Archives

Classification d’image par apprentissage actif

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

Laboratoire/Entreprise : Laboratoire de Mathématiques et Applications
Durée : 4 mois
Contact : farida.enikeeva@math.univ-poitiers.fr
Date limite de publication : 2023-03-20

Contexte :
La classification d’image est un problème classique de l’apprentissage supervisé. La qualité de décision prise par un algorithme d’apprentissage supervisé dépend beaucoup de la base d’apprentissage utilisée notamment du volume de données labelisées. Très souvent il est coûteux de constituer une base d’apprentissage solide, comme dans le domaine médical ou industriel présentant notamment une classe peu représentée. Dans ce cas il est quasiment impossible d’avoir un nombre suffisant d’observations dans la classe rare, et de plus, les classes de la base d’apprentissage seront très déséquilibrées. C’est donc important de savoir comment construire la base d’apprentissage en minimisant à la fois le coût et le taux d’erreur de classification. Nous proposons dans ce projet d’utiliser les méthodes d’apprentissage actif (active learning) pour pouvoir améliorer la qualité de classification en utilisant une base d’apprentissage de taille optimale. Plus précisément, on dispose d’une base relativement petite d’images étiquetées. On a l’accès à la décision d’un expert qui peut valider une ou plusieurs étiquettes d’images données et on peut donc améliorer les décisions de l’algorithme. Le travail de l’expert représente le coût de la construction de la base d’apprentissage. A chaque étape de l’algorithme, en fonction des décisions de l’expert on ajoute de nouvelles images à la base d’apprentissage et on choisit quelles images montrer à l’expert à l’étape suivante. Cette dernière est choisie en fonction d’une certaine mesure de proximité entre les images et doit améliorer la qualité de la décision et de la base à l’étape suivante, en améliorant l’algorithme de décision.

Sujet :
L’objectif de ce stage est de tester des méthodes d’apprentissage actif dans le contexte de la classification d’image. Il y a plusieurs questions à aborder, comme par exemple, le choix des descripteurs, la mesure de proximité entre les images et la classification multi-label. Ce stage sera financé par un projet commun entre l’Institut XLIM, l’entreprise Einden et le LabCom DAMIALab.

Profil du candidat :
Niveau master d’une école d’ingénieur ou université en mathématiques appliquées

Formation et compétences requises :
Expérience en modélisation, apprentissage statistique et analyse d’image numérique. Maîtrise de Python ou Matlab.

Adresse d’emploi :
Laboratoire de Mathématiques et Applications, Université de Poitiers

Document attaché : 202302221247_Stage_LMA_XLIM_Poitiers2023.pdf

GreenDays 2023

Date : 2023-03-27 => 2023-03-28
Lieu : Lyon

Après les dix dernières éditions fructueuses des journées GreenDays, nous organisons les GreenDays 2023 @ Lyon les 27 et 28 Mars 2023 sur le thème “Efficacité énergétique, impacts environnementaux du numérique, sobriété et frugalité numérique : une vision décloisonnée !”.

En 2023, la problématique d’un numérique plus éco-responsable recouvre différentes facettes et de nombreux scientifiques adressent ces sujets dans leurs communautés respectives. Il est temps de se rencontrer et de mettre en commun nos forces de recherche pour amplifier les impacts des travaux et réduire les impacts énergétiques et environnementaux du numérique.

C’est la question que les académiques et industriels réunis lors des Greendays@Lyon aborderont par l’intermédiaire d’exposés invités et de propositions soumises.

Si vous souhaitez présenter des travaux, envoyez une proposition aux organisateurs (greendays2023@listes.ens-lyon.fr) avec un titre, un résumé de l’exposé, un intervenant et une affiliation avant le 3 Mars 2023.

Ces journées francophones sont organisées en collaboration avec les GDR GPL, MADICS, RSD, RO, et SOC2. Elles entrent dans le cadre de l’action “Energie” du GDR RSD, avec le soutien du CNRS, d’Inria, de l’ASF et du GDS EcoInfo.

