fusion multimodales par apprentissage
– Enseignements : Réseaux, Cloud (département Réseaux et Télécoms à l’IUT de Rouen)
– https://www.galaxie.enseignementsup-recherche.gouv.fr/ensup/ListesPostesPublies/ANTEE/2024_1/0760170X/FOPC_0760170X_4714.pdf

Poste CPJ à l’INSA Rouen (susceptible d’être ouvert) :
– Recherche : AI for Safe and Smart Mobility

Profil du candidat :
N’hésitez pas à nous contacter pour plus de détails !!

Formation et compétences requises :
–

Adresse d’emploi :
Rouen

Postes MCF à Télécom Saint-Etienne – Intelligence artificielle Fondements Mathématiques/Sciences des données – Sections 26/27 et 27

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

Laboratoire/Entreprise : Télécom Saint-Etienne – LabHC
Durée : permanent
Contact : lilian.bossuet@univ-st-etienne.fr
Date limite de publication : 2024-04-15

Contexte :
2 postes de maître de conférences sont ouverts au concours à Télécom Saint-Etienne, avec affectation recherche au laboratoire Hubert Curien UMR 5516.

Sujet :
1 poste en Sections 26/27 – profil “Intelligence Artificielle : Fondements mathématiques” :

https://www.galaxie.enseignementsup-recherche.gouv.fr/ensup/ListesPostesPublies/ANTEE/2024_1/0421095M/FOPC_0421095M_4461.pdf

1 poste en Section 27 – profil “Sciences des Données et Intelligence Artificielle” :

https://www.galaxie.enseignementsup-recherche.gouv.fr/ensup/ListesPostesPublies/ANTEE/2024_1/0421095M/FOPC_0421095M_4460.pdf

Les personnes intéressées sont invitées à prendre contact avant la clôture des candidatures le vendredi 29 mars 16h.

Profil du candidat :
Titulaire d’un doctorat en informatique avec une expertise de premier plan en sciences de données .

Formation et compétences requises :
Qualification en section 27 ou 26

Adresse d’emploi :
Université Jean Monnet – Saint-Etienne

Appel à communications – Journée IA et Humanités Numériques – 3 mai 2024

Date : 2024-05-03
Lieu : BnF – Paris

(Avec toutes nos excuses en cas de réceptions multiples)

Le vocable humanités numériques s’est aujourd’hui imposé pour désigner les travaux de recherche relevant tantôt de la création, la gestion et la mise en œuvre de jeux de données numériques dans les domaines des sciences humaines et sociales, de la modélisation et la formalisation de processus sociaux à l’aide d’outils mathématiques et informatiques, ou de l’analyse des usages et des communautés numériques du point de vue des sciences humaines et sociales [1]. Si ces trois domaines mobilisent des communautés scientifiques potentiellement différentes, tous posent de véritables défis scientifiques aux approches développées dans le domaine de l’intelligence artificielle, qu’il s’agisse d’analyse automatique de documents anciens, de traitement automatique du langage naturel, de recherche d’informations, de représentation de connaissances, de classification, de simulation, etc.

La journée “Intelligence Artificielle et Humanités Numériques” est organisée sous l’égide de l’Association Française pour l’Intelligence Artificielle, et des GdR CNRS MADICS et MAGIS. Elle sera accueillie le 3 mai 2024, par le Datalab de la Bibliothèque nationale de France. Elle vise à rassembler les chercheurs en Intelligence Artificielle, Humanités Numériques et Sciences Humaines et Sociales autour de présentations sur les enjeux et les défis de la mise en œuvre de l’IA dans les Humanités Numériques.

Les propositions de communications sont à envoyer par email à sebastien.poublanc@univ-tlse2.fr avant le lundi 1er avril 2024, sous la forme d’un titre et d’un résumé de 300 mots maximum. Les propositions retenues feront l’objet d’une présentation de 20 minutes. Nous encourageons les propositions de communications sur des travaux, originaux ou déjà publiés, ayant une portée théorique, méthodologique ou pratique, sur l’un des thèmes listés ci-dessous (liste non exhaustive):

