Alignement of LLMs, hate speech detection

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

Laboratoire/Entreprise : NAVER Labs
Durée : 6 mois
Contact : julien.velcin@univ-lyon2.fr
Date limite de publication : 2024-11-30

Contexte :
This internship is part of an ANR project called DIKÉ (https://www.anr-dike.fr/), which aims at studying bias, fairness and ethics of compressed NLP models. Results are expected to be reported in a paper by the end of the internship (or soon after). The internship will be hosted at NAVER LABS Europe and co-supervised by NAVER LABS and Lyon 2 University researchers.

Sujet :
The goal of this internship is to investigate strategies to diminish offensive content generation focusing on implicit offensive speech in multilingual settings. More details and online application here: https://europe.naverlabs.com/job/offensive-content-mitigation-research-internship/

Profil du candidat :
PhD or last year MSc student in NLP-related domains

Formation et compétences requises :
– Solid deep learning and NLP background
– Strong programming skills, with knowledge of PyTorch, NumPy, and the HF Transformers
– Familiarity with recent preference optimization techniques, such as DPO, is a plus
– Ability to communicate in English; knowledge of French is an advantage

Adresse d’emploi :
NAVER Labs, Europe
6 Chem. de Maupertuis, 38240 Meylan

Call for internship proposals, M2 PSL IASD

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

Laboratoire/Entreprise : PSL University
Durée : 5 mois
Contact : pierre@senellart.com
Date limite de publication : 2025-03-31

Contexte :
Le M2 IASD est le parcours de deuxième année en Intelligence Artificielle et Science des Données du Master Informatique de l’Université PSL (porté par l’Université Paris-Dauphine, l’École Normale Supérieure et Mines Paris). Voir https://www.masteriasd.eu/fr/ pour plus d’information.

The IASD M2 is the second-year track on Artificial Intelligence and Data Science of the Master’s degree in Computer Science of PSL University (involving Université Paris-Dauphine, École Normale Supérieure, and Mines Paris). See https://www.masteriasd.eu/ for more information.

Sujet :
… [See below for English version] …

Le master IASD lance un appel à propositions de stages pour ses étudiants pour l’année académique 2024-2025. Les stages durent 5 mois, généralement d’avril à août. Les stages peuvent se dérouler dans des laboratoires ou services de recherche académiques ou industriels mais doivent être orientés vers la recherche.

Les propositions peuvent être soumises directement via le formulaire
  https://db.masteriasd.eu/internships/submit
et seront visibles sur le site web du M2 IASD

Propositions de stage

… [Voir ci-dessus pour la version française] …

The IASD M2 calls for internship proposals for its students for the 2024-2025 academic year. Internships last 5 months, typically, from April to August. Internships can be held in academic or industrial environments but must be oriented towards research.

Proposals can be submitted directly at
  https://db.masteriasd.eu/internships/submit
and will be displayed on IASD’s website

List of internships proposals

Profil du candidat :

Formation et compétences requises :

Adresse d’emploi :
TBD

Offre de post-Doc Data Scientist – Géosciences Environnement Toulouse

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

Laboratoire/Entreprise : Géosciences Environnement Toulouse
Durée : 2 ans
Contact : david.baratoux@ird.Fr
Date limite de publication : 2024-10-31

Contexte :
Le ou la candidate recrutée prendra part au Programme PEPR Sous-Sol portant sur l’amélioration des méthodes et des données mises en œuvre dans l’Analyse du Cycle de Vie (ACV), pour une évaluation environnementale cohérente, complète et représentative des utilisations du sous-sol (Projet LCA-SUB, ou Projet Cible 6 du PEPR Sous-Sol), porté par un consortium piloté par le BRGM et l’université de Bordeaux. Plus précisément, le ou la candidate devra prendre part principalement au work package n°3 du projet, tel que défini ci-dessous.

Le work package concerné a pour objectif de développer des méthodes pour produire une cartographie des empreintes spatiales et temporelles sur les terres et les eaux continentales des impacts de l’exploitation minière à l’échelle régionale et mondiale. Cette tâche vise à améliorer de manière significative la façon dont l’occupation et la transformation des terres sont abordées dans les approches Life Cycle Thinking (LCT), en tirant parti de l’utilisation d’images satellites, en particulier à partir des séries temporelles des satellites Sentinel 2 (visible et proche infrarouge, programme Copernicus de l’UE) qui permettent d’étudier la dynamique d’un site minier dans le temps (potentiellement >1 image/mois) à proximité de la mine et à l’échelle régionale. Des approches seront également développées pour quantifier l’impact sur la qualité des sols, sur la base des développements récents des capteurs hyperspectraux embarqués.

