Archives

Tensor learning for color and polarimetric imaging

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

Laboratoire/Entreprise : The candidate will be either located at CRAN, Nanc
Durée : up to 6 months
Contact : zniyed@univ-tln.fr
Date limite de publication : 2023-05-30

Contexte :
Many imaging applications rely on the acquisition, processing and analysis of 3D or 4D vectorial data pixels: this includes notably color imaging (red, blue and green channels) or polarimetric imaging (4D Stokes parameters at each pixel). Such multichannel data is often represented using quaternions – a generalization of complex numbers in four dimensions – in order to simplify expressions and leverage unique geometric and physical insights offered by this algebraic representation. Therefore, datasets of color or polarimetric images can be viewed as a collection of quaternion-valued matrices, which form multidimensional quaternion arrays – also called quaternion tensors.

Sujet :
The aim of this internship is to demonstrate the potential of quaternion tensor decompositions for learning features from databases of color and polarimetric images. Quaternion tensor decompositions have only been introduced recently [1]. They generalize usual tensor decompositions
[2] to the quaternion field. The candidate will take advantage of the algorithms proposed in [1]. He / she will focus on two main cases of uses of quaternion tensor decompositions (Canonical Polyadic and Tucker) to

1. learn features from a standard color image database (such as ImageNET)
2. perform source separation on polarimetric hyperspectral data

One key complementary objective will be to benchmark performances of quaternion tensor decompositions
against standard real-domain tensor decompositions.

Profil du candidat :
The candidate should have good writing and oral communication skills.

Formation et compétences requises :
He/she should be enrolled in a M1/M2R or engineer diploma in one or more of the following fields: signal and image processing, machine learning, applied mathematics.

Adresse d’emploi :
Depending on his/her preferences, the candidate will be either located at CRAN, Nancy or either at LIS, Seatech, Toulon.

Document attaché : 202302081818_projet.pdf

Can we imagine a decision-making system as a support for access to law? Illustration around the European regulation on AI

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

Laboratoire/Entreprise : LAMSADE/ Cr2D (Dauphine)
Durée : 3 ans
Contact : elsa.negre@dauphine.fr
Date limite de publication : 2023-05-30

Contexte :
https://euraxess.ec.europa.eu/jobs/67041

Sujet :
https://euraxess.ec.europa.eu/jobs/67041

Profil du candidat :
https://euraxess.ec.europa.eu/jobs/67041

Formation et compétences requises :
https://euraxess.ec.europa.eu/jobs/67041

Adresse d’emploi :
Université Paris-Dauphine

Internship on link prediction in protein interaction networks

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

Laboratoire/Entreprise : LIP6 (Sorbonne Université / CNRS)
Durée : 6 months
Contact : lionel.tabourier@lip6.fr
Date limite de publication : 2023-05-30

Contexte :
PPI (protein-protein interaction) networks represent interactions between proteins within a living organism. PPI network maps are incomplete because checking the existence of each relationship demands specific experiments, it is therefore desirable to have means to select the most probable interactions. Recent works brought to light the fact that link prediction approaches are relevant to detect interactions between proteins.

Sujet :
The approaches in question are unsupervised, however there exist supervised methods which have been designed for analogous problems in other contexts. We think that it is possible to adapt such methods to the context of PPI networks. By defining adequate graph features – particularly specific graph motifs – in order to achieve the learning, it would be possible to improve significantly the predictive power of these methods. The purpose of the internship is to design and apply such prediction methods.

The developed methods will be trained and validated using several networks comprised of 5 000 – 18 000 proteins (nodes) establishing between 20 000 and more than 2 million experimentally validated interactions (edges) coming from reference PPI resources, namely the STRING database, the BioGRID, and the Human Reference Interactome.

Profil du candidat :
This internship is preferably directed at Master 2 students with a background in computer science or bioinformatics.