  • Recherche d’informations, indexation, recommandation à partir de grands corpus de documents.
  • Préparation de documents anciens numérisés : normalisation, redressement automatique de pages, géoréférencement de cartes, etc.
  • Analyse de documents anciens (textuels ou iconographiques) : traitement automatique de documents numérisés, qualité des documents numérisés, analyse de mises en page, reconnaissance de texte et de symboles, reconnaissance d’écriture manuelle, vectorisation automatique de cartes, etc.
  • Acquisition de connaissances à partir de textes, à partir d’images (photographies, estampes, cartes, etc.), de données non structurées, etc.
  • Représentation des connaissances et raisonnement, ontologies pour les humanités numériques.
  • Extraction et acquisition de connaissances, peuplement d’ontologies, annotation sémantique de documents anciens.
  • Provenance et confiance dans les données, incertitude, incomplétude, croisement de sources, métriques et évaluation de la qualité des données et des connaissances.
  • Analyse de liens, communautés en ligne, réseaux sociaux, médias sociaux.
  • Fouille de données d’opinions, de dépêches, de microblogging, géoréférencement de textes.
  • Autres mises en œuvre de l’IA pour l’extraction, la structuration ou l’analyse de données spatiales, temporelles, incertaines, incomplètes pour des applications en Humanités Numériques…

Nous attendons avec enthousiasme vos propositions !

Nathalie Hernandez (IRIT, Université Toulouse Jean Jaurès, UT2J),

Nathalie Abadie (LaSTIG, Université Gustave Eiffel, ENSG, IGN),

Bertrand Duménieu (CRH, École des Hautes Études en Sciences Sociales),

Sébastien Poublanc (FRAMESPA, Université Toulouse Jean Jaurès, UT2J),

Pour l’organisation de la journée.

[1] Camille Roth. Digital, digitized, and numerical humanities.
Digital Scholarship in the Humanities, 2019, 34 (3), pp.616-632.

Lien direct

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

Recherche de motifs dans des données archéo-environnementales

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

Laboratoire/Entreprise : LIP6 (Sorbonne Université / CNRS)
Durée : 4-6 mois
Contact : lionel.tabourier@lip6.fr
Date limite de publication : 2024-12-31

Contexte :
On cherche à reconstituer les changements environnementaux passés à l’aide de données d’abondance de pollens, spores fongiques et autres bioindicateurs. En pratique, des carottages sont effectués dans les sédiments de milieux naturels dont les différentes profondeurs correspondent à différentes époques, que l’on évalue à l’aide de méthodes de datation. Les pollens sont comptés par des spécialistes de la discipline afin d’évaluer quelles espèces étaient présentes à quelle époque.

Du point de vue informatique, on peut étudier les motifs de co-évolution des différents pollens afin d’évaluer quelles espèces sont apparues ou disparues simultanément dans l’environnement. Cela permet par exemple d’identifier des marqueurs attestant de la présence humaine dans une région à une époque donnée. Dans ce contexte, on peut chercher à comprendre quels sont les facteurs qui expliquent les modifications de l’environnement : présence humaine, fluctuations climatiques, etc.

Sujet :
Descriptif détaillé du sujet sur le document pdf.

Profil du candidat :
Le stage est destiné aux étudiants de Licence 3 ou Master (préférentiellement Master).

Formation et compétences requises :
Bonnes capacités de programmation et d’algorithmique. Un goût pour l’interdisciplinarité, en particulier avec les sciences humaines et les sciences de l’environnement, est essentiel pour ce stage.

Adresse d’emploi :
LIP6, 4 Place Jussieu, 75005 Paris

Document attaché : 202403061058_Stage_Palynologie_LIP6.pdf

Poste PR en IA au LISN (Université Paris Saclay)

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

Laboratoire/Entreprise : Laboratoire Interdisciplinaire des Sciences du Num
Durée : indéterminée
Contact : sylvain.chevallier@universite-paris-saclay.fr
Date limite de publication : 2024-04-01

Contexte :
Poste disponible sur Galaxie : https://www.galaxie.enseignementsup-recherche.gouv.fr/ensup/ListesPostesPublies/ANTEE/2024_1/0912408Y/FOPC_0912408Y_315.pdf