L’inscription est gratuite avant le 10 Mars 2023 (en fonction des places disponibles, pour des raisons de logistique). Cliquez ici pour vous inscrire http://perso.ens-lyon.fr/laurent.lefevre/greendayslyon2023/

Contact : Pour toute question, envoyer un email aux organisateurs des greendays@lyon : greendays2023@listes.ens-lyon.fr

Lien direct

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

Maître de conférence en Science des données

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

Laboratoire/Entreprise : StatSC / ONIRIS
Durée : CDI
Contact : veronique.cariou@oniris-nantes.fr
Date limite de publication : 2023-03-23

Contexte :
Un concours de Maître de Conférences en Science des données est ouvert à Oniris (Ecole Nationale Vétérinaire Agroalimentaire et de l’Alimentation) à Nantes. Oniris forme environ 1100 élèves, en proposant notamment des formations correspondant :
– aux métiers d’ingénieur en sciences de l’alimentation (diplôme d’ingénieur),
– aux métiers de vétérinaire (diplôme de docteur vétérinaire).

Sujet :
Au sein de l’unité d’enseignement Mathématiques Informatique et Statistique, l’enseignant-chercheur interviendra principalement dans le campus des Sciences de l’Alimentation auprès des élèves ingénieurs, avec des interactions possibles avec la filière vétérinaire.
Du point de vue de la recherche, l’enseignant-chercheur sera intégré à l’USC INRAE/Oniris StatSC (https://www.oniris-nantes.fr/la-recherche/statsc-usc).

Profil du candidat :
L’enseignant-chercheur devra avoir des connaissances et compétences solides dans le domaine de la science des données et posséder une appétence pour l’interdisciplinarité. Il/elle s’impliquera dans la vie collective de l’équipe et de l’établissement au travers de prises de responsabilités et de participations aux différentes instances.

Formation et compétences requises :
Plus d’informations et démarche de candidature sont consultables à l’adresse suivante : https://www.oniris-nantes.fr/accueil/travailler-a-oniris/#c22375

Adresse d’emploi :
Oniris Campus Science de l’Alimentation
Rue de la Géraudière, CS 82225, 44322 Nantes

Document attaché : 202302211721_Profil PosteMC_ScDonnees.pdf

On Managing Dynamic Knowledge Graphs

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

Laboratoire/Entreprise : LAMSADE – PSL Research University – Universit{
Durée : 3 ans
Contact : maude.manouvrier@lamsade.dauphine.fr
Date limite de publication : 2023-04-15

Contexte :
Knowledge graphs are gaining ground as a means of encapsulating and sharing domain knowledge. Large companies,
such as Amazon, Bosch, Google, Microsoft and Zalando, have already adopted knowledge graphs to represent and store
their knowledge bases. In addition to enabling the sharing, querying and retrieval of facts of interest to a business or
community, knowledge graphs have recently gained recognition and are becoming the backbone of cognitive artificial
intelligence. Gartner predicts that the application of knowledge graphs and graph mining will grow by 100% per year to
enable more complex and adaptive data science.

Sujet :
In the context of this thesis, we will focus on RDF knowledge graphs, probably the most widely used class of knowledge
graphs. A number of problems arise when managing these knowledge graphs, ranging from their construction to their
exploration and exploitation. We will mainly focus on the management of dynamic knowledge graphs. Indeed, knowledge
is intrinsically dynamic: the sources that feed the knowledge graph can undergo changes that have an impact on the
knowledge graph itself. Moreover, new promising sources can be added to the list of sources used to enrich the knowledge
graph, and other sources that are no longer relevant can be dropped, which in turn has an impact on the facts (nodes and
relations) composing the knowledge graph. The general objective of the thesis is therefore: To design new solutions to
assist knowledge graph providers and users to better handle the effects of dynamic knowledge graphs.
To achieve the above goal, a number of tasks will be undertaken, from state of the art review to design and implementation
of algorithmic solutions to:
1. Characterize the changes a knowledge graph, may undergo,
2. Identify the maintenance actions that can be undertaken to smoothly manage these changes, and
3. Assess and manage the impact on the applications that utilize the knowledge graph.