Formation et compétences requises :
Good coding skills are requested for the internship, knowledge of a widely-used language in learning, such as python, is preferable but not mandatory. An open-mind to interdisciplinary applications is certainly a plus.

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

Document attaché : 202302081543_Stage_Link_Pred.pdf

Responsabilité des algorithmes : Enjeux Sociétaux et Environnementaux

Date : 2023-05-21 => 2023-05-26
Lieu : Centre Paul Langevin, Aussois (Modane)

École thématique “Responsabilité des algorithmes : Enjeux Sociétaux et Environnementaux”

Co-organisée par les GDR ROD (ancien RO) et RADIA (ancien IA) (et en coopération avec les GDR Internet et Société, MADICS,
Sécurité Informatique)

du 21 au 26 mai 2023
à Aussois (en pension complète)

Date limite d’inscription : 14 avril

Vous pouvez vous inscrire sur :
https://enquetes.univ-grenoble-alpes.fr/SurveyServer/s/xxc8s3

Le nombre de places étant limité, pensez à vous inscrire au plus vite.
Toutes les informations et le programme :
http://gdrro.lip6.fr/?q=node/287

Odile Bellenguez, Nadia Brauner, Christine Solnon, Alexis Tsoukias

Lien direct

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

12 th International Conference on Complex Networks & Their Applications

Date : 2023-11-28 => 2023-11-30
Lieu : French Riviera, France

You are cordially invited to submit your contribution until September 02, 2023.

SPEAKERS

• Michael Bronstein University of Oxford UK
• Kathleen Carley Carnegie Mellon University USA
• Manlio De Domenico University of Padua Italy
• Danai Koutra University of Michigan USA
• Romualdo Pastor-Satorras Univ. Politècnica de Catalunya Spain
• Tao Zhou USTC China

PUBLICATION
Full papers (not previously published up to 12 pages) and Extended Abstracts (about published or unpublished research up to 4 pages) are welcome.
• Papers will be included in the conference proceedings edited by Springer
• Extended abstracts will be published in the Book of Abstracts (with ISBN)

Extended versions will be invited for publication in special issues of international journals:
o Applied Network Science edited by Springer
o Advances in Complex Systems edited by World Scientific
o Complex Systems
o Entropy edited by MDPI
o PLOS one
o Social Network Analysis and Mining edited by Springer

TOPICS
Topics include, but are not limited to:
o Models of Complex Networks
o Structural Network Properties and Analysis
o Complex Networks and Epidemics
o Community Structure in Networks
o Community Discovery in Complex Networks
o Motif Discovery in Complex Networks
o Network Mining
o Network embedding methods
o Machine learning with graphs
o Dynamics and Evolution Patterns of Complex Networks
o Link Prediction
o Multilayer Networks
o Network Controllability
o Synchronization in Networks
o Visual Representation of Complex Networks
o Large-scale Graph Analytics
o Social Reputation, Influence, and Trust
o Information Spreading in Social Media
o Rumour and Viral Marketing in Social Networks
o Recommendation Systems and Complex Networks
o Financial and Economic Networks
o Complex Networks and Mobility
o Biological and Technological Networks
o Mobile call Networks
o Bioinformatics and Earth Sciences Applications
o Resilience and Robustness of Complex Networks
o Complex Networks for Physical Infrastructures
o Complex Networks, Smart Cities and Smart Grids
o Political networks
o Supply chain networks
o Complex networks and information systems
o Complex networks and CPS/IoT
o Graph signal processing
o Cognitive Network Science
o Network Medicine
o Network Neuroscience
o Quantifying success through network analysis
o Temporal and spatial networks
o Historical Networks

Lien direct

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

Méthodes d’Apprentissage Automatique (Machine Learning, Deep Learning) en statistiques spatiales

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

Laboratoire/Entreprise : BioSP, INRAE
Durée : Poste permanent
Contact : denis.allard@inrae.fr
Date limite de publication : 2023-03-02