Née fin 2019 de la volonté conjuguée d’universités et de grandes écoles, l’Université Paris-Saclay compte
parmi les grandes universités européennes et mondiales.
Avec 16 500 personnels académiques, techniques et administratifs et 48 000 étudiants, elle constitue un
pôle dense, actif, couvrant les secteurs des Sciences et Ingénierie, des Sciences de la vie et Santé et des
Sciences Humaines et Sociales.
Sa politique scientifique associe étroitement recherche et innovation et s’exprime à la fois en sciences
fondamentales et en sciences appliquées pour répondre aux grands enjeux sociétaux.
Du premier cycle au doctorat, en passant par des licences, des B.U.T., des masters et des programmes de
grandes écoles, l’Université Paris-Saclay déploie une offre de formation sur un large spectre de disciplines,
au service de la réussite et de l’insertion professionnelle. Au-delà, elle prépare les étudiants à une société en
pleine mutation, où l’esprit critique, l’agilité et la capacité à renouveler ses compétences sont clés.
L’Université Paris-Saclay propose également un riche programme de formations tout au long de la vie.
Située au sud de Paris, sur un vaste territoire regroupant une vingtaine de campus répartis sur 15
communes franciliennes, l’Université Paris-Saclay bénéficie d’une position géographique et socio-
économique favorisant à la fois sa visibilité internationale et des liens étroits avec ses partenaires – grands
groupes industriels, PME, start-up, collectivités territoriales -.
Site web : www.universite-paris-saclay.fr/fr

Sujet :
*Enseignement*
Filières de formation concernées : les trois années de BUT informatique et le BUT informatique par apprentissage (parcours « Réalisation d’applications : conception, développement, validation » et « Administration, gestion et exploitation des données »). La licence professionnelle en informatique « Sécurité des Réseaux et des Systèmes Informatiques » (SRSI).

L’enseignant·e recruté·e enseignera l’informatique dans les filières mentionnées ci-dessus et notamment parmi les matières suivantes : programmation (C++, Java, …), programmation des applications mobiles, développement Android, programmation web, bases de données. Des capacités complémentaires d’enseignement dans les disciplines suivantes (sans ordre de priorité) seront également appréciées : algorithmique, systèmes d’exploitation, architecture des ordinateurs, génie logiciel, qualité, UML, IA, interfaces homme-machine, réseaux.

L’enseignant·e recruté·e s’appuiera sur ses expériences précédentes pour jouer un rôle moteur dans l’animation de son équipe d’enseignement au sein du département informatique. Par ailleurs, il/elle s’investira dans les différentes responsabilités pédagogiques, administratives et de communication du département (responsabilité de filière, direction du département, etc.). Il/elle pourra être sollicité·e dans le cadre des actions de formation permanente

*Recherche*
La candidate ou le candidat développera ses activités de recherche au sein du Laboratoire Interdisciplinaire des sciences du numérique (LISN – UMR CNRS 9015, INRIA, Centrale Supélec), un laboratoire pluridisciplinaire de l’Université Paris-Saclay structuré en cinq départements scientifiques, dont Sciences et Technologies des Langues (STL) et Sciences des Données (SDD). La candidate ou le candidat intégrera l’une des équipes du département STL (LIPS, M3 et SEME) ou dans l’équipe A & O (département SDD) et renforcera les activités orientées vers l’extraction d’information et l’apprentissage, avec si possible une dimension informatique soutenable.

Pour STL :
• Recherche et extraction d’informations précises : (i) au moyen d’approches par apprentissage ou par modèles pré-entraînés, (ii) applicables notamment dans un cadre conversationnel, (iii) en domaine de spécialité (biomédical, juridique, pédagogie, etc.)
• Systèmes de question/réponse : (i) au moyen d’approches à base de modèles pré-entraînés, ou (ii) d’approches génératives, (iii) pouvant tenir compte de la multimodalité
• Induction lexicale et sémantique à partir de textes, intégrant notamment les expressions polylexicales

pour A&O :
• Good AI: apprentissage frugal (en complexité et en quantité de données), apprentissage causal, explication post-hoc de modèles boite-noire, apprentissage de modèles n’empirant pas les biais des données;
• AI for Good: applications pour une société soutenable (agriculture, climat et santé; algorithmes pour l’emploi)
• Incorporation de connaissances dans l’apprentissage (augmentation de données, prompting, simulations, modélisation)
• Cross-fertilisation ML / physique statistique / dynamique de l’entraînement : étude des invariances, du comportement asymptotique, etc.

La personne recrutée s’impliquera dans l’animation scientifique du laboratoire et bénéficiera d’un environnement porteur (DataIA, programme PhDs COFUND DeMythif.AI). Un rayonnement international sera apprécié.