Cette approche sera menée en parallèle avec une analyse des flux physiques entrant et sortant de l’environnement minier (eau, énergie, polluants, minerai extrait) et une analyse de l’impact de la mine, vu de l’espace, à différentes échelles (Inventaire de Cycle de Vie). Une attention particulière sera portée sur les sites miniers actifs sources de contaminations environnementales ainsi que sur les sites miniers abandonnés.

Le work package concerné consistera également en une analyse croisée des flux physiques et de la chaîne de valeur des métaux consommés en France et extraits dans les pays du Sud. Ce travail de territorialisation des stocks et des flux de certains métaux conduira à caractériser les points chauds socio-écologiques des chaînes d’approvisionnement considérées. Il s’agira alors d’extraire, d’analyser et de modéliser les données des bases existantes (ecoinvent.org, prosum.geology.cz, minerals4eu.brgm-rec.fr, FutuRaM, etc.) en vue de reconstituer les secteurs. Une interaction étroite sera assurée avec le BRGM, qui a codéveloppé plusieurs de ces bases de données.

Plusieurs cas seront étudiés, en Afrique de l’Ouest (Côte d’Ivoire & Ghana) et Amérique du Sud (Pérou), et pour plusieurs métaux, en particulier l’or et le lithium.

Sujet :
PEPR – Sous-Sol Bien Commun
Plateforme sur l’évaluation environnementale et la pensée cycle de vie pour une utilisation durable du sous-sol

Profil du candidat :
Expériences en traitement d’images satellite, expérience en analyse de données (data scientist), expérience en intelligence artificielle appliquée aux données de télédétection serait un plus.
Autonomie de travail.
Langues : anglais – français – espagnol
Capacité d’adaptation à différents milieux culturels.
Des expériences de travail hors académie seraient appréciées.

Formation et compétences requises :
Expériences en traitement d’images satellite, expérience en analyse de données (data scientist), expérience en intelligence artificielle appliquée aux données de télédétection serait un plus.
Autonomie de travail.
Langues : anglais – français – espagnol
Capacité d’adaptation à différents milieux culturels.
Des expériences de travail hors académie seraient appréciées.

Adresse d’emploi :
Géosciences Environnement Toulouse,
14, Avenue Edouard Belin
31400 Toulouse, France

Le chercheur sera amené à réaliser des missions de terrain de plusieurs mois en Afrique de l’Ouest et en Amérique du Sud (Pérou).
Des séjours de plusieurs semaines dans les locaux du BRGM (Orléans) sont également à prévoir, afin d’assurer l’articulation avec le reste du projet.

Document attaché : 202410161147_Fiche_Poste_PEPR_bilingue.pdf

Segmentation d’IRM multiplan par réseaux de neurones profonds

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

Laboratoire/Entreprise : Laboratoire d’Informatique et Systèmes LIS – UMR
Durée : 5 à 6 mois
Contact : marc-emmanuel.bellemare@univ-amu.fr
Date limite de publication : 2025-01-15

Contexte :
Les troubles de la statique pelvienne représentent un enjeu de santé publique. Ils regroupent un ensemble de pathologies associant une perte des rapports anatomiques normaux des organes pelviens, et une altération dramatique de la qualité de vie des malades. Ces pathologies sont handicapantes à des degrés variés mais leur physiopathologie reste encore mal connue ce qui complique leur prise en charge. Dans le cadre d’une collaboration avec le service de chirurgie digestive de l’AP-HM, de nouvelles acquisitions IRM, associées à une reconstruction adaptée, ont permis la visualisation 3D des organes en mouvement. Des résultats probants ont été récemment obtenus et publiés pour l’observation de la vessie et il s’agit de s’intéresser aux autres organes pelviens

Sujet :
Le stagiaire s’attachera à la segmentation des images acquises lors de l’observation par IRM dynamique des déformations des organes pelviens afin de produire des reconstructions 3D des surfaces en mouvement.
Des acquisitions multi-planaires ont été réalisées dans des plans non classiques ce qui complique la reconnaissance des organes. Ainsi la segmentation des principaux organes impliqués est une étape primordiale mais difficile. Les partenaires cliniciens ont réalisé des segmentations manuelles des organes sur ces plans ce qui permet de disposer d’une vérité-terrain. Nous envisageons de proposer un nouveau modèle de réseau, adapté à la configuration des plans d’acquisition.
Les problématiques de recalage, de segmentation et de modèles 3D, au cœur du projet, seront abordées selon les compétences et préférences du stagiaire.

