Archives

Amélioration d’un logiciel Web pour le diagnostic et l’étude de la consommation alimentaire dans les territoires urbains

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

Laboratoire/Entreprise : TSCF, INRAE Clermont-Auvergne-Rhône-Alpes, campus
Durée : Adaptable en fonctio
Contact : francois.pinet@inrae.fr
Date limite de publication : 2024-02-15

Contexte :
Pour candidater, merci d’envoyer rapidement un CV par email à : François Pinet, Directeur de recherche (INRAE) : francois.pinet@inrae.fr

Equipe de recherche « COPAIN – Systèmes d’information communicants et agri-environnementaux », Unité de Recherche « TSCF – Technologies et Systèmes d’information pour les agrosystèmes – Clermont-Ferrand ». https://www6.ara.inrae.fr/tscf/Les-equipes/Equipe-Copain
INRAE, campus des Cézeaux, Aubière

Le laboratoire de recherche TSCF d’INRAE rassemble 60 agents. Il mobilise les sciences pour l’ingénieur et les sciences et technologies de l’information et de la communication pour conduire des recherches sur les méthodes et outils pour une ingénierie des systèmes agro-environnementaux. L’activité de l’équipe d’accueil (COPAIN) au sein du laboratoire, est consacrée aux techniques d’ingénierie des systèmes d’information communicants dédiées à la gestion agri-environnementale.
Le stage sera co-encadré à distance par des scientifiques de l’unité de recherche SADAPT « Science Action Développement – Activités Produits Territoires » d’INRAE qui se trouve en région parisienne. Le sujet du stage s’inscrit dans la continuité des travaux du réseau POPCORN . Dans le cadre du projet de recherche POP-Extend qui vise à mieux comprendre le métabolisme agri-alimentaire des territoires en développant un modèle intégré production-consommation-déchet.
Plus largement, INRAE a pour objectif de répondre aux enjeux sociétaux concernant :
– La sécurité alimentaire et nutritionnelle ;
– La transition des agricultures (agroécologie, réduction de la chimie) ;
– La gestion des ressources naturelles et des écosystèmes (eau, sol, forêt) ;
– L’érosion de la biodiversité ;
– L’économie circulaire et les risques naturels.

Sujet :
A INRAE, une application Web pour le diagnostic et l’étude de la consommation alimentaire est en cours de développement depuis 2021. Ce logiciel peut être utilisé pour comparer la consommation alimentaire de territoires contrastés (par ex. moyennes versus grandes villes ; différentes aires urbaines) ou pour analyser l’autonomie alimentaire théorique de territoires. A terme, une possible utilisation concernera la comparaison avec des scénarios basés sur des évolutions de population, de leur mobilité et de leurs pratiques alimentaires (par ex. augmentation du télétravail, baisse des flux touristiques, développement de régimes “santé”).
L’application a été programmée en Java (pour la gestion du serveur) et Javascript (pour le contenu des pages Web), et est connectée à une base de données Postgresql qui stocke notamment des données statistiques. Des visualisations graphiques (charts) ont été implémentées avec Jqplot. L’application intègre aussi une interface cartographique créée avec Leaflet, qui permet d’afficher les données géoréférencées.
L’objectif du présent stage est d’analyser avec les encadrants de nouvelles fonctionnalités, et de les implémenter au sein de l’application. Ces modifications toucheront à la fois la base de données, le code du serveur et le code embarqués dans les pages Web qui seront visualisées par les utilisateurs. Les travaux seront réalisés dans un processus itératif : spécifications des besoins utilisateurs, implémentation informatique, validation et tests.
L’outil pourra intéresser les communautés scientifiques pluridisciplinaires mobilisant des approches systémiques dans l’analyse des conditions d’une territorialisation des systèmes agri-alimentaires, de la réduction de leurs empreintes sur l’environnement, et dans l’éclairage d‘opportunités et de limites d’une transition bioéconomique des territoires, et ainsi servir aux travaux de chercheuses et chercheurs issu.e.s de multiples disciplines (SHS et sciences dures).

Profil du candidat :
Compétences techniques requises : Connaissance de langages Java et Javascript

Formation et compétences requises :
Niveau requis : Nous recherchons un étudiant en cours de formation informatique (Licence, Maîtrise ou école d’ingénieurs).

Période de stage : En 2024. Durée et dates adaptables en fonction de la formation universitaire.