*Contact*
Enseignement
Banafsheh Farang-Hariri banafsheh.hariri@universite-paris-saclay.fr
Andrei Paskevich andrei.paskevich@universite-paris-saclay.fr

Recherche
Pour STL : Aurélie Névéol aurelie.neveol@lisn.fr
Pour A&O : Guillaume Charpiat guillaume.charpiat@inria.fr

Profil du candidat :
*Welcome Research Package*

Dans le cadre de sa politique d’attractivité, l’Université Paris-Saclay accueille les nouveaux professeurs des
universités recrutés au sein de ses composantes en leur attribuant un lot de bienvenue, au titre du budget
de recherche de l’établissement.
Ce lot, d’un montant de 10 000 €, leur prodigue un premier environnement financier destiné à faciliter le
lancement de leur programme de recherche : dépenses liées à leur projet, missions et participation à des
colloques, gratifications de stage, acquisition de petits équipements.
Le lot est attribué l’année civile suivant le recrutement, il est notifié au laboratoire d’affectation et les
dépenses doivent être réalisées dans l’année.

Formation et compétences requises :
Voir le site de Galaxie : https://www.galaxie.enseignementsup-recherche.gouv.fr/ensup/ListesPostesPublies/ANTEE/2024_1/0912408Y/FOPC_0912408Y_315.pdf

Adresse d’emploi :
Université Paris Saclay
LISN
1 rue René Thom
91190 Gif-sur-Yvette

Document attaché : 202403051506_FOPC_0912408Y_315.pdf

MCF numérique responsable (LISN, UPSaclay, IUT d’Orsay)

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

Laboratoire/Entreprise : Laboratoire Interdisciplinaire des Sciences du Num
Durée : indéterminé
Contact : sylvain.chevallier@universite-paris-saclay.fr
Date limite de publication : 2024-04-01

Contexte :
Ce poste est disponible sur Galaxie : https://www.galaxie.enseignementsup-recherche.gouv.fr/ensup/ListesPostesPublies/ANTEE/2024_1/0912408Y/FOPC_0912408Y_314.pdf

Le Laboratoire Interdisciplinaire des Sciences du Numérique (LISN, UMR9015, http://lisn.upsaclay.fr/) est un laboratoire pluridisciplinaire de l’Université Paris-Saclay. La personne recrutée devra s’intégrer dans l’un des cinq départements scientifiques du laboratoire, qui rassemblent 17 équipes de recherche de renommée internationale :
• Le département AAC mène des recherches sur les modèles de calcul et leur robustesse, ainsi que sur les architectures et les méthodes de traitement ;
• Le département IaH explore les multiples formes d’interaction avec l’humain avec un regard pluridisciplinaire alliant informatique, traitement du signal et sciences humaines ;
• Le département ME mène des travaux à l’interface entre l’informatique, la physique et les mathématiques appliquées sur la mécanique des fluides, les transferts de masse et de chaleur et l’énergétique ;
• Le département SDD porte sur la modélisation, la collection, la gestion, l’analyse et la construction de données et de connaissances, notamment en lien avec les domaines de la bio-informatique, de l’IoT et des graphes de données ;
• Le département STL développe des recherches sur le traitement automatique des langues parlées, écrites et signées avec un regard pluridisciplinaire alliant informatique, traitement du signal et linguistique.
Les travaux menés au laboratoire s’appuient notamment sur des méthodes numériques complexes et de traitement de données à grande échelle qui soulèvent des enjeux importants en termes de reproductibilité et d’impact environnemental.

