Archives

Econom’IA

Date : 2024-05-06 => 2024-05-07
Lieu : Bordeaux, France

Announcement and Call for papers

1st Edition of Econom’IA Conference

We are proud to announce the first Econom’IA conference that will take place in BSE (Bordeaux School of Economics), Bordeaux, France, on May 6-7, 2024.

This conference aims to explore and foster the cutting-edge applications of Artificial Intelligence (AI), Text Mining, Web Mining, Data Visualization, and other innovative techniques in all the fields of Economics. Econom’IA brings together researchers from the academic world as well as entrepreneurs that use innovative techniques to analyse economic data.

This 2-day conference proposes morning sessions with formal lectures and practical workshops given by established scholars in the field to discover new tools and techniques[1], and afternoon sessions dedicated to presentations and discussions of papers using at least one of these innovative techniques.

For this first edition, we are particularly honoured to have Renaud Aioutz-Lefebvre (OpenStudio) on May 6th and Emmanuel Flachaire (AMSE, Aix-Marseille university) on May 7th as our keynote speakers.

Econom’IA conference will particularly focus on the following topics:

Machine Learning and Deep Learning applications,
Text and Web Mining,
Advanced data collection and visualization.

Application and deadlines:

Authors willing to attend the conference can apply by submitting an application in one single pdf document in English including a research proposal (2-4 pages maximum) or a published paper to present during the presentation sessions. Submissions must include at least one application of innovative techniques in Economics and will undergo a peer-review process. Applications can be submitted at the following link:

https://economia.sciencesconf.org/

It is also possible to attend the conference as an auditor after filling out the form on the conference website. A confirmation will be sent to you via email.

Deadline for application: 15 January, 2024

Notification of acceptance: 29 February, 2024

Registration reduced fee payment : from 1 March to 20 March , 2024

Registration full fee payment: from 20 March to 17 April, 2024

Participation fees:

The reduced conference fee is 150 Euros for registrations before 20th March 2024, and increases to 250 Euros after this date (participants and auditors). Fees include the registration to the conference (access to the conference lectures and presentations), breaks, lunches and gala dinner.

3 free registrations are reserved for participants from third countries or scholarship holders. For more détails please contact the organizing comitee.

Contact Information:

For inquiries and further information, please contact the conference organizing committee at economia_orga@groupes.renater.fr

Organizing Committee

Mathieu Bernard (Economix, université Paris Nanterre, CNRS)

François Maublanc (Thema, CY Cergy Paris Université)

Olha Nahorna (Bordeaux School of Economics, université de Bordeaux, CNRS)

Karine Onfroy (Bordeaux School of Economics, université de Bordeaux)

Guillaume Pouyanne (Bordeaux School of Economics, université de Bordeaux)

[1] For the workshops, basic knowledge of programming in Python or R is recommended.

Lien direct

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

Master Internship on Enabling XAI in IoT-enhanced Spaces at Institut Polytechnique de Paris

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

Laboratoire/Entreprise : SAMOVAR
Durée : 6
Contact : aikaterini.tzompanaki@cyu.fr
Date limite de publication : 2024-01-15

Contexte :
With the emergence of the Internet of Things (IoT) and computing (cloud-edge) continuum technologies
infrastructures are becoming more sensorized, fueling the development of smart space ecosystems and
improving societal quality of life. As a result, smart spaces are becoming popular in many domains,
including healthcare, education, building management, and more. This integration with the IoT brings
much potential in revolutionizing the way that these environments operate. Initially, IoT sensors mea-
sure physical phenomena (temperature, energy consumption, luminosity) in a continuous way, producing
streams of data. Such data is often used for analysis and predictions to either optimize different criteria
(e.g., occupancy, user comfort, energy consumption, etc.), or identify and anticipate problems. To man-
age and control the data generated by IoT devices, AI algorithms can be used to enable smarter, more
efficient, and more responsive devices to their environment.