Adresse d’emploi :
INRAE, TSCF, Campus universitaire des Cézeaux, 9 avenue Blaise Pascal – CS 20085 – 63178 Aubière

Explicabilité des modèles d’IA multimodaux

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

Laboratoire/Entreprise : EDF R&D
Durée : 6 mois
Contact : laurent.bozzi@edf.fr
Date limite de publication : 2024-02-15

Contexte :
Le département SEQUOIA (Services, Economie, Questions hUmaines, Outils innovants et IA) de la R&D, intervient en appui à de la direction Marketing de la Branche Commerce d’EDF.
Afin de mieux connaitre ses clients et maintenir leur niveau de satisfaction, EDF Commerce réalise des actions marketing à destination de ses clients particuliers, nécessitant un appui de data scientists pour le scoring, l’aide au ciblage de clients. Ce stage s’inscrit dans le cadre du projet « IA, Algos, DATA pour Commerce BtoC» de la R&D, qui intervient notamment auprès de Commerce en appui méthodologique, data et IA afin de rendre les méthodes plus robustes et explicables et améliorer la connaissance client.
Aujourd’hui les données recueillies à EDF sont de nature multiple :
• Tabulaire : données numériques, catégorielles (binaires, nominales, ordonnées) : par exemple
infos logement client…
• Textuelles : champs textuels d’enquêtes…
• Images : photos d’équipements électriques…
Des méthodes statistiques différentes fonctionnent en général indépendamment sur chaque type de données. Depuis fin 2021, la R&D travaille sur la modélisation en simultané sur ces types de données, en particulier tabulaires et textuelles. On parle alors de données multimodales : structurées (tabulaires) et non structurées (textuelles). Des travaux de recherche ont également été menés sur l’explicabilité pour ce type de modèles : comment expliquer conjointement les influences issues de chaque modalité ?
En effet, l’explicabilité est devenue incontournable lorsque l’on développe un modèle d’IA. Les exigences réglementaires (RGPD) concernant l’utilisation des données imposent une transparence et une compréhension des algorithmes (confiance, auditabilité). L’arrivée prévue en 2026 de l’AI Act vient également renforcer les besoins d’anticipation autour de l’explicabilité.
Ce champ de recherche étant en constante évolution, il s’agira d’approfondir les travaux passés en testant et imaginant de nouvelles méthodes : comment bien prendre en compte les spécificités de chaque type de données dans l’explicabilité ?
Ce sujet est un stage préparatoire à une thèse qui se lancera à l’automne 2024 dans la continuité.

Sujet :
Le stage comportera plusieurs phases :
• Montée en compétence sur l’existant :
o Les méthodologies employées : Deep Learning sur données multimodales, explicabilité
sur données structurées, explicabilité sur données textuelles
o Travaux passés sur le multimodal XAI : prise en main des codes Python (framework Deep
Learning Pytorch; packages d’explicabilité SHAP et Captum ; packages relatifs aux modèles de langue BERT).
o Jeux de données open source adaptés à la problématique : prise en main de l’existant (airbnb, kickstarter) et recherche de jeux de données complémentaires.
• Benchmark de méthodes :
o Revue de littérature des méthodes, notamment les fondements du Multimodal :
https://arxiv.org/pdf/2209.03430.pdf
o Identification de nouveaux packages d’explicabilité pouvant s’appliquer ou s’adapter aux données multimodales
o Testetévaluationdeméthodes
o Recommandationd’utilisationetd’adaptationdeméthodes
• Participation aux travaux d’alimentation et de rédaction collégiale d’un guide interne sur l’explicabilité, sous forme d’un wiki
• Conception d’une méthode hybride d’explicabilité sur données multimodales : o ConceptiondelaméthodeetcréationducodePythonassocié
o Tests sur un cas d’application
• Rédaction d’une note recensant les travaux effectués :
o Revue de littérature commentée avec les résultats de l’évaluation o Descriptiondétailléedelaméthodehybrideconçue
o Guided’utilisationdescodes

Profil du candidat :
Informatique / Statistiques

Formation et compétences requises :
La R&D propose ce stage de fin d’étude, à des étudiants d’écoles d’ingénieurs en parcours Data science ou Master 2 en statistiques (Machine Learning / Deep Learning) & IA.