*Université Paris Saclay*
Née fin 2019 de la volonté conjuguée d’universités et de grandes écoles, l’Université Paris-Saclay compte
parmi les grandes universités européennes et mondiales.
Avec 16 500 personnels académiques, techniques et administratifs et 48 000 étudiants, elle constitue un
pôle dense, actif, couvrant les secteurs des Sciences et Ingénierie, des Sciences de la vie et Santé et des
Sciences Humaines et Sociales.
Sa politique scientifique associe étroitement recherche et innovation et s’exprime à la fois en sciences
fondamentales et en sciences appliquées pour répondre aux grands enjeux sociétaux.
Du premier cycle au doctorat, en passant par des licences, des B.U.T., des masters et des programmes de
grandes écoles, l’Université Paris-Saclay déploie une offre de formation sur un large spectre de disciplines,
au service de la réussite et de l’insertion professionnelle. Au-delà, elle prépare les étudiants à une société en
pleine mutation, où l’esprit critique, l’agilité et la capacité à renouveler ses compétences sont clés.
L’Université Paris-Saclay propose également un riche programme de formations tout au long de la vie.
Située au sud de Paris, sur un vaste territoire regroupant une vingtaine de campus répartis sur 15
communes franciliennes, l’Université Paris-Saclay bénéficie d’une position géographique et socio-
économique favorisant à la fois sa visibilité internationale et des liens étroits avec ses partenaires – grands
groupes industriels, PME, start-up, collectivités territoriales -.
Site web : www.universite-paris-saclay.fr/fr
Établissement handi-accueillant et attaché à la mixité et à la diversité

*Welcome Research Package*
Dans le cadre de sa politique d’attractivité, l’Université Paris-Saclay accueille les nouveaux recrutés juniors,
maîtres et maîtresses de conférences, chargés et chargées de recherche et ingénieurs-chercheurs junior,
dans l’ensemble de ses établissements, en leur offrant un lot de bienvenue, dénommé « Welcome
Research Package » (WRP).
Ce lot, d’un montant de 5000 €, leur prodigue un premier environnement financier destiné à faciliter le
lancement de leur programme de recherche : dépenses liées à leur projet, missions et participation à des
colloques, gratifications de stage, acquisition de petits équipements. Le lot est attribué l’année civile
suivant le recrutement, il est notifié au laboratoire d’accueil et les dépenses peuvent être réalisées sur
deux ans.
Ce lot commun pour les recrutés maîtres et maîtresses de conférences est complété par un lot de
bienvenue de 5000€ au périmètre employeur, au titre du budget de recherche de l’établissement. Ce
second lot est également notifié au laboratoire mais il est à dépenser dans l’année

Sujet :
La candidate ou le candidat devra présenter un projet de recherche et un projet d’intégration dans les thématiques intéressant au moins l’un des départements, autour de la problématique du numérique responsable, comme par exemple :
• Les méthodes de prise en compte de l’impact environnemental de production et d’utilisation du numérique, dans la perspective de généraliser la conduite de recherches soutenables ;
• Les méthodes d’évaluation de solutions numériques intégrant des dimensions de reproductibilité et d’impact environnemental ;
• Le développement de modèles informatiques frugaux ou avec impact environnemental maîtrisé ;
• L’étude des propriété intrinsèques des gros modèles de langues (LLMs) en particulier sur le plan des biais et de la préservation de la confidentialité liée aux données d’entraînement ou d’affinage ;
• Le développement de méthodes d’interopérabilité pour le partage, l’annotation, la réutilisation de protocoles et workflows fiables (FAIR) ;
• L’étude des aspects éthiques et sociaux du numérique, en particulier la régulation de l’IA.

Profil du candidat :
Filières de formation concernées : les trois années de BUT informatique et le BUT informatique par apprentissage (parcours A : « Réalisation d’applications : conception, développement, validation » et parcours C : « Administration, gestion et exploitation des données »).

Les enseignements couvrent donc l’algorithmique et la programmation, les bases de données, la programmation Web, les interfaces homme-machine, etc.

La personne recrutée devra enseigner l’informatique dans les filières mentionnées ci-dessus et s’investir dans la mise en place du parcours C, dont la thématique prioritaire est l’administration, l’analyse, l’exploitation, la gestion, et la visualisation des données.

La personne recrutée devra aussi s’investir dans les différentes responsabilités pédagogiques, administratives et de communication du département (responsabilité de filière, etc.).

Formation et compétences requises :
Titulaire d’un doctorat en informatique

Adresse d’emploi :
Université Paris Saclay
LISN
1 rue René Thom
91190 Gif-sur-Yvette

Document attaché : 202403051458_FOPC_0912408Y_314.pdf

École d’été Deep Learning for Medical Imaging (DLMI) 2024

Annonce en lien avec l’Action/le Réseau :

Thème :

IA ; Imagerie Médicale

Présentation :

Cette école d’été s’adresse aux chercheurs débutants ou plus expérimentés en imagerie médicale, souhaitant approfondir leurs connaissances en apprentissage automatique et son application à de multiples problèmes dans ce domaine. Le programme inclut diverses présentations d’experts (15h au total) couvrant les bases de l’apprentissage automatique, les réseaux de neurones en apprentissage profond, de même que des sujets plus avancés tels que les modèles génératifs, l’adaptation de domaine, l’apprentissage faiblement supervisé et les modèles fondateurs. Les participants pourront également mettre en pratiques les concepts présentés à l’école grâce à 4 séances hands-on de 3h chacune.