Contexte :
L’unité Biostatistique et processus SPatiaux (BioSP) développe des travaux en statistique, en systèmes dynamiques, en écologie-épidémiologie, et aux interfaces entre ces différentes disciplines avec un intérêt particulier pour les questions spatiales et spatio-temporelles. Les domaines d’application de ces travaux sont avant tout l’écologie, l’épidémiologie, l’agriculture, l’environnement et les risques climatiques. L’activité de recherche en statistiques spatiales et spatio-temporelles (champs gaussiens, extrêmaux et processus ponctuels) constitue le cœur historique et l’un des axes disciplinaires qui structurent l’unité. L’évaluation des risques épidémiologiques, environnementaux ou climatiques est désormais confrontée à la croissance exponentielle du nombre et du volume des bases de données, évolution qui impacte à la fois les méthodes d’analyse spatiale (dimensionnalité) et les méthodes de Machine Learning (structures de dépendances spatiales ou spatio-temporelles). L’hybridation de ces deux approches et de leurs atouts respectifs représente un enjeu scientifique majeur.

Sujet :
A BioSP, vous serez associé-e à cet axe de recherche afin de développer des recherches en apprentissage automatique pour les données présentant des dépendances spatiales et/ou spatio-temporelles dans les domaines d’applications de l’unité. Le champ de recherche étant vaste et les pistes nombreuses, vous aurez l’autonomie pour définir vos priorités de recherche à l’intérieur de ce périmètre. Par vos apports théoriques en apprentissage statistique ou en apprentissage profond, vous viendrez renforcer l’unité dans l’utilisation de ces techniques et dans l’évolution des approches de statistiques spatiales.

A terme, l’ambition est de renouveler les recherches en statistiques spatiales menées à BioSP et de positionner l’unité en tant qu’acteur apportant des contributions théoriques et méthodologiques dans ce champ de recherche. Vous collaborerez avec les membres de l’unité développant des recherches dans les domaines des statistiques spatiales, des événements extrêmes et de l’épidémiologie, et vous pourrez vous appuyer sur les jeux de données étudiés dans ce cadre. Vous serez associé-e aux travaux de la chaire Geolearning portée par l’unité en lien avec l’Ecole des Mines de Paris.

Profil du candidat :
Vous êtes titulaire d’un doctorat, avec des compétences en développement de méthodologies d’apprentissage automatique (apprentissage supervisé, semi-supervisé, non supervisé), la connaissance et l’expérience dans les paradigmes modernes d’apprentissage profond (domain adaptation, transfer learning, weakly supervised learning et knowledge distillation), et le développement de ces derniers dans un cadre d’analyse et traitement de données.
Vous avez montré votre capacité à apporter des résultats mathématiques nouveaux, par exemple sur des garanties théoriques liées à ces méthodologies. Vous savez diffuser vos avancées par des codes informatiques ouverts. Des expériences déjà avérées dans l’analyse de données spatialisées dans le domaine du climat, de l’environnement et/ou de l’écologie seraient très appréciées. Vous avez le goût pour le travail en équipe et un très bon relationnel.
La maîtrise de l’anglais est souhaitée ainsi qu’une expérience internationale de longue durée : les lauréats qui n’en auraient pas encore eue seront fortement incités à réaliser un séjour à l’étranger co-construit avec l’équipe d’accueil dans les 3 années suivant l’année de stage.

Informations pratiques pour concourir:
Voir https://jobs.inrae.fr/concours/concours-charges-recherche-classe-normale-profil-h-f/cr-2023-mathnum-1

Formation et compétences requises :
Titulaire d’un doctorat

Adresse d’emploi :
BioSP, INRAE, Site agroparc, Avignon.
https://biosp.mathnum.inrae.fr/

MCF « Apprentissage » (affection possible à l’ISIR – Sorbonne Université)

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

Laboratoire/Entreprise : ISIR – Sorbonne Université
Durée : Poste permanent
Contact : delage@isir.upmc.fr
Date limite de publication : 2023-03-02

Contexte :
La campagne de recrutement 2023 des enseignantes-chercheuses et enseignants-chercheurs de Sorbonne Université est ouverte depuis le 27 janvier et se déroulera jusqu’au 3 mars 2023 à 16h (heure de Paris).