Adresse d’emploi :
EDF – Recherches et Développement, 7 Bd Gaspard Monge, 91120 Palaiseau
Possibilité de télétravail occasionnel après période d’intégration.

Document attaché : 202310181338_EDF-R&D_Stage_Multimodal_XAI_2024.pdf

Localisation des fissures volcaniques dans les données de télédétection par apprentissage automatique

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

Laboratoire/Entreprise : LISTIC
Durée : 4-6 mois
Contact : christophe.lin-kwong-chon@univ-smb.fr
Date limite de publication : 2024-02-15

Contexte :
L’interférométrie SAR (InSAR) fournit des mesures de déplacement précises sur de grandes étendues pour la surveillance des activités volcaniques. Les positions des fissures volcaniques sur les interférogrammes constituent une information importante dans la modélisation des volcans. De nos jours, la localisation de ces fissures est principalement effectuée manuellement par des experts. Avec l’augmentation sans cesse des données SAR, cette tâche nécessite des méthodes avancées permettant une détection automatique de manière
efficace. Pour cela, nous tirons profit de l’avènement récent de l’apprentissage automatique, dont l’intérêt a été prouvé dans de nombreuses études de différents domaines.

Sujet :
Dans ce stage, nous envisageons de proposer des méthodes d’apprentissage automatique pour détecter et localiser les fissures volcaniques sur des interférogrammes mesurant les déformations du Piton de la Fournaise entre 1998 et 2020. Ces méthodes proposées devront prendre en compte la spécificité des données InSAR (données complexes) et la quantité limitée des données d’apprentissage. Nous commencerons par des méthodes de classifications classiques pour la détection des fissures (e.g. random forest, SVM, etc.) et progresserons graduellement vers l’étude des méthodes d’apprentissage profond, notamment des méthodes d’auto-apprentissage.

Profil du candidat :
Le candidat/la candidate M2 devra disposer de connaissances et compétences en apprentissage automatique et en programmation (Python, C, etc.). Des connaissances en télédétection radar seront les bienvenues.

Formation et compétences requises :
apprentissage automatique, programmation

Adresse d’emploi :
LISTIC, Anney, France

Document attaché : 202310181338_2023_sujet_stage_teledetection_ML.pdf

Visualisation et Géovisualisation de trajectoires sémantiques environnementales

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

Laboratoire/Entreprise : Laboratoire d’Informatique de Grenoble, équipe St
Durée : 12 mois
Contact : Paule-Annick.Davoine@univ-grenoble-alpes.fr
Date limite de publication : 2024-02-15

Contexte :
• Contexte scientifique
Le projet ANR-FNS franco-suisse TRACES (https://traces-anr-fns.imag.fr/), porté par l’équipe STeamer du LIG, en partenariat avec l’Université de Genève et l’Université de Bourgogne, vise à concevoir et développer des méthodes et des outils issus de l’Intelligence Artificielle dédiés à la modélisation, l’analyse, l’enrichissement sémantique, la visualisation et la prédiction de trajectoires environnementales. Le projet prend appui sur trois cas d’études : le Grand Genève, Fribourg, et Évian.

Dans le cadre de ce projet, nous proposons un contrat postdoctoral d’une durée de 12 mois, portant plus particulièrement sur la visualisation pour l’exploration et l’analyse de ces trajectoires environnementales.

Sujet :
La mission du post-doctorat s’inscrit dans la tâche 2 du projet TRACES, qui consiste 1) à développer un modèle ontologique pour la représentation de la notion de trajectoire environnementale ; 2) générer des trajectoires sémantiques environnementales au moyen de graphes de connaissances et à partir d’un référentiel d’indicateurs ; 3) proposer des visualisations adaptées à leur analyse et leur interprétation.
La personne recrutée participera aux développements et recherches liés au point 3). Elle aura pour mission de concevoir et d’implémenter une plateforme web intégrant une interface graphique et cartographique, interactive permettant la visualisation, l’exploration et l’analyse de l’évolution d’un territoire d’un point de vue environnemental, en considérant par exemple les caractéristiques de ce territoire liées à la couverture et à l’occupation des sols. Dans l’interface attendus, il s’agira notamment de prendre en compte les dimensions spatiales, temporelles et thématiques de ces trajectoires sémantiques.
Ce travail s’effectuera en étroite collaboration avec la personne (doctorante) chargée de l’analyse comparative et classificatoire des trajectoires environnementales et de leur segmentation à l’aide d’approches par apprentissage automatique. Le postdoctorant travaillera également en étroite collaboration avec des chercheurs de l’institut des sciences de l’environnement de l’université de Genève.