Sujet :
To enable efficient decision making, it is increasingly common that predictions be accompanied by
explanations, i.e., pieces of information either on the data, the models, or both for giving insights on
why the predictions were made. For example, a smart building employs IoT devices to measure energy
consumption of different plugs in households, as well as temperature of different rooms. Using this
measurements as training data, a Machine Learning model can be used to predict the energy consumption
of the air-conditioning appliance plug (label) using different IoT data features (e.g., temperature). Since
this is a continuous setting scenario, at time t1 we may have gathered D1 data, which we use to train a
decision tree M1. At a later time t2, incrementally we have obtained D1 ⊂ D2, along with a new trained
model M2. Let’s assume the following predictions made by M1 and M2 for a test point p: y1 = M1(p) =
10watts and y2= M2(p) = 50watts. An example of traditional local explanations for these two predictions
could be e1 : p.temperature = 20 while e2 : p.temperature = 35. We argue that a more informative
and correct explanation would be the information that the distribution of the training data has changed;
it is not only that the current temperature is at 35 degrees, but also that the timestamps with high
temperatures appear more often in the data than before t1.
This internship aims to study the usage of data distribution changes through time for the construction
of more pertinent XAI models for IoT-enhanced spaces. Use cases will be provided from existing data
models and data instances from IoT devices deployed in smart spaces of the Institut Polytechnique de
Paris (IP Paris). The successful candidate will be considered for a 3 year PhD contract at the end of the internship

Profil du candidat :
Internship Objectives
The selected candidate will be working on the following tasks:
– Get familiar with data models for smart spaces.
– Leverage datasets of smart spaces for prediction and decision making.
– Study data drifts and distribution changes in datasets for IoT space predictions.
– Propose explanation formalizations based on data distribution changes.

Formation et compétences requises :
Master 2 on computer science or last year of engineering school.

Adresse d’emploi :
Telecom SudParis, Evry or Palaiseau

Document attaché : 202311091058_XAI_IoT_internship.pdf

Clustering de Réseaux d’ordre supérieur pour des données de transports maritimes

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

Laboratoire/Entreprise : LS2N
Durée : 5/6 mois
Contact : francois.queyroi@univ-nantes.fr
Date limite de publication : 2024-01-15

Contexte :
Le contexte de ce stage est l’analyse des relations entre lieux à partir de trajectoires maritimes Ces traces peuvent être définies comme des séquences discrètes d’événements (e.g. les différents ports visités par un navire). Dans ce cadre, on s’intéresse aux relations indirectes entre lieux e.g. sachant qu’un navire vient de Shanghai et est actuellement à Singapour, quelle est sa prochaine destination ? On va ainsi chercher à dépasser la représentation usuelle des déplacements sous la forme de graphes en utilisant des « réseaux d’ordre supérieur » (voir Fig. 1). Ces réseaux représentent les probabilités de transitions d’un lieu à un autre en tenant compte d’un historique de déplacement. Ainsi, ce nouveau type de graphe inclut des « noeuds-mémoire » correspondant à des sous-séquence de lieux. Par exemple, le nœud « Singapour/Tokyo » va encoder l’événement « Le navire, actuellement à Singapour, est arrivé de Tokyo ». Ces modèles reflètent mieux les données d’entrées que les modèles « sans mémoire » (chaîne de Markov d’ordre 1) où la probabilité de transition d’un port à l’autre ne dépendra que du port actuel.
La construction et la fouille de ces nouveaux modèles constituent d’important axes de recherche dans le domaine de la fouille de réseaux. Une application importante est la détection de communautés de lieux chevauchantes, qui est l’objectif de ce stage détaillé plus bas. Ce stage se situe dans la prolongation d’avancées récentes sur ce sujet [Saebi et al. 2020, Queiros et al, 2022]. Les résultats obtenus seront valorisés à travers des publications scientifiques et des outils logiciels.

Sujet :
Un premier objectif du stage est de proposer des outils permettant de produire un clustering chevauchant des lieux à partir d’un partitionnement des noeuds-mémoires d’un réseau d’ordre supérieur. En effet, un cluster de lieux doit représenter un groupe de lieux dont la majorité des flux est dirigée vers d’autres lieux du même groupe. Toutefois, certains lieux (typiquement des grands ports du réseau maritime international) vont pouvoir appartenir à différents groupes. Une problématique dans ce cadre est que la façon dont sont construit les réseaux d’ordre supérieur va beaucoup influencer les clusters découverts si on utilise directement des algorithmes classiques [Queiros et al, 2022]. Le stage consistera à développer un algorithme évitant cet écueil. On pourra par exemple proposer une alternative à l’algorithme de clustering Walktrap [Pons et Latapy, 2005] (voir Fig. 2). Cela impliquera toutefois d’utiliser une fonction de scoring qui est définie pour les clusterings chevauchant (par ex. [Esquivel et Rosvall, 2011]). L’algorithme développé pourra être intégré au paquet Python honyx (https://pypi.org/project/honyx).