A 3-year fully funded PhD scholarship is proposed.
An internship is also possible on the same project (April to August 2023) – see http://www.madics.fr/event/offre983/

Profil du candidat :
Interested candidates are invited to send the following to khalid.belhajjame@dauphine.fr and maude.manouvrier@lamsade.dauphine.fr:
– academic CV
– academic transcripts of BSc and MSc
– one page motivation letter explaining why the candidate is suitable for the position
– contact details of two referees

Formation et compétences requises :
Master in Data or Computer Science or equivalent.
Solid skills in databases and knowledge graphs are required.
A good knowledge in algorithmic, programming and machine learning is appreciated.A good knowledge in algorithmic, programming and machine learning is appreciated.

Adresse d’emploi :
Paris Dauphine University, located in the city of Paris, and member of PSL (Paris Sciences et Lettres).

Document attaché : 202302211043_ManagingDynamicKnowledgeGraphs_PhDPositionParisDauphineLamsade.pdf

Explicabilité pour l’analyse d’opinions sur les médias sociaux

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

Laboratoire/Entreprise : ETIS UMR 8051
Durée : 6 mois
Contact : maria.malek@cyu.fr
Date limite de publication : 2023-02-21

Contexte :
Nous explorons dans nos travaux actuels portant sur l’analyse des médias sociaux, la combinaison de méthodes classiques d’exploration d’opinion avec l’analyse des réseaux sociaux et son impact sur la formation et la propagation d’opinion afin de construire un modèle d’opinion cohérent.
Afin d’étudier l’impact des utilisateurs influents (nœuds influents), nous intégrons dans un premier temps plusieurs facteurs d’influence extraits du réseau dans le processus d’exploration d’opinions. Ces facteurs sont généralement calculés en utilisant différentes mesures de centralité comme le degré, la proximité, l’intermédiarité, la centralité PageRank, etc.

Nous définissons et étudions ensuite la notion de la stabilité d’opinion au sein des réseaux égocentriques autour des influenceurs et au sein des communautés détectées, notre objectif étant de détecter la modification d’opinion pour les deux types de sous-réseaux.
Nous analysons les communautés obtenues afin de comprendre les opinions émergeantes à partir de ces communautés non seulement en fonction des profils utilisateurs mais aussi en fonction d’éléments topologiques. Nous souhaitons également proposer des indicateurs concernant la stabilité des opinions et d’autres liés à leurs changements.

Sujet :
Le but de stage est de proposer et d’intégrer une méthode d’explicabilité dans les algorithmes d’analyse d’opinions afin de produire des explications émergeantes qui combinent des informations nodales (comme le profil d’utilisateur) et topologiques extraites de la structure du graphe de propagation des opinions.
En intégrant une méthode d’explicabilité adéquate, nous souhaitons rendre plus compréhensible également les résultats concernant la polarité de l’opinion trouvée au niveau des utilisateurs et au niveau des groupes. De même, le modèle doit être capable d’expliquer les changements d’opinion détectés en lien avec les informations extraites du réseau de propagation et les séquences d’actions entreprises (par exemple : tweets, retweets, réponses) menant à ce changement.

Profil du candidat :
Master 2 ou dernière année d’école d’ingénieur

Formation et compétences requises :
Bonne connaissance en Machine Learning et en programmation Python.

Adresse d’emploi :
2 Av. Adolphe Chauvin, 95300 Pontoise, bâtiment A, 5 étage étage, laboratoire ETIS.

Document attaché : 202302210943_Stage_ETIS_M2_Explicabilite_AnalyseOpinion.pdf

Concours CR/DR IRD

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

Laboratoire/Entreprise : IRD
Durée : CDI
Contact : philippe.preux@univ-lille.fr
Date limite de publication : 2023-03-14

Contexte :
Poste de CR et DR à l’Institut de Recherche pour le Développement (IRD) : https://www.ird.fr/concours-chercheurs-2023

Sujet :
L’Institut de Recherche pour le Développement (IRD) vient d’annoncer ses concours chercheurs pour 2023 (https://www.ird.fr/concours-chercheurs), avec comme date limite de soumission des candidatures le 14 mars prochain. Dans ce contexte, 4 postes de Chargé de Recherche (CR) et 2 de Directeur de Recherche (DR) sont ouverts en « Sciences des données et des modèles » sur des profils en lien avec l’informatique, les mathématiques, la géomatique/télédétection et des domaines connexes (ex. avec un poste de DR orienté vers l’IA pour l’intégration et l’analyse de données hétérogènes). L’IRD offre des postes de chercheurs dans la fonction publique axés vers des thématiques en lien avec le développement durable dans les pays du Sud et l’outre-mer français.