Profil du candidat :
• La personne recrutée devra être titulaire d’une thèse de doctorat avec de solides compétences et connaissances en data visualisation, géovisualisation, développement web et traitement et analyse de données spatio-temporelles
• Des connaissances en Web Sémantique seraient un plus.
• Des connaissances ou une sensibilisation aux problématiques environnementales seront appréciées
• Une expérience des techniques de gestion de projet et de Github est attendue

La personne recrutée sera accueillie au Laboratoire d’Informatique de Grenoble au sein de l’équipe STeamer et sera encadrée par deux enseignants-chercheurs impliquées dans le projet ANR TRACES.

Prise de fonction : début 2024.
Salaire : selon les grilles de l’Université Grenoble Alpes

Formation et compétences requises :
• La personne recrutée devra être titulaire d’une thèse de doctorat avec de solides compétences et connaissances en data visualisation, géovisualisation, développement web et traitement et analyse de données spatio-temporelles
• Des connaissances en Web Sémantique seraient un plus.
• Des connaissances ou une sensibilisation aux problématiques environnementales seront appréciées
• Une expérience des techniques de gestion de projet et de Github est attendue

Adresse d’emploi :
La personne recrutée sera accueillie au Laboratoire d’Informatique de Grenoble au sein de l’équipe STeamer et sera encadrée par deux enseignants-chercheurs impliquées dans le projet ANR TRACES.

Document attaché : 202310181259_ANR_Traces_PostDoc_Visu_LIG_VF_ENg_Fran_LIG.pdf

Appel à communication – Atelier « IA pour la Santé » 2024

Date : 2023-11-30
Lieu : ATELIER “IA POUR LA SANTÉ”
Conférence EGC 2024 – Dijon
23 Janvier 2024

RÉSUMÉ

Cet atelier a pour vocation d’explorer les récentes avancées dans le domaine de l’intelligence artificielle appliquée à la santé, en se focalisant spécifiquement sur l’exploitation du machine/deep learning pour résoudre des enjeux médicaux complexes. Il offre aux participants une occasion unique d’approfondir leur compréhension des techniques de pointe en matière de machine/deep learning, de découvrir des applications innovantes dans des secteurs tels que l’imagerie médicale, la reconnaissance des actions, Internet-of-things (IoT), l’autonomie, et la robotique d’assistance. L’atelier est accessible à toutes les suggestions, dans le but de favoriser des échanges et des discussions, qu’elles soient d’ordre théorique ou expérimental sur les défis et les opportunités résultant de cette fusion passionnante entre l’IA et la santé.

Les propositions pourront concerner un travail abouti, des réflexions sur la modélisation ou un travail préliminaire, ainsi que la réalisation de démonstrations.

COMITÉ D’ORGANISATION

Igor Bessières (IBessieres@cgfl.fr) – Centre Georges-François Leclerc (Dijon)

Alain Lalande (Alain.Lalande@u-bourgogne.fr) – ICMUB/Université de Bourgogne et CHU (Dijon)

Youssef Mourchid (ymourchid@cesi.fr) – CESI LINEACT (Dijon)

THÈMES DE L’ATELIER

– Les thèmes abordés incluront, sans s’y limiter :

– Imagerie médicale

– Diagnostic médical assisté par l’IA

– Analyse de données biomédicales

– Analyse et reconnaissance des actions du patient

– IoT pour la santé

– Interactions homme-machine

– Applications de l’IA dans les systèmes de santé et de bien-être

– Prédictions de traitements personnalisés.

– Éthique et réglementation dans l’IA en santé

L’atelier “IA pour la Santé” explore les récents avancements dans le domaine de l’intelligence artificielle, couvrant un large éventail de sujets tels que le diagnostic médical assisté par l’IA, l’analyse des données biomédicales, la reconnaissance des gestes, activités ou émotions du patient, l’IoT & IA pour la santé, et les systèmes de santé, les interactions homme-machine, etc. Les conférenciers invités partageront leurs connaissances et leurs expériences dans l’application de ces techniques pour résoudre des problèmes complexes dans le domaine de la santé. Les participants auront également l’opportunité de présenter leurs travaux de recherche, de participer à des discussions interactives et de collaborer sur des projets potentiels.