Un deuxième objectif sera la constitution de jeux de données de trajectoires maritimes par l’utilisation d’API de sites recensant les positions des navires.

Profil du candidat :
Nous cherchons un.e étudiant.e en M2 mathématique/informatique (ou équivalent) intéressé.e et ayant des compétences dans l’analyse de données et la fouille de graphes.
– intérêt pour la Recherche et le travail à la fois en équipe et en autonomie
– bonne maîtrise de Python
– capacités rédactionnelles
– bon niveau d’Anglais

Formation et compétences requises :
Nous cherchons un.e étudiant.e en M2 mathématique/informatique (ou équivalent) intéressé.e et ayant des compétences dans l’analyse de données et la fouille de graphes.
– intérêt pour la Recherche et le travail à la fois en équipe et en autonomie
– bonne maîtrise de Python
– capacités rédactionnelles
– bon niveau d’Anglais

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

Document attaché : 202311081135_sujet_clust2024_fr.pdf

Extraction de contenu multimodal — Application au cas des manuels scolaires

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

Laboratoire/Entreprise : Laboratoire CEDRIC du CNAM (Paris)
Durée : 5 ou 6 mois
Contact : guinaudeau@limsi.fr
Date limite de publication : 2024-01-15

Contexte :
Le projet ANR MALIN a pour objectif de rendre utilisables les manuels scolaires numériques par les enfants en situation de handicap. En effet, les manuels numériques actuellement disponibles nécessitent d’être adaptés pour être accessibles à ces enfants. Ces adaptations concernent aussi bien les aspects techniques que pédagogiques. Dans la plupart des cas, les manuels sont adaptés de façon artisanale et les délais de livraison peuvent être de plusieurs mois. Ces contraintes ne permettent pas de rendre efficiente l’inclusion scolaire des enfants en situation de handicap. L’objectif du projet ANR MALIN est donc de développer des solutions techniques afin d’aboutir à l’automatisation de l’adaptation des manuels scolaires numériques pour les rendre accessibles (accès, traitement et interaction avec les contenus) aux élèves en situation de handicap. Le projet ANR repose sur une collaboration entre quatre laboratoires : LISN (Université Paris-Saclay), MICS (Ecole CentraleSupelec), CEDRIC (CNAM), Inserm 1284 (CRI, Université de Paris).

Sujet :
L’objectif du stage consiste à concevoir des approches d’extraction automatique de la structure d’un exercice de manuel scolaire (consignes, enoncés, exemples, etc.) et de son contenu multimédia (textes, images, dessins, graphiques, équations, courbes…) à partir des fichiers fournis par les éditeurs (ceux-ci sont le plus souvent au format pdf). Plusieurs approches seront à envisager : une approche d’adaptation et d’enrichissement de systèmes de structuration automatique de documents textuels (segmentation thématique, segmentation discursive) prenant en compte la spécificité et la multi-modalité des données traitées et une approche basée sur le traitement automatique des images visant à identifier les différents blocs en se basant sur les caractéristiques de l’image, connue sous le nom de « Document Layout Segmentation and Analysis » [1, 2]. Des approches récentes d’apprentissage profond seront testées sur des jeux de données annotées manuellement afin d’adapter des modèles existants et obtenir des résultats d’extraction satisfaisants.

[1] Wang, Jiapeng, Lianwen Jin, and Kai Ding. “Lilt: A simple yet effective language-independent layout transformer for structured document understanding.” arXiv preprint arXiv:2202.13669 (2022).
[2] Huang, Yupan, et al. “Layoutlmv3: Pre-training for document ai with unified text and image masking.” Proceedings of the 30th ACM International Conference on Multimedia. 2022.

Profil du candidat :
Master en informatique ou TAL avec une spécialisation dans au moins un des domaines suivants :
○ traitement automatique des langues
○ apprentissage automatique

Formation et compétences requises :
Maîtrise de Python (langage de prédilection du projet)
La connaissance des principales librairies d’apprentissage sera appréciée.