Du : 2024-07-08

Au : 2024-07-12

Lieu : École de technologie supérieure (ÉTS) de Montréal, Canada

Site Web : https://event.fourwaves.com/dlmi2024

Vers des Modèles Graphiques d’Événements soutenables et explicables pour apprendre et raisonner à partir de séquences d’événements

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

Laboratoire/Entreprise : LS2N
Durée : 3 ans
Contact : julien.blanchard@univ-nantes.fr
Date limite de publication : 2024-06-30

Contexte :
Avec la transformation numérique de nos sociétés, de nombreux domaines ont recours à la modélisation et l’analyse de séquences temporelles d’événements, comme en marketing (analyse comportementale des utilisateurs en ligne), en santé (monitoring patient, pharmacovigilance) ou dans la finance (détection de fraudes). Saisir la dynamique de ces flux de données nécessite de découvrir les structures cachées qui les régissent. C’est l’objet de différentes techniques d’IA, par exemple les réseaux de neurones récurrents et les modèles transformers pour lesquels l’intérêt s’est accru rapidement ces dernières années. Mais les modèles d’apprentissage profond ont une empreinte environnementale conséquente de par la puissance de calcul qu’ils requièrent pour leur entraînement. Du fait de leur nombre gigantesque de paramètres, ils ont aussi l’inconvénient de ne pas être directement interprétables. Cette thèse, au contraire, s’inscrit dans l’effort de recherche pour une IA soutenable et interprétable puisque nous proposons d’utiliser des modèles graphiques d’événements (Graphical Event Models ou GEM) pour modéliser les séquences d’événements.

Sujet :
De manière générale, les modèles graphiques probabilistes [KF09] sont des outils de représentation de connaissances en présence d’incertitude. Introduits par Meek dans [M14], les modèles graphiques d’événements sont capables de décrire explicitement les dépendances temporelles entre événements, tant dans leurs relations structurelles que dans leurs propriétés dynamiques. Dans [GM16], Gunawardana et Meek définissent une classe particulière de GEM, nommée Recursive Timescale GEM (RTGEM), qui peut approximer tout processus ponctuel temporel multivarié satisfaisant des contraintes de régularité faibles. Surtout, ils proposent un algorithme pour l’apprentissage de ces modèles à partir de données de séquences d’événements. Les RTGEM ont déjà fait l’objet de travaux dans l’équipe DUKe : application dans le domaine de la sécurité [ADL19], apprentissage multi-tâches [ML19]. Ils sont actuellement mis en œuvre dans le cadre du projet CominLabs SPARS pour l’assistance à la modélisation de processus chirurgicaux.

Nous proposons de poursuivre ces travaux dans deux directions indépendantes : (1) l’inférence probabiliste, i.e. l’interrogation du modèle pour estimer la probabilité de variables non observées sachant celles observées, et (2) l’apprentissage à partir de données.

1. Inférence probabiliste soutenable et explicable
Les articles comme [GMX11] traitant de modèles précurseurs des RTGEM proposent d’utiliser un algorithme d’inférence approchée à base d’échantillonnage, en reprenant l’algorithme d’échantillonnage de [RGH05] ou un algorithme plus intéressant d’Importance Sampling adapté aux distributions de Poisson. Ces algorithmes n’ont pas encore été adaptés pour les modèles plus récents comme les RTGEM.
Une fois la réponse à la question posée au modèle obtenue par inférence probabiliste, il est possible de construire, comme pour tout modèle utilisé en IA, qu’il soit « boîte noire » ou pas, des indicateurs pour expliquer cette réponse. Les valeurs de Shapley sont des indicateurs de ce type [M23] qui ont été adaptés à des modèles graphiques probabilistes simples comme les réseaux bayésiens [HSB20], mais pas à des modèles plus complexes comme les RTGEM.
Dans cette thèse, nous nous proposons donc :
o de décrire de manière rigoureuse les types de questions l’on peut poser à un modèle graphique d’événements de type RTGEM, en nous inspirant par exemple de formalismes logiques [UM18] ;
o d’étudier l’adaptation des méthodes de type Importance Sampling pour répondre à ces types de questions de manière soutenable ;
o d’étudier l’adaptation de mesures comme les Shapley values pour que les sorties du modèle soient explicables.