La Commission Scientifique Sectorielle en ‘Sciences des données et des modèles’ (CSS5) de l’IRD a le plaisir de vous inviter à un Webinaire organisé le jeudi 23 février prochain à partir de 16h30 pendant lequel des membres de la CSS5 impliqués dans ces concours vous présenterons l’IRD, les concours CSS5, les profils recherchés et pourront répondre aux questions que vous pouvez vous poser.

Lien visio du Webinaire : https://ird-fr.zoom.us/j/6129442337?pwd=TUN4ZkliTXRjNFpVampGdWFDRUJVdz09

En espérant vous voir nombreux,

Rodolphe Devillers

Membre de la CSS5, IRD

Profil du candidat :
Voir https://www.ird.fr/concours-chercheurs-2023

Formation et compétences requises :
Voir https://www.ird.fr/concours-chercheurs-2023

Adresse d’emploi :
IRD

Personalized Data Protection

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

Laboratoire/Entreprise : LAMSADE – PSL – Université Paris Dauphine
Durée : 3 ans
Contact : kbelhajj@googlemail.com
Date limite de publication : 2023-04-15

Contexte :
The crucial role of data protection in safeguarding personal information, preventing malicious use of data, and ensuring responsible handling of data by organizations is now widely acknowledged. We have an opening on this subject for a PhD position with the objective to develop new solutions to help data providers who wish to share their data to better understand it, and to choose the best-suited data protection policies

Sujet :
The PhD Student will be investigating techniques for profiling and linking datasets that would help data providers to gain insight into their data and to choose data protection strategies that go beyond privacy protection to take into account the protection of the data provider’s economic assets. We aim to provide an end-to-end solution that helps data providers understand their data, identify the links that connect them as well as the links that connect them to external datasets, identify links that could be used maliciously to obtain privacy-intrusive information, and protect their datasets accordingly before sharing. The problems investigated and solutions developed will be guided and validated within case studies in the fields of health and economics.

Profil du candidat :
The successful candidate will enroll as a PhD student in the Computer Science department of the Paris Dauphine University-PSL (under the co-direction of Khalid Belhajjame and Daniela Grigori) and will become a member of the Data Science team of the same university. Paris Dauphine University is located in the city of Paris, and is a member of PSL (Paris Sciences et Lettres). PSL is the first French university in Times Higher Education ranking.

Formation et compétences requises :
We seek strongly motivated candidates prepared to dedicate to high quality research.
The candidate should have (or be close to obtaining) a Master’s degree or equivalent in
computer science or applied mathematics.

Adresse d’emploi :
Interested candidates are invited to send the following to khalid.belhajjame@dauphine.fr and
daniela.grigori@lamsade.dauphine.fr

– academic CV
– academic transcripts of BSc and MSc
– one page motivation letter explaining why the candidate is suitable for the position
– contact details of two referees

Maître de Conférence en ‘Science des données et Apprentissage statistique’

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

Laboratoire/Entreprise : Laboratoire d’Informatique, de Modélisation et d
Durée : CDI
Contact : batton@emse.fr
Date limite de publication : 2023-04-14