Adresse d’emploi :
Lieu de travail : Laboratoire CEDRIC du CNAM
Durée du contrat : 5/6 mois
Début souhaité : printemps 2024
Contact : Pour postuler, merci d’envoyer un CV, les notes de M1 et M2 et une lettre de motivation à Camille Guinaudeau (guinaudeau@limsi.fr), Olivier Pons (olivier.pons@lecnam.net) et Caroline Huron (caroline.huron@cri-paris.org).

Document attaché : 202311080140_SujetStageMALIN_extraction.pdf

INFORSID 2024 @Nancy

Date : 2024-05-27 => 2024-05-31
Lieu : Nancy – France

1er Appel à Communication
INFORSID 2024 @Nancy

(Date limite de réception des articles : 23 février 2024)

Les organisations et le monde vivent actuellement de grandes transformations largement liées aux technologies de l’information et à leurs impacts. Ces transformations touchent les systèmes d’information (SI) qui soutiennent les processus métier des organisations ainsi que les acteurs dans la réalisation de leurs activités/missions. La rapidité des changements des organisations et plus largement les défis sociétaux et environnementaux nécessitent de mettre en place des processus allant souvent au-delà de l’amélioration continue et d’envisager des transformations plus fondamentales pour lesquelles les dimensions d’innovation, de créativité mais aussi de responsabilité sont des facteurs déterminants. L’imprévisibilité de ces mêmes transformations (notamment les effets indirects pervers) requiert plus que jamais une vision systémique dans l’ingénierie et la gouvernance des SI.

Aux niveaux technique et scientifique, les opportunités d’évolution et de transformation supposent une capacité à capter, stocker, organiser, rechercher, analyser, apprendre à partir de gros volumes informations, et nous amène à investiguer de nombreuses problèmes inédits : satisfaire et maîtriser les exigences de volume, vélocité, variété, véracité, valeur des données, respecter les lois relatives à la protection des données, et être pleinement conscients des (et responsables face aux) composants du nouveau monde VUCA (volatilité, incertitude, complexité et ambiguïté). Nous en sommes responsables en tant qu’ingénieurs, en tant que chercheurs, en tant qu’enseignants et en tant que citoyens. Nous avons, plus que jamais, besoin de l’intelligence humaine.

Le déploiement des SI dans cet environnement complexe contenant des données sensibles/massives/hétérogènes génère aussi des risques juridiques, sociaux, et financiers, rendant la sécurité, et notamment la cyber sécurité, centrale dans les préoccupations des directions des systèmes d’information (DSI), des chercheurs et des équipes pédagogiques en SI. Face à ce déploiement de solutions technologiques gourmandes en ressources énergétiques, les SI doivent aussi répondre aux défis environnementaux pour proposer une informatique durable et un numérique responsable.

En 2024, le congrès INFORSID se tiendra du 27 au 31 mai à Nancy. Nous sollicitons, comme chaque année, la présentation de travaux de recherche récents, de développements industriels et d’expériences significatives dans le domaine de l’ingénierie et des systèmes d’information, mais également des travaux plus exploratoires, ou simplement une idée sur laquelle débattre.

Les thématiques visées sont les suivantes, sans que cette liste ne soit exhaustive :

*SI ET DONNÉES MASSIVES (BIG DATA)* : conception et ingénierie des bases de données NoSQL, stockage et distribution des données (datastores, multistores, etc.), ingénierie des données liées (linked data), SI et Internet des objets, paradigmes de traitements massifs de l’information (map/reduce, in-memory, blockchains), qualité et traçabilité des données (data lineage).

*SI ET SCIENCE DES DONNÉES* : mécanismes de raisonnement, analytique, Business Intelligence ingénierie des systèmes décisionnels, entrepôts et lacs de données, bases de données multidimensionnelles et OLAP, fouille dans les données massives (data mining, big mining), SI et fouille (intention mining, process mining, web mining, text mining), analyse des sentiments, apprentissage (deep learning), aide à la décision, SI et visualisation, intelligence artificielle, explicabilité.

*SI ET INTERACTION HUMAINE* : production participative (crowd sourcing), réalité augmentée et SI, jeux sérieux pour les SI, SI et médiation, usages du SI, SI et accessibilité, SI et handicap, adaptation des SI.