2. Apprentissage soutenable
L’apprentissage de la structure et des paramètres d’un RTGEM nécessite de dénombrer les occurrences de suites d’événements dans les données. Il s’agit de déterminer par exemple combien de fois les événements A et B sont apparus ensemble dans les intervalles de 30 secondes qui précèdent un événement C. Comme de nombreuses combinaisons d’événements doivent être envisagées, l’apprentissage de la structure d’un RTGEM s’apparente pour partie à une tâche d’extraction d’épisodes, une classe particulière de motifs fréquents découvrables dans des séquences (voir [ONF23] pour un état de l’art). Nous proposons de tirer profit des algorithmes de ce domaine pour limiter la complexité de la procédure d’apprentissage de structure et la rendre plus soutenable. Parmi les approches récentes, on peut citer l’algorithme NONEPI qui extrait des occurrences d’épisodes disjointes [ONF21], et l’algorithme ONCE+ qui s’appuie sur une structure de données ad hoc pour accélérer la détection des occurrences [LPL19]. Les méthodes d’extraction de chroniques pourraient aussi s’avérer utiles pour notre problème [GBS20].
Dans cette thèse, nous nous proposons donc :
o d’étudier comment tirer au mieux parti des approches utilisées en fouille de données pour concevoir des algorithmes d’apprentissage de RTGEM plus soutenables que l’algorithme existant.

Les méthodes et algorithmes proposés durant la thèse seront implémentés dans la librairie C++ PILGRIM Evential. Cette librairie, dédiée aux modèles graphiques d’événements, fait partie de la librairie PILGRIM dédiée plus généralement aux modèles graphiques probabilistes (réseaux bayésiens, réseaux bayésiens dynamiques, modèles relationnels probabilistes). Les algorithmes implémentés seront validés expérimentalement avec différents benchmarks générés aléatoirement, ou issus de la littérature, et de datasets classiquement utilisés en Process Mining.

Références : voir le pdf en pj.

Profil du candidat :
Le sujet est à l’intersection de la Statistique et du Machine Learning. Le candidat doit donc avoir une solide expérience dans au moins l’un de ces domaines.
Autres compétences requises :
– bonnes capacités en conception d’algorithmes et en programmation C++
– très bon niveau (écrit et oral) en anglais
– capacité de synthèse et aptitudes à la communication (orale et écrite)
– capacité à travailler en équipe
– autonomie, rigueur et motivation pour la recherche.

Formation et compétences requises :
Le candidat doit être titulaire d’un master ou d’un diplôme équivalent en informatique.

Instructions de candidature : voir le pdf en pj.

Adresse d’emploi :
Polytech Nantes, rue Christian Pauc, 44306 Nantes, France

Document attaché : 202403041034_Sujet de thèse GEM 2024.pdf

3-years fully-funded PhD position available on Analyzing Semantic Indoor Trajectories for understanding Museum visitors’ movement at LS2N/Nantes University, France and Museology Research Laboratory, Ionian University, Corfu, Greece

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

Laboratoire/Entreprise : LS2N
Durée : 36 mois
Contact : claudia.marinica@univ-nantes.fr
Date limite de publication : 2024-03-31

Contexte :
One fully funded PhD position (3 years) is available on the topic of Analyzing Semantic Indoor Trajectories for understanding Museum visitors’ movement at the Laboratory of Digital Sciences of Nantes (LS2N) in Nantes University, France.
This PhD subject is built on an international collaboration between DUKe research team of LS2N lab, Nantes, France, and the Museology Research Laboratory of the Department of Archives, Library Science and Museology at the Ionian University in Corfu, Greece, together with museums in Corfu, Greece, including the Corfu Museum of Asian Art, the Mon Repos Museum in Corfu, and the Corfu art Gallery.