Profil du candidat :
Le candidat ou la candidate sera intéressé(e) par un projet pluridisciplinaire et par l’imagerie médicale. Les domaines abordés concernent les réseaux de neurones profonds, la segmentation d’IRM et la reconstruction 3D.

Formation et compétences requises :
Des compétences en mathématiques appliquées seront particulièrement appréciées. Une expérience de la programmation avec l’environnement python (PyTorch) serait un plus.

Adresse d’emploi :
Le stage se déroulera à Marseille essentiellement au laboratoire d’informatique et des systèmes (LIS) dans l’équipe Images & Modèles sur le campus de St Jérôme

Document attaché : 202410160845_Sujet_Master2_DL&SegmentationMultiPlan.pdf

Le ConText-GAN pour la génération d’images de microscopie électronique : Augmentation de données par approche générative.

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

Laboratoire/Entreprise : LIS UMR 7020 : www.lis-lab.fr
Durée : 5 à 6 mois
Contact : marc-emmanuel.bellemare@univ-amu.fr
Date limite de publication : 2025-01-15

Contexte :
Ce projet s’appuie sur une collaboration entre le laboratoire Informatique et Systèmes (LIS), expert dans l’analyse d’image, et le laboratoire Mephi (IHU Méditerranée Infection), expert en microbiologie et en microscopie électronique. L’EI est une pathologie grave, associée à un diagnostic difficile et une grande mortalité (Habib 2019). L’EI est caractérisée par une infection bactérienne ou fongique de l’endocarde avec une destruction des valves cardiaques et la formation d’un dépôt fibrino-plaquetaire inflammatoire et infecté, ou végétation. La microscopie électronique à balayage (MEB) est une technique de microscopie électronique capable de produire des images en haute résolution de la surface d’un échantillon (lien). Par une approche innovante par MEB, on a démontré une hétérogénéité de l’ultrastructure des vegetations d’EI qui dépend du microorganisme infectieux (Hannachi 2020 ; vidéo). Cette approche innovante a ainsi montré sa force mais elle s’appuie sur une analyse experte des images qui reste manuelle et fastidieuse.

Sujet :
L’objectif du stage est de développer une méthode à base de réseaux profonds pour accélérer l’analyse des images des végétations, c’est-à-dire pour identifier et quantifier automatiquement les éléments biologiques présents (plaquettes, fibrine, globules, bactéries). Nous nous proposons d’utiliser une architecture qui permettra à la fois la détection et la segmentation des objets d’intérêt dans l’image. Cependant, l’entrainement de réseaux profonds demande une quantité importante d’images annotées. Le nombre des images disponibles étant actuellement limité, il s’agit alors de mettre en œuvre une stratégie d’augmentation de données qui pourrait profiter d’une architecture générative d’images. Le ConTextGAN (Hostin 2023) que nous avons développé au LIS permet de produire des images dont le contenu est finement contrôlé. Il a montré ses performances dans le cadre de l’IRM. Aussi, dans le cadre de ce stage le ConTextGAN sera entrainé pour la génération de différents types d’images MEB et les performances seront évaluées par l’apport de ces images sur les performances de segmentation d’un réseau du type YOLO ou nnUnet. Une comparaison des performances du ConTextGAN avec celles des méthodes de diffusion sera (e.g. ControlNet) envisagée.
https://huggingface.co/docs/diffusers/using-diffusers/controlnet#guess-mode

Profil du candidat :
Le candidat ou la candidate de niveau Bac+5, formé(e) au traitement des images, sera intéressé(e) par un projet pluridisciplinaire et l’imagerie médicale.

Formation et compétences requises :
La programmation des algorithmes se fera avec le langage python et les réseaux profonds seront développés avec l’API PyTorch. Des compétences en classification ou en mathématiques appliquées seront particulièrement appréciées.