*SI ET RESPONSABILITE SOCIETALE ET ENVIRONNEMENTALE*: SI & transformation numérique de la société, SI & nouveaux modes de travail et de collaboration, SI & changement climatique, SI & gestion des ressources, SI & préservation de l’environnement, SI & éthique…**

*SI ET SÉCURITÉ*: sécurité organisationnelle, SI résilients, sécurité d’accès à l’information, sécurité à la conception (“privacy by design”/ “privacy by default”), données ouvertes, données personnelles, SI & respect de la vie privée.

*SI et RÉSEAUX SOCIAUX* : ingénierie sociale, discernement, réflexion vs réflexe, éthique, responsabilité, citoyenneté, analyse des sentiments.

*INGÉNIERIE DES PROCESSUS* : méthodes pour l’ingénierie de SI à base de services, ingénierie des exigences, architecture d’entreprise, architectures et outils pour les services, SI et services numériques, modélisation/cartographie/orchestration de processus, business process management, Enterprise Resource Planning (ERP).

*INGÉNIERIE DES DOCUMENTS ET DES CONNAISSANCES* : modélisation et méta-modélisation des documents, recherche d’informations, graphe de connaissances, médiation de sources d’information, informations multimédia et gestion de contenu, systèmes de recommandation, réseaux sociaux et SI, ontologies, knowledge management.

*SI DÉDIÉS ET ENTREPRISES DU FUTUR* : environnement, usine 4.0, habitat intelligent, ville intelligente, développement durable, santé, biologie, éducation, aéronautique, commerce, marketing, banque, logistique, PME, expériences de SI du futur, innovation digitale, SI et bien-être au travail.

*ENSEIGNEMENT ET RECHERCHE EN SI* : modélisation, méta-modélisation, artéfact, évaluation de la recherche, méthodes d’évaluation, méthodologies de recherche en SI, SI pour les MOOC.

Ces contributions pourront aussi s’appuyer ou élaborer des fondamentaux en matière de méthodes et outils de conception (ingénierie dirigée par les modèles, paradigmes de modélisation, rétro-ingénierie/réingénierie/co-conception des SI) et de gouvernance (gestion des risques, conformité aux réglementations alignement des SI à la stratégie de l’entreprise, management de projet SI, agilité, SI mobiles et ubiquitaires)…

*DATES IMPORTANTES*

Date limite de réception des articles : 23 février 2024

Notification aux auteurs : 15 avril 2024

Date limite de réception des textes définitifs : 6 mai 2024

Dates du congrès : 27 mai- 31 mai 2024

SOUMISSION

Différents types de soumissions sont possibles :

– Session *Recherche* : articles longs (12 à 16 pages) ou articles courts (4 à 6 pages). Tout en respectant les thèmes de la conférence, les articles peuvent également être “centrés solutions” présentant une problématique de recherche pour laquelle de nouvelles solutions ou des évolutions significatives sont décrites. Ils peuvent porter sur des “évaluations” en incluant une validation préliminaire de la solution proposée au moyen d’approches scientifiques telles que les études empiriques, les expériences, les études de cas, les simulations, etc. Ils peuvent enfin relater une expérience industrielle présentant des problèmes ou des défis rencontrés en pratique dans une organisation.

– Session *Internationale* (2 pages) : articles publiés dans de très bonnes conférences ou revues internationales dans l’année 2023 et soumis pour présentation lors de la conférence. L’objectif est de faire partager avec la communauté nationale les travaux les plus récents même si ceux-ci ont déjà été publiés. Pour ce faire, une inscription au tarif préférentiel de 250 € pour l’inscription au congrès sera accordée au conférencier présentant l’article. Il est demandé aux auteurs une synthèse de 2 pages maximum en français de l’article (le titre de la soumission devra être en français). La référence à l’article déjà publié doit explicitement être présente dès le début de la synthèse et la référence bibliographique complète de l’article déjà publié devra être présente en fin de soumission.

– Session *Démos* (2-4 pages) : Présentation d’outils, prototypes, maquettes, de travaux ou projets en cours, d’expérimentations ou jeux de données de référence, etc.

Les articles devront se conformer aux modèles fournis sur le site web de la conférence.