DATES IMPORTANTES

– Abstract : 23 Novembre 2023

– Full paper : 30 Novembre 2023

– Notification : 15 Décembre 2023

– Final version : 22 Décembre 2023

INSTRUCTIONS DE SOUMISSIONS

Les chercheurs 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 8 pages (références incluses)

– Papiers longs de 12 pages (références incluses)

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.

Lien direct

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

Extraction de connaissances à partir de données textuelles : application à la découverte de règles de changements d’usage des sols

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

Laboratoire/Entreprise : Hydrosciences Montpellier
Durée : 6 mois
Contact : sarah.valentin@cirad.fr
Date limite de publication : 2023-11-30

Contexte :
Ce stage s’inscrit dans le cadre et du projet CECC (Cycle de l’Eau et Changements Climatiques) en collaboration avec le projet TipHyc (Tipping points in the West African Hydrological
Cycle), portant sur les changement de régimes hydrologiques en Afrique de l’Ouest. Il s’agit de mobiliser des méthodes informatiques afin d’extraire des connaissances à partir de données textuelles.

Sujet :
Cette offre de stage vise à mobiliser des techniques de fouille de texte afin d’extraire des informations pertinentes à partir de gros volumes de données textuelles spécialisées (articles scientifiques et rapport techniques). Vous évaluerez des méthodes d’identification automatique de connaissances sur les changements d’occupation ou d’usage des sols et leurs processus en Afrique de l’Ouest. Vous analysez les résultats afin de comprendre la distribution statistique de ces connaissances. Le stage se déroulera sur une période de 6 mois, à compter de février 2024 au sein de l’UMR HSM (Hydrosciences Montpellier), sur le site de la faculté de Pharmacie.

Profil du candidat :
Master Informatique, Sciences des données, TALN

Formation et compétences requises :
– Formation en informatique,
– Bonne maîtrise du langage de programmation Python,
– Connaissances en fouille de données et/ou apprentissage automatique voir traitement automatique
du langage,
– Maîtrise de l’anglais écrit,
– Intérêt pour les applications socio-environnementales et le travail interdisciplinaire

Adresse d’emploi :
Hydrosciences
15 Av. Charles Flahault, 34093 Montpellier Cedex 05

Document attaché : 202310161420_stage_fouille_de_donnees_HSM_TETIS-1.pdf

Atelier : La place des usagères et usagers dans les outils de fouille et d’exploration de données (PAUL)

Date : 2024-01-23
Lieu : Conférence EGC 2024 , Dijon

Les usagères et usagers sont rarement associés dans la conception des applications de fouille et d’exploration de données, alors que de nombreuses publications ont démontré que la co-conception présentait deux atouts. Pour les concepteurs, cette démarche permet de s’appuyer sur des usages réels et non imaginés, au plus près des compétences, pratiques et représentations des publics-cibles. Pour les futurs usagères et usagers, la co-conception contribue à faciliter l’appropriation et à créer de l’assurance vis-à-vis des technologies en les démystifiant (Collet, 2019 ; Jouët, 2003 ; Bolka-Tabary, Després-Lonnet, Thiault, 2014). Notre ambition est de permettre aux participantes et participants de l’atelier d’aborder toutes les thématiques liées à l’appropriation, la compréhension et à la co-conception d’applications de fouille et d’exploration de données, que ce soit d’un point de vue technique, socio-culturel ou graphique.

Notre objectif est de réunir les chercheuses, chercheurs et industriels (dont jeunes) en informatique et sciences humaines et sociales, qui sont intéressés par la place des usagères et usagers dans les plateformes logicielles permettant d’analyser des données, quelle qu’en soient la manière.

Lien direct

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

Calls for 3 PhD positions in Artificial Intelligence & Digital Humanities at University of Crete (Greece)

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

Laboratoire/Entreprise : TALOS – University of Crete (Greece) at Rethymno
Durée : 3 ans
Contact : roche@univ-savoie.fr
Date limite de publication : 2023-12-31

Contexte :
The objective of the Talos ERA Chair Project (https://talos-ai4ssh.uoc.gr/)funded by the European Union is to create at the University of Crete (UoC) a new research centre of excellence in Artificial Intelligence for SSH (Social Sciences and Humanities) and Digital Humanities (DH). TALOS will combine symbolic artificial intelligence, deep learning, and natural language processing to create a scalable, sustainable and explainable representation of knowledge in the Humanities and the Social Sciences.