Adresse d’emploi :
Le stage se déroulera à Marseille dans les locaux de l’équipe Image & Modèles du LIS à St Jérôme (site de Polytech’) ou dans ceux de l’équipe MEPHI de l’IHU Méditerranée Infection, selon les besoins.

Document attaché : 202410160834_Sujet_Master2_ConTextGAN-AugmentationDL-SEM.pdf

SiDoS : similarité de données séquentielles massives @ EGC 2025

Date : 2025-01-28
Lieu : Strasbourg

SiDoS : similarité de données séquentielles massives @ EGC 2025 (27 au 31 janvier à Strasbourg)
https://sites.google.com/view/sidos2025/home

Le 28/01/2025

Date limite de soumissions des papiers : 26/11/2024
Notification aux auteurs : 13/12/2024

Objectifs

De nombreux domaines nécessitent l’analyse de gros volumes de séquences de diverses complexités (en termes de périodicité, complétude, multivariée ou non, etc.) et en particulier de leur similarité. On peut citer les domaines aussi variés que le médical (e.g., stratification de patients, alignements de gènes), le social (analyse de trajectoires sémantiques), la science des données (génération et recommandation de pipelines d’exploration), etc.

SiDoS est le premier atelier portant sur l’optimisation du calcul de distances sur de gros volumes de données de type séquences. Ce thème est à la croisée des domaines HPC (calcul haute performance) et analyse et exploration de données.
Il recouvre différents défis scientifiques : prise en compte de la spécificité des données (séquences, séries, trajectoires, etc.), définition de méthodes de réduction de dimensionalité et indexation, parallélisation du calcul de similarité, adaptation d’approches existantes (par exemple, sur séries temporelles ou données spatio-temporelles), etc.

L’objectif de l’atelier est de structurer la communauté française traitant de séquences massives et du calcul de leur similarité. Il constitue un temps d’échange entre les membres des communautés traitement de la donnée et HPC.

Thèmes de l’atelier (liste non exhaustive)

Définition de similarité entre séquences, spécifique à un type de séquences
Algorithmes de clustering de séquences
Apprentissage de similarité entre séquences
Techniques de réduction de dimensionalité, indexation, hachage, … adaptées aux séquences
Modèles de parallélisme implicite pour l’étude de similarité entre séquences
Utilisation des architectures GPU pour optimiser le calcul de similarité
Modèle de parallélisme pour la similarité sur de larges volumes de données
Adaptation aux séquences des approches sur d’autres types de données (séries temporelles, données spatio-temporelles, etc.)
Présentation d’applications ou de banc d’essais faisant usage de similarité entre séquences

Soumissions

Deux types de soumissions seront possibles :
– Articles courts : de 2 pages à 4 pages maximum
– Articles longs : jusqu’à 12 pages

Les articles longs pourront inclure tout travail de recherche original, description d’application, expérimentation, résumé de papiers internationaux. Les articles courts sont réservés à la description de travaux en cours, de démonstration ou de déclaration d’intention.

Les articles soumis seront relus par 3 membres du comité de programme. Les soumissions devront être au format PDF exclusivement et devront utiliser le format RNTI latex : https://www.editions-rnti.fr/files/RNTI-202208.zip. Les soumissions se feront via easychair (lien à venir).

Comité de programme

Thomas Devogele (LIFAT)
Laurent d’Orazio (Université Rennes, IRISA)
Christel Dartigues-Pallez (Université Côte d’Azur)
Thomas Guyet (INRIA)
Nicolas Hiot (LIFO)
Nicolas Labroche (LIFAT)
Sébastien Limet, (LIFO)
Patrick Marcel (LIFO)
Emmanuel Melin (LIFO)
Sophie Robert (LIFO)
Veronika Peralta (LIFAT)

Organisation

Thomas Devogele, Nicolas Labroche, Veronika Peralta (LIFAT Tours)
Patrick Marcel, Sophie Robert (LIFO Orléans)

Lien direct


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

Proposition de post-doc 18 mois en explicabilité dans le cadre du projet ARD Junon

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

Laboratoire/Entreprise : LIFAT Université de Tours
Durée : 18 mois
Contact : nicolas.labroche@univ-tours.fr
Date limite de publication : 2024-12-01

Contexte :
The Junon project aims at building AI tools for making predictions about environmental objects. The first issue and main scientific challenge of the Prediction project within Junon are to propose new predictive AI methods adapted to the specific features of environmental problems such as multi-source and heterogeneous data, non-stationarity, adaptation for digital twins transfer, and reusability and evaluation of the proposed model.