Les articles doivent être soumis en format PDF sur le site : https://easychair.org/conferences/?conf=inforsid2024

La langue officielle du congrès est le français. Toutefois le congrès est ouvert aux contributions de langue anglaise.

EVALUATION ET PUBLICATION

Tous les articles seront évalués par trois lecteurs du Comité de Programme. Les articles sélectionnés seront publiés dans les actes du congrès et feront l’objet d’une présentation. Un article soumis à INFORSID 2024 ne doit pas être dans un processus d’évaluation dans une autre conférence ou journal. Toute double soumission sera rejetée.

Pour toute information complémentaire, n’hésitez pas à contacter : inforsid2024@irit.fr

Lien direct

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

Stage M2 – Robust joint detection-estimation methodologies for massive radio telescopes

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

Laboratoire/Entreprise : Laboratoire des signaux et syst`emes (L2S)
Durée : between 4 and 6 mont
Contact : stefano.fortunati@centralesupelec.fr
Date limite de publication : 2024-05-31

Contexte :
One of the key features characterizing the new generation of radio telescopes is the large number of their antenna elements. Built in 2010, the Low-Frequency Array (LOFAR) is currently the largest radio telescope in operation with 100000 antenna dipoles distributed across several European countries. Furthermore, the upcoming Square-Kilometer Array (SKA) will be made up of more than 130000 antennas. Such a large number of antennas will make it possible to acquire increasingly accurate and detailed images of the celestial vault. Such images will form the basis for promising developments in astrophysics and cosmology in the coming years.
However, as in any other remote sensing system, the signal collected by a radio telescope is affected by different sources of disturbance that will degrade the quality of the collected image. Consequently, to take full advantage of the potential of the new radio telescopes, one must first take the disturbance into account. In general, this disturbance is characterized as a zero-mean Gaussian random process with possibly unknown correlation structure.
Then, the crucial question is: is it possible to derive robust imaging algorithms, without any assumption on the specific form of the noise distribution, and that still remain accurate? If yes, which is the price to pay?

Sujet :
This internship is part of the“SIDEREAL” project. The objectives
of the internship are the following:
1. Building upon the existing works, we will adapt the array signal model to the context of radio telescopes. Particular attention will be devoted to the disturbance model to be used in astronomical data analysis and on its statistical description.
2. After these preliminary investigations, the project will focus on the development of original image reconstruction algorithms for radio astronomy by exploiting the massive number of antenna elements available in modern radio telescopes. Their performance and statistical properties will be assessed by means of simulated data.

Profil du candidat :
Master 2 or equivalent in machine learning / statistical signal processing or any related field

Formation et compétences requises :
Statistical signal processing, estimation theory, programming skills in Matlab or Python.

Adresse d’emploi :
Laboratoire des signaux et systèmes (L2S), Bât. IBM, Rue Alfred Kastler, 91400 Orsay.

Document attaché : 202311021052_Internship_proposal_SF_LB.pdf

10ème École d’Hiver é-EGC “Analyse des données et apprentissage face à l’urgence climatique et la crise écologique, humanitaire et économique”

Date : 2024-01-22 => 2024-01-23
Lieu : Dijon, France

10ème Ecole d’Hiver é-EGC sur le thème « Analyse des données et apprentissage face à l’urgence climatique et la crise écologique, humanitaire et économique »

22 – 23 Janvier 2024, Dijon – France

https://iutdijon.u-bourgogne.fr/egc2024/ecole-e-egc/

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

La dixième École d’Hiver é-EGC, sur le thème « Analyse des données et apprentissage face à l’urgence climatique et la crise écologique, humanitaire et économique », est un événement organisé par l’Association Extraction et Gestion de Connaissances (EGC, http://www.egc.asso.fr/).