Sujet :
Co-supervisors:
Assistant Professor Claudia Marinica, Assistant Professor Fabien Picarougne, Full Professor Fabrice Guillet from LS2N/Nantes University, France
Context and scope:
Museums have been studying their visitors for decades to understand why visitors go to museums, what they do there, how they learn, and what their engagement and satisfaction may be. The main objective of this PhD subject is to develop new techniques for visitors’ movement analysis, by building for each visitor its trajectory inside the museum. The originality of this work comes from enhancing visitors’ trajectories with (1) indoor space constraints restraining the visitor’s movement (e.g. position of doors, corridors, etc.), and (2) contextual and/or semantic information related to the museum or the visitor. Thus, in this PhD, we propose to work towards 3 challenges: (1) express new movement collected data under an existing formalism, called SITM (Semantic Indoor Trajectory Model), (2) develop trajectory data mining techniques applied over SITM trajectory data to extract trajectory patterns describing the visitors’ movement, (3) while the previous challenge aims to help museums to enhance visitors’ experience, this third challenge aims to encourage the museums to take managerial decisions (such as deriving improved evacuation routes) by providing movement predictions. To this end, we propose to formalize SITM trajectories as trajectory time series and to work towards developing trajectory time series classification algorithms. Visitors’ data already collected from partner Museums and to be collected through LBS or systems comprise datasets to be analyzed.

Detailed description of the subject is available here:
https://uncloud.univ-nantes.fr/index.php/s/SZcteLRe7TDZY4N

*****
Expected start: September/October, 2024
Application deadline: April 1st, 2024

We offer. The PhD will take place in the DUKe research team of LS2N lab, Nantes, France. The most of the DUKe team members work in the Polytech Nantes Engineering School of the Nantes University, thus the PhD Student will have an office there. We are a dynamic research team composed of 20 permanent researchers and around 10 PhD students and postdocs.
Given the context of the international collaboration of the PhD subject, the PhD student will maybe have to make some research stays in the Museology Research Laboratory at the Ionian University in Corfu, Greece and also visit some of the Museums providing the data.

How to apply. Interested candidates can submit their applications by sending:
– Curriculum vitae
– Letter of Motivation specific to this PhD position
– Abstract of master thesis
– At least two recommendation letters
– Degree certificates for the recent years
– List of publications (if any)
Contact: Assistant Professor Claudia Marinica (Claudia.Marinica@univ-nantes.fr)

Profil du candidat :
Your profile. We expect to welcome a candidate fulfilling the following requirements:
– Completion of an excellent master or diploma in Computer Science
– Strong programming skills and experience
– Background knowledge in the following areas are highly appreciated: data mining, deep learning, time series classification
– Ability to develop methods and concept
– Willingness to contribute in interdisciplinary projects
– Organizational and analytical skills
– Ability to work in a team, problem-solving skills, and creative thinking
– Excellent spoken and written communication skills in English

Formation et compétences requises :
Your profile. We expect to welcome a candidate fulfilling the following requirements:
– Completion of an excellent master or diploma in Computer Science
– Strong programming skills and experience
– Background knowledge in the following areas are highly appreciated: data mining, deep learning, time series classification
– Ability to develop methods and concept
– Willingness to contribute in interdisciplinary projects
– Organizational and analytical skills
– Ability to work in a team, problem-solving skills, and creative thinking
– Excellent spoken and written communication skills in English

Adresse d’emploi :
Polytech Nantes, Rue Christian Pauc, 44300 Nantes

Document attaché : 202403010840_A-SITM PhD subject.pdf

MCF en IA -Economics and Computation-

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

Laboratoire/Entreprise : IRIT : Institut de Recherche en Informatique de To
Durée : Permanent
Contact : ravat@irit.fr
Date limite de publication : 2024-03-01

Contexte :
Un poste de MCF est ouvert au concours en 2024 à l’Université Toulouse Capitole pour intégrer le Département Intelligence Artificielle de l’IRIT (https://www.irit.fr/departement/intelligence-artificielle/), avec un profil recherche en “Economics and Computation”

Sujet :
Le profil détaillé du poste est accessible au lien suivant:

https://www.irit.fr/~Umberto.Grandi/wp-content/uploads/sites/128/2024/02/Profil-MCF-2024-IA-FR-EN_v6.pdf

Profil du candidat :

Formation et compétences requises :

Adresse d’emploi :

Document attaché : 202402281542_Profil-MCF-2024-IA-FR-EN_v6.pdf