This post-doc takes place in the Prediction and more precisely in the evaluation process of AI models for digital twins with the development of new algorithms for the explainability of AI/ML models, also termed as eXplainable Artificial Intelligence (or XAI for short).

Current XAI approaches suffer from two main limitations. The first is related to the complexity of the explanation process itself, which involves the particular characteristics of “the training data, the precise shape of the decision surface, and the selection of one explanatory algorithm over another”. As a result, there is a risk of accepting plausible explanations that only reflect spurious correlations between internal layers of DL with input features. Bordt (2022) emphasizes the need for explanations methods “that cast doubt on certain features of AI systems”. These results call for (i) a more thorough consideration of inner relationships in the data and how models use this information, (ii) methods to assist users in selecting explanation methods based on objective metrics. The second limitation is related to the lack “of XAI approaches tackling real-world machine learning issues” that would “help to clarify what is currently feasible and what is not feasible when employing XAI techniques”..

Sujet :
The Junon post-doc aims to address fundamental issues related to the quality and the applicability of explanations produced for DL models driven by the recent vision of actionable explainable AI (aXAI). In particular, we focus on more expressive forms of explanations that can answer not only why questions but also action-guiding explanations such as how-to and what-if as illustrated hereafter :

• why: why do we obtain a specific prediction, given the features of input observations?\
• how-to: what are the necessary actions to change the prediction of a specific input observation?
• what-if: what are the necessary and minimal sets of actions on input observations required to obtain an alternative prediction?

During the postdoc we envision several research questions attached to the aforementioned objectives of quality and applicability of XAI approaches:

Benchmark existing quality metrics (Nauta, 2023) for the task of explanations exploration

The recruited post-doc will contribute with a preliminary literature survey on explanation quality metrics for feature influence, counterfactual, or other causal explanation methods. An emphasis will be made on coherence with the predictive model and plausibility as an alignment with user knowledge (see next item), but also accuracy to ground-truth or alternative solutions with diversity. The post-doc may produce a reference implementation library for these metrics.

Model prior knowledge from BRGM experts and derive new quality metrics for explanations based on their covering, novelty, or interestingness

Modeling of prior knowledge will likely be based on causal models and knowledge graphs. Novelty and interestingness metrics will take inspiration from what is done in Exploratory Data Analysis (EDA) that have a long record of research works to guide the user towards interesting patterns or insights hidden in very large databases.

Build a user-oriented protocol and carry out user studies with BRGM experts
The goal is to qualify how well quality measures match the expert’s expectations in terms of quality, and whether it is possible to learn better explanation quality measures (i.e. depending on the context of the analysis and previous analysis as done in exploratory data analysis). Different use cases will be considered, such as debugging the ML model for digital twins, understanding predicted parameters for a simulation model like Gardenia, and observing common and distinctive important factors from one predictive problem to the next (e.g. snalysis of similarities between prediction of underground water resources in different places).

In conjunction with the ARD Junon project team, the successful candidate will be responsible for implementing the research program outlined in the preceding three points in consultation with their supervisor and the project partners. The successful candidate will also be involved in the animation of research groups interested in XAI such as (but not limited to) Explain’AI (GT EGC), Help (GdR Madics), Explicon (GdR RADIA).

Profil du candidat :
PhD thesis in Computer Sciences

Formation et compétences requises :
PhD in Computer Science, specializing in artificial intelligence (explainability, possibly deep learning), experience in processing temporal data (multivariate time series and multivariate event sequences). Experience working with libraries offering implementations of XAI and deep learning models. Experience in setting user protocol would be appreciated.

Adresse d’emploi :
The hired candidate will work in Tours, Faculté des Sciences et Techniques, avenue Monge 37200 Tours. This is a fully in-office position, although one day a week of remote work may be allowed by the supervisor.

Document attaché : 202410140745_post_doc_Junon.pdf

Blockchain Educational Day

Date : 2024-10-15
Lieu : Université Paris Dauphine-PSL

Journée éducative sur la technologie Blockchain pour les étudiants, les universitaires, les entreprises et les formateurs professionnels.