Contexte :
Mines Saint-Etienne est une Ecole de l’Institut Mines-Télécom (IMT), 1er groupe public d’écoles d’ingénieurs et de management de France. L’IMT est un EPSCP (grand établissement) sous la tutelle du Ministère de l’Économie, des Finances et de la Souveraineté Industrielle et Numérique.
L’École Nationale Supérieure des Mines de Saint-Étienne (Mines Saint-Etienne) est chargée de missions de formation, de recherche et d’innovation, de transfert vers l’industrie et de culture scientifique, technique et industrielle.
Le Laboratoire d’Informatique, de Modélisation et d’Optimisation des Systèmes (LIMOS ), Unité Mixte de Recherche (UMR 6158) en informatique, et plus généralement en Sciences et Technologies de l’Information et de la Communication (STIC), est le laboratoire d’accueil. Le LIMOS est principalement rattaché à l’Institut des Sciences de l’Information et de leurs Interactions (INS2I) du CNRS et de façon secondaire à l’Institut des Sciences de l’Ingénierie et des Systèmes (INSIS). Il a pour tutelles académiques l’Université Clermont Auvergne (UCA) et Mines Saint-Etienne (MSE). Il est également membre de Clermont Auvergne INP. Le positionnement scientifique du LIMOS est centré autour de l’Informatique, la Modélisation et l’Optimisation des Systèmes Organisationnels et Vivants.

Sujet :
Mines Saint-Etienne recrute un Maître de conférence: Science des données et Apprentissage statistique, Intelligence Artificielle pour l’industrie et les territoires du futur ( profil mathématiques appliquées – et informatique)
Le poste proposé est ouvert au sein du département GMI (Génie Mathématique et Industriel) de l’institut Henri Fayol avec des activités de recherche développées dans l’axe SIC de l’UMR CNRS 6158 LIMOS.

Il s’agit de renforcer les compétences de Mines Saint-Etienne en mathématiques appliquées particulièrement en science des données et apprentissage statistique, Intelligence Artificielle, en lien avec l’industrie et les territoires du futur, par l’identification et la conception optimale de systèmes industriels tant d’un point de vue recherche qu’en enseignement.

Profil du candidat :
Le candidat ou la candidate, devra être titulaire d’un doctorat en mathématiques appliquées ou en science des données (sections CNU n°26, n°27, n°61) ou équivalent. La qualification aux fonctions de maître de conférences par le CNU n’est pas exigée mais sera favorablement appréciée. Une expérience significative en enseignement dans les domaines listés ci-dessous (moniteur, vacataire et/ou ATER) à un niveau de second ou troisième cycle sera appréciée.

https://institutminestelecom.recruitee.com/o/maitre-de-conferences-en-sciences-des-donnees-et-apprentissage-statistique-fh

Formation et compétences requises :
Le candidat devra disposer des compétences fortes dans le domaine: des Sciences des données et/ou de l’Apprentissage Statistique à partir de données complexes (données massives, données hétérogènes, séries temporelles, graphes, flux de données, données imprécises ou incertaines, données fonctionnelles), Intelligence Artificielle. Une expérience postdoctorale sera fortement appréciée.

Adresse d’emploi :
Mines Saint-Etienne , 158 cours Fauriel, 42023 Saint-Etienne cedex 2

Document attaché : 202302201051_MSE_LIMOS_FAYOL_maitre_conférences_CDGIMT_FR_Science des données -Apprentissage statistique_2023.pdf

Stage M1 ou M2 informatique en Learning analytics

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

Laboratoire/Entreprise : LIFAT
Durée : 6 mois
Contact : sabine.barrat@univ-tours.fr
Date limite de publication : 2023-03-31

Contexte :
Le stagiaire sera intégré au laboratoire d’informatique de
l’Université de Tours (LIFAT), dans l’équipe RFAI (Reconnaissance des
Formes et Analyses d’Images). Le stage sera co-encadré par Gilles Tétart,
sociologue (Equipe Cost, laboratoire CITERES). Le stage est financé par le
RTR DIAMS (Réseau Thématique de Recherche Données, Intelligence
Artificielle, Modélisation et Simulation).

Sujet :
« Learning analytics : l’Intelligence Artificielle appliquée à l’identification
d’apprenants en situation de décrochage »

L’augmentation du nombre d’étudiants dans l’enseignement supérieur ces dernières années et la crise sanitaire ont accéléré le développement de l’enseignement à distance ou hybride. La conséquence “positive” directe est l’augmentation massive de données / traces numériques accumulées par les apprenants dans leur environnement numérique d’apprentissage. A contrario, ce mode d’enseignement, de par la conception des cours et/ou des comportements des apprenants, augmente les difficultés d’apprentissage de certains, pouvant aller jusqu’à leur décrochage.