Sujet :
Parmi les postes proposés par la Faculté des Sciences et Ingénierie de Sorbonne Université, un postes de maîtresse ou maître de conférences (MCF) « Apprentissage » est ouvert avec une affection possible à l’ISIR, au LCBQ, au LIB ou au LIMICS.

Profil du candidat :
Enseignement :
La personne recrutée interviendra de façon équilibrée dans les différents niveaux de formation, du L1 au M2. Elle contribuera significativement aux enseignements de Licence d’Informatique dont les besoins couvrent l’ensemble de la discipline (algorithmique, programmation (notamment objet, concurrente, fonctionnelle, web), mathématiques discrètes, structures de données, système, architecture, réseaux, compilation, bases de données…).

Recherche :
Le poste est ouvert à tous les domaines relatifs à l’apprentissage. La personne retenue intégrera l’un des laboratoires ISIR, LCQB, LIB, LIMICS selon ses thématiques de recherche, et/ou réalisera ses projets impliquant plusieurs laboratoires d’accueil au sein de SCAI (Sorbonne Center for Artificial Intelligence). Les laboratoires manipulent des larges bases de données d’imagerie médicales, de biologie, de santé et de robotique. Elle devra être capable de coordonner des programmes collaboratifs nationaux et internationaux. Sa participation dans le passé à des projets multidisciplinaires sera appréciée.

Formation et compétences requises :
L’ISIR recherche une personne susceptible de renforcer ses recherches à l’interface entre apprentissage et robotique.

Adresse d’emploi :
Plus d’info : https://www.isir.upmc.fr/actualites/2-postes-de-maitresse-ou-maitre-de-conferences-ouverts-en-traitement-du-signal-et-en-apprentissage-candidatez-avant-le-03-mars/

MCF « Traitement des signaux pour la robotique ou l’imagerie » (affectation possible à l’ISIR – Sorbonne Université)

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

Laboratoire/Entreprise : ISIR – Sorbonne Université
Durée : Poste permanent
Contact : morel@isir.upmc.fr
Date limite de publication : 2023-03-02

Contexte :
La campagne de recrutement 2023 des enseignantes-chercheuses et enseignants-chercheurs de Sorbonne Université est ouverte depuis le 27 janvier et se déroulera jusqu’au 3 mars 2023 à 16h (heure de Paris).

Parmi les postes proposés par la Faculté des Sciences et Ingénierie de Sorbonne Université, un postes de maîtresse ou maître de conférences (MCF) « Traitement des signaux pour la robotique ou l’imagerie » est ouvert avec une affection possible à l’ISIR ou au LIB.

Sujet :
Parmi les postes proposés par la Faculté des Sciences et Ingénierie de Sorbonne Université, un postes de maîtresse ou maître de conférences (MCF) « Traitement des signaux pour la robotique ou l’imagerie » est ouvert avec une affection possible à l’ISIR ou au LIB.

Profil du candidat :
Enseignement :
La personne recrutée interviendra de façon équilibrée sur les différents niveaux de formation, du L1 au M2. Le parcours « Ingénierie des Systèmes Intelligents » (ISI) de la mention Automatique, Robotique (AR) du département des masters de Sciences De l’Ingénieur (SDI) propose une formation centrée autour de 4 piliers disciplinaires : la robotique, l’IA/ML, le traitement de l’information et l’informatique.

Recherche :
La personne retenue mènera ses recherches sur la gestion et la fusion de ces informations massives et de grande dimension, soit à l’ISIR, en vue de leur ancrage dans des méthodes de perception robotique soit au LIB, pour l’optimisation de l’analyse d’images par IRM pour une médecine personnalisée.