Lien direct


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

Appel à communication pour l’atelier GAST (Gestion et Analyse des données Spatiales et Temporelles)

Date : 2025-01-27 => 2024-12-31
Lieu : EGC’25 – Strasbourg

Résumé :
Dans le cadre du dixième atelier GAST, nous sollicitons des soumissions d’articles autour des thématiques de la gestion et analyse des données spatiales et temporelles. Nous souhaitons que l’atelier soit un espace d’échange qui regroupe des chercheurs du domaine. En fonction des possibilités, nous pourrons également envisager la venue d’un invité qui, par ses travaux récents, peut enrichir les connaissances de la communauté.

Équipe organisatrice :
– Clément IPHAR, LETG / UBO (Brest)
– Aurélie LEBORGNE, ICube / UNISTRA (Strasbourg)
– Nida MEDDOURI, LRE / EPITA (Paris)
– Loïc SALMON, ISEA/ UNC (Nouméa)

Descriptif :
La nature des données spatiales et temporelles exploitées s’étend au sens très large dans cet atelier. Il peut s’agir d’analyser des données enrichies d’informations de localisation et d’horodatage ; aussi bien que de traiter des sources d’informations complexes dont nous cherchons à extraire des informations spatiales ou temporelles (documents vidéo, textes, cartes, etc.). Les problématiques associées peuvent concerner aussi bien les techniques de représentation de ces informations, leurs analyses (en temps réel ou pas) que leur stockage.

Ces thématiques ont connu un intérêt croissant ces dernières années, en particulier avec le développement de nombreuses méthodes d’analyse de séries temporelles ou de traces mobiles. Il nous apparaît donc important de permettre aux chercheurs de la communauté francophone (ou autres) de pouvoir se rencontrer pour échanger spécifiquement sur ces thématiques.

Objectifs :
Cet atelier s’inscrit dans la continuité des ateliers des années passées. Un des objectifs est de regrouper les chercheurs du domaine académique et de l’industrie. Ces derniers s’intéressent aux problématiques liées à la prise en compte de l’information temporelle ou spatiale (quantitative ou qualitative) dans leurs processus de gestion et d’analyse de données (méthodes et application de l’extraction, la gestion, la représentation, l’analyse et la visualisation d’informations, apprentissage et extraction de connaissances à partir des données spatio-temporelles). L’atelier permet de donner la possibilité à un grand nombre de chercheurs intéressés par ces thématiques de présenter leurs problématiques et approches.

Thèmes de l’atelier (liste non exhaustive) :
Les soumissions attendues porteront sur les besoins, outils, problèmes, techniques, méthodes et algorithmes dédiés à l’analyse :
– Des données temporelles : séries temporelles, données séquentielles, etc.
– Des données spatiales : images satellites, numériques, données géomatiques et maritimes, etc.
– Des données spatio-temporelles : données issues de réseaux de capteurs, données biologiques et médicales, traces spatio-temporelles (déplacements d’espèces vivantes, objets), vidéos, séries d’images satellites, données territoriales, etc.
– Des données textuelles évoquant des aspects spatiaux et temporels, etc.
– Des flux de données (en temps réel) incluant des informations spatiales, etc.
– Des données fédérées dans un environnement distribué géographiquement, etc.

Les questions suivantes pourront, par exemple, y être abordées :
– Recherche et intégration de connaissances spatiales et temporelles dans un processus d’analyse de données;
– Méthodes d’apprentissage profond pour les données spatio-temporelles;
– Extraction et visualisation de motifs ou de règles de classification/prédiction à partir des données spatio-temporelles;
– Modélisation de l’information spatiale et temporelle, prise en compte des aspects hétérogènes, multidimensionnel ou multi échelle des données temporelles et spatiales;
– Représentation, analyse et gestion des données spatio-temporelles incertaines;
– Prise en compte des contraintes d’anonymat dans les données spatiales et temporelles (apprentissage fédéré);
– Explicabilité/interprétabilité des modèles en présence de données temporelles et/ou spatiales;
– Données géo-spatiales et géo-temporelles du Web et de l’Open Data;
– Construction et acquisition de connaissances géo-spatiales/géo-temporelles à partir de textes et/ou d’images;
– Mesure de qualité sur les données spatiales et temporelles;

Les contributions peuvent aborder ces questions de manière conceptuelle ou appliquée sur divers domaines d’application (santé, transport, industrie, etc.). Les méthodes, modèles et outils qui transcendent les frontières entre plusieurs domaines applicatifs seront particulièrement appréciés.