L’objectif du stage est l’analyse des données / traces numériques pour :
– Détecter les potentiels apprenants décrocheurs, établir des profils
sociographiques et/ou des caractéristiques récurrentes.
– Identifier les causes possibles de décrochage, analyser les effets de
contexte et les déterminants structuraux du décrochage.
– Comparer les éléments d’analyse recueillis à la littérature scientifique
existante sur la question du décrochage/échec scolaire.
– Proposer automatiquement des solutions de remédiation adaptées aux
profils des apprenants (ressources pour accompagner les apprenants en
difficulté, envoi de messages de motivation automatisés, …)
Pour répondre à ces besoins, une piste à explorer est l’utilisation de
classificateurs (apprentissage automatique) de types prédictifs et
explicatifs.

Profil du candidat :
Qualifications souhaitées : M1 ou M2 en cours dans le domaine de
l’informatique avec un intérêt pour les questions d’inégalités sociales en
lien avec la réussite scolaire/universitaire. Une connaissance/expérience
de l’apprentissage automatique et des outils associés est un plus.

Formation et compétences requises :
Qualités relationnelles, ouverture et curiosité afin de dialoguer et
comprendre les interlocuteurs de différents domaine (informatique et
sociologie)
· Sens de l’initiative et force de proposition
· Sens de l’organisation, autonomie
· Capacité à faire du reporting

Adresse d’emploi :
LIFAT
64 avenue Jean Portalis
37200 TOURS

Document attaché : 202302161824_Fiche_poste_stage_RTR_DIAMS.pdf

Multiple open PhD positions in the wireless research group

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

Laboratoire/Entreprise : ICube (Université de Strasbourg / CNRS)
Durée : 36 mois
Contact : fabrice.theoleyre@cnrs.fr
Date limite de publication : 2023-03-31

Contexte :
== Environment ==

Founded in the 16th century, the University of Strasbourg has a long history of excellence in higher education, rooted in Renaissance humanism. The University of Strasbourg is a public research university located in Strasbourg, France, with over 52,000 students. With around 650 members, the ICube lab is a major driving force for research in Strasbourg whose main areas of application are computer science, robotics, and engineering science.

== Equal Employment Opportunity ==

We aim to increase the proportion of women and therefore qualified female applicants are explicitly encouraged to apply. We prohibit any type of discrimination (gender, ethnicity, religion or ideology, age, sexual orientation). ICube has set-up anti-discrimination and anti-harassment committees.

Sujet :
Several PhD positions require strong skills in Machine Learning, and Data Science for experimental analysis:

– Cybersecurity through Digital Twins for the Industrial Internet of Things, under the supervision of Fabrice Théoleyre (CNRS)

– Energy-efficient routing in multi-technology low-power and lossy wireless networks, under the supervision of Julien Montavont and Pascal Mérindol

– Inter-domain monitoring and predictions for service orchestration in 5G, under the supervision of Fabrice Théoleyre (CNRS) and Julien Montavont

– Software-defined low-power and lossy wireless networks, under the supervision of Thomas Noël and Julien Montavont

– AI-Powered Reliable and Available Wireless Mesh Networks for the Factory of the Future, under the supervision of Fabrice Theoleyre (CNRS), Quentin Lampin, and Marion Dumay (Orange Labs).

– Better Algorithms for Secure and Efficient Blockchains, under the supervision of Quentin Bramas

A detailed description for each position is available online at https://reseaux.icube.unistra.fr/en/index.php/Job_opportunities

Profil du candidat :
Computer Scientist with the willingness to develop his/her skills in networking.

Applications will be closed on January 20, 2023.

Formation et compétences requises :
— Excellent programming skills in C, and embedding programming;
— Distributed algorithms;
— Wireless networks (protocols and radio propagation), energy efficiency;
— Applicants should possess good verbal and written English skills. French is not a requirement;
— Holding an MSc in Computer Science (CS) or Electrical and Computer Engineering (ECE), or Electrical and
Computer Engineering (ECE) is mandatory

Adresse d’emploi :
Illkirch-Graffenstaden (Starsbourg)