Formation et compétences requises :
Pour l’ISIR, le profil recherché concerne toutes les équipes du laboratoire et couvre la perception en robotique au sens large, que ce soit une perception visuelle, auditive, haptique ou multi-modale. L’ISIR cherche à se renforcer en particulier sur une des thématiques suivantes : la perception pour enrichir l’interaction, la perception au cœur de la commande (commande référencée capteur) ou encore l’apprentissage avec une perception riche (méthodes « end-to-end »). Les approches pluri-disciplinaires seront bienvenues.

Adresse d’emploi :

2 POSTES DE MAÎTRESSE OU MAÎTRE DE CONFÉRENCES OUVERTS EN TRAITEMENT DU SIGNAL ET EN APPRENTISSAGE : CANDIDATEZ AVANT LE 3 MARS !

6 postes ATER – temps plein – Univ.Montpellier

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

Laboratoire/Entreprise : Univ. Montpellier / Faculté des sciences / LIRMM
Durée : 1 an
Contact : marianne.huchard@lirmm.fr
Date limite de publication : 2023-03-02

Contexte :
Le département Informatique de la Faculté des Sciences de l’Université de Montpellier pourvoit 6 postes d’ATER à temps plein pour la rentrée 2023.

Sujet :
Contact enseignement : David Delahaye, directeur du département Informatique de la Faculté des Sciences
David.Delahaye@umontpellier.fr

Contact recherche : Marianne Huchard, responsable du département Informatique du LIRMM
Marianne.Huchard@lirmm.fr

Profil du candidat :
Pour la recherche, ces postes sont affectés au LIRMM et il est fortement recommandé aux candidats d’indiquer l’équipe de recherche du LIRMM dans laquelle ils envisagent leur intégration.

Formation et compétences requises :
https://www.education.gouv.fr/attache-temporaire-d-enseignement-et-de-recherche-ater-12767

Adresse d’emploi :
Université de Montpellier

Accueil


Site Triolet
–
LIRMM

LIRMM


Campus Saint Priest

Hybrid AI based on Spiking Neural Networks (SNNs)

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

Laboratoire/Entreprise : Département Intelligence Artificielle du laboratoi
Durée : 3 ans
Contact : francis.faux@univ-jfc.fr
Date limite de publication : 2023-03-02

Contexte :
1) PhD Thèse : “Hybrid AI based on Spiking Neural Networks (SNNs)”
2) Durée: 36 mois
3)Début : Septembre 2023
4) Rémunération: €1975 par mois

Sujet :
“Hybrid AI based on Spiking Neural Networks (SNNs)”

L’objectif de cette thèse est de développer une intelligence artificielle hybride basée sur les SNNs. Différentes formes de mémoire seront étudiées. Le réseau sera construit à partir du modèle simple d’Izhikevich qui permet de reproduire jusqu’à 23 types de comportements neuronaux, dont les neurones corticaux excitateurs et corticaux inhibiteurs, et de stocker des motifs via la construction de réseaux d’oscillateurs. De nouvelles formes d’apprentissage
seront également étudiées sur la base de méthodes temps-fréquence.
Enfin, nous prévoyons d’étudier le lien entre les réseaux de neurones et la logique. En effet, peu de travaux appliquent les réseaux de neurones aux données relationnelles et au raisonnement symbolique. ( voir https://cloud.irit.fr/index.php/s/7yA7u9LibIWGZaW pour plus de détails).

Profil du candidat :
Niveau d’étude : Master 2 Mathématiques, Informatique, Data Science

Formation et compétences requises :
Nous recherchons un candidat avec des connaissances en représentation des connaissances et/ou en apprentissage , une bonne culture mathématique et un intérêt pour modéliser et exploiter les réseaux de neurones à impulsions

Adresse d’emploi :
Laboratoire IRIT à Toulouse

Document attaché : 202302031156_Thesis_AI_Spiking_Neurons.pdf