Les dates importantes:
– Abstract : 22 novembre 2024
– Full paper : 26 novembre 2024
– Notification : 13 décembre 2024

Instructions aux auteurs : Les auteurs sont invités à soumettre des travaux de recherche originaux (non publiés ou en cours d’évaluation) autour des thématiques de l’atelier. Trois formats de papier sont acceptés : résumés étendus de 2 pages; papiers courts de 6 pages et papiers longs de 12 pages. Les actes n’étant pas imprimés, une certaine flexibilité est possible autorisée autour de ces chiffres.

Les soumissions devront être réalisées au format PDF et devront utiliser le format RNTI disponible en téléchargement à l’adresse : http://www.editions-rnti.fr/files/RNTI-X-Y2.1.zip. La langue officielle de l’atelier est le français, mais il reste ouvert aux contributions en langue anglaise. La soumission des propositions d’articles se fera exclusivement sous format électronique via le site EasyChair Conference System : https://easychair.org/conferences/?conf=egc2025 en choisissant lors de la soumission la track GAST correspondant à l’atelier. Si vous rencontrez des difficultés, n’hésitez pas à nous contacter.

Chaque soumission sera évaluée par 3 évaluateurs. Les critères d’évaluation retenus sont :
– L’adéquation du contenu scientifique de la proposition aux thématiques de l’atelier.
– La mise en évidence d’un résultat scientifique, d’une idée innovante ou de retours d’expériences.
– La qualité scientifique de la soumission.
– La clarté de la présentation (pour un public pluridisciplinaire notamment).
– Le fait que la contribution soit susceptible de donner lieu à des échanges scientifiques intéressants.

Les inscriptions peuvent se réaliser à l’atelier seul ou à tout l’événement (atelier + conférence). Le tarif d’inscription et la procédure d’inscription sont disponibles sur le site de la conférence EGC : https://www.egc2025.cnrs.fr/.

Contact : gast_egc2025@easychair.org

Lien direct


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

Post-doctoral researcher in spatial quantitative ecology based on heterogeneous data analysis

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

Laboratoire/Entreprise : Biostatistics and Spatial Processes, INRAE
Durée : 18 months
Contact : samuel.soubeyrand@inrae.fr
Date limite de publication : 2024-12-01

Contexte :
You will be based at the BioSP research unit (Biostatistics and Spatial Processes) in Avignon, and collaborate with researchers from INRAE and Cirad at Avignon, Montpellier and Rennes. You will specifically work with Samuel Soubeyrand (INRAE, Avignon) and Virginie Ravigné (Cirad, Montpellier), and be involved in the IRIS project dedicated to better understanding and monitoring biological regulation services. This topic is approached in the IRIS project both from a general and methodological perspective, and throughout the study of a specific context, namely the citrus production in Corsica.

The rational underlying the project is to envision and implement a proof of concept of a multidimensional, integrative surveillance of the biological diversity (instead of the traditional surveillance in silo of specific pests) contributing both to the sanitary risk and to their mitigation.

Sujet :
Your work in this project will consist in carrying out original research aiming at modeling and inferring the links between the characteristics of the landscapes and the local capacities of pest regulation. You will characterize landscapes with classical indicators related to land use, climate, geology, anthropization, etc., and more original indicators reflecting connectivity between the diverse landscape components. Then, you will infer landscape-regulation links with multidimensional models allowing you to take into account the interaction within the community (for instance, models considered in statistics, machine learning, species distribution modeling, or even hybrid models encompassing mechanistic components), with the additional challenge of incorporating in these analyzes connectivity data. This part of the research will be based on accurate spatial diversity data collected during the project in the citrus production areas in Corsica and processed with metabarcoding and high throughput sequencing techniques. The deliverables of your work will be high level scientific publications, a computer code for producing landscape characteristics and inferring landscape-regulation links, and a dynamic map of potential natural regulation (and its counterpart, namely pest risk).

Profil du candidat :

Formation et compétences requises :
Background in quantitative ecology, community ecology, statistics or other related domains that led you to work on interacting processes and to analyze complex data.

Adresse d’emploi :
https://jobs.inrae.fr/en/ot-22941