Cet événement s’organise autour de deux activités principales :

• deux jours de formation : les 22 et 23 Janvier 2024

• participation à la conférence EGC 2024 : du 24 au 26 janvier 2024

THÈME DE L’ÉCOLE : Analyse des données et apprentissage face à l’urgence climatique et la crise écologique, humanitaire et économique

Cette école s’intéresse aux méthodes aujourd’hui disponibles permettant la fusion de données multimodales (audio, image, texte, série temporelle, etc.), l’analyse et l’apprentissage pour apporter des outils et solutions aux problématiques posées par le changement climatique et ses impacts sur notre environnement et nos sociétés. Cette thématique englobe les approches de l’intelligence artificielle aussi bien symbolique, que numérique ou hybride pour le traitement et l’analyse de données complexes et de connaissances issues de différents domaines scientifiques (sciences sociales, sciences de la Terre et du vivant, sciences médicales, etc.). La multidisciplinarité, ainsi que la diversité, la complexité et l’hétérogénéité des données mettent aux défis nos approches actuelles et nécessitent de nouvelles directions de recherche.

OBJECTIFS DE L’ÉCOLE

Les deux jours de formation ont pour but principal d’offrir aux participants des tutoriaux d’initiation dans le domaine de recherche couvrant les thèmes de l’école mais également des tutoriaux plus spécifiques présentant les récentes avancées proposant des solutions et des techniques nouvelles pour les différentes problématiques ayant émergées dans ce domaine. Certains exposés seront associés à des séances plus pratiques afin de permettre aux participants de manipuler quelques outils.

La participation à la conférence permettra aux participants de prendre part à un des événements majeurs de la communauté francophone de l’extraction et la gestion de connaissances. Elle leur permettra d’assister à des présentations de nouvelles avancées et approches développées dans la communauté, ceci pouvant ainsi inspirer leur parcours scientifique futur.

Enfin, cette école souhaite offrir aux jeunes chercheurs (doctorants, post-doctorants et ingénieurs) et aux chercheurs confirmés du domaine la possibilité de se rencontrer et d’échanger des idées, ce qui devrait également permettre aux jeunes chercheurs d’enrichir leur réseau.

PROGRAMME DE L’ÉCOLE

Le programme sera finalisé et disponible sur le site de l’école dans les plus brefs délais ; voici la liste des intervenants confirmés :

Pierrick Bruneau (Luxembourg Institute of Science and Technology, Luxembourg)

Reik Donner (Magdeburg and Potsdam Institute for Climate Impact Research, Allemagne)

Davide Faranda (Laboratoire des Sciences du Climat et de l’Environnement, CNRS, Paris)

Germain Forestier (Institut de recherche en informatique, mathématiques, automatiques et signal, Université de Haute-Alsace)

Aidan Hogan (Millennium Institute for Foundational Research on Data, Universidad de Chile)

PUBLIC CONCERNÉ

L’École d’Hiver é-EGC 2024 s’adresse particulièrement aux doctorants et étudiants souhaitant approfondir leurs connaissances dans le domaine de l’exploration de données et de l’apprentissage, avec un focus sur l’application de ces compétences pour soutenir les Objectifs de développement durable.

COMITÉ SCIENTIFIQUE ET ORGANISATION

• Jérome Gensel (LIG, Université Grenoble Alpes)

• Mustapha Lebbah (UVSQ, Paris-Saclay)

• Zaineb Chelly Dagdia (UVSQ, Paris-Saclay)

• Claudia Marinica (LS2N, Université de Nantes)

DATES IMPORTANTES

• Date limite pré-inscriptions (CV à fournir) : 30/11/2023

• Inscription effective (École (formation + conférence EGC), sur le site de la conférence) : 07/12/2023

L’INSCRIPTION SE RÉALISE EN DEUX ÉTAPES

Les participants doivent manifester leur intérêt, avant le 30/11/2023, pour participer à l’École en s’inscrivant avec ce formulaire :

https://forms.gle/YcN8tSj7nP7A7kR58

Pour que la pré-inscription soit prise en compte, elle doit être accompagnée d’un CV récent du participant.

Après la confirmation de la pré-inscription par le comité d’organisation, et avant le 07/12/2023, les participants doivent s’inscrire via la page d’inscription de la conférence EGC 2024 (attention de bien choisir le tarif comprenant l’École).

Le nombre de participants est limité à 30 personnes. Le tarif de l’inscription sera affiché sur le site de la conférence EGC (https://iutdijon.u-bourgogne.fr/egc2024/ecole-e-egc/) et il comprend :

la participation à l’École d’Hiver (22 et 23 janvier 2024) ;

la participation à la conférence (24 au 26 janvier 2024) ;

les déjeuners et le repas de gala.

Lien direct

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