TALOS is advertising 3 PhD positions in Artificial Intelligence for Digital Humanities

Sujet :
a) 1 PhD in “Semantic Annotation and Knowledge Graphs. Application to Classics/Ancient Greek”

Use Hybrid AI (Deep Learning, Symbolic AI, Natural Language Processing) to semantically annotate large text collections that cover vast historical time periods. Semantically annotated texts will be enriched with metadata, i.e. with references to concepts stored in knowledge graphs, including domain ontologies, for the purpose of effective data management. The objective is to produce open datasets that are shareable, searchable, findable, and linkable to external resources.

b) 1 PhD position in “Artificial Intelligence for the Preservation and Dissemination of Cultural Heritage”

The objective is to preserve and open cultural items in such a way that they are shareable, linkable and findable. Particular attention will be paid to scarce resources such as linear B inscriptions. Deep Learning will be used to complete inscriptions. Terminology, ontology and knowledge graphs will be used for their representation. Expected results include the creation of an online museum and library dedicated to the Linear B inscription in compliance with the Linked and Open Data standards.

c) 1 PhD in “Digitalisation of Education: Contribution of Artificial Intelligence to Curriculum Analysis”

The aim of the PhD is to propose a modelling and a digital representation of curricula that allow their processing by machines, for example for the study of their alignment with skills and activities. To this end, the contribution of artificial intelligence, natural language processing, Knowledge representation and standards (ISO & W3C) will be studied. This includes ontologies which “are used with great success in education because they allow to formulate the representation of a learning domain by specifying all concepts involved, relations between concepts and all properties and conditions that exist” [Stancin et al. 2020].

Profil du candidat :
Master in Computer Science or in Digital Humanities

Formation et compétences requises :
Master in Computer Science or in Digital Humanities

Adresse d’emploi :
Contact: Prof Christophe Roche (christophe.roche@uoc.gr – http://christophe-roche.fr/) & Dr Maria Papadopoulou (maria.papadopoulou@uoc.gr – http://o4dh.com/maria-papadopoulou)

AIAE’23: 3rd International Workshop on Artificial Intelligence and Augmented Engineering

Date : 2023-12-07
Lieu : Institut Pascal, Paris-Saclay, France

[Call for Abstracts and Participation] AIAE’23, The 3rd International Workshop on Artificial Intelligence and Augmented Engineering @ Paris-Saclay, December 7th, 2023

Dear Colleagues,

We are pleased to announce the third edition of International Workshop on Artificial Intelligence and Augmented Engineering, AIAE’23: https://aiae23.sciencesconf.org, which will be held in December 7, 2023 at Institut Pascal, Paris-Saclay, France.

The workshop aims at bringing together academics and industrials to discuss recent advances and challenges in augmenting engineering systems, in particular those leveraging physical simulation, by machine learning including deep learning [Please refer to the detailed scope below for more information]. During this day, keynote talks and selected contributed presentations will be focused on recent advances in this field of hybrid Artificial Intelligence.

Call for Abstracts and Participation:

We kindly invite and encourage prospective participants to submit abstracts by November 6th (please refer to the website for any update) via the following link https://aiae23.sciencesconf.org/ Participants with selected abstracts will have the possibility to give contributed oral presentations during the workshop. The contributions or participation of PhD students and Postdocs are particularly encouraged.

We also kindly offer the possibility to participate for people who wish to attend without contributing with and abstract submission.

Registration:
The registration is free for all, but is mandatory, by December 1st . The program also includes free buffet lunch and coffee breaks.

For more details, please visit the website: https://aiae23.sciencesconf.org and if you have any further question, please free to reach out with us at aiae23@scienceconf.org

Scope: The scope of the workshop includes but is not limited to the following topics :
– Handling and explaining the massive output data of heavy numerical simulations
– Accelerating numerical simulations with Deep / Machine Learning
Improving the accuracy or the robustness of simulations with Machine Learning
– Learning to solve ODEs and PDEs
– Discovering mechanistic/behavioral models from data
Incorporating physical constraints in Deep Learning
– Providing support in augmented decision making for complex systems
– Knowledge extraction and reasoning techniques from heterogeneous data

Please feel free to share this call around you.

We are looking forward to seeing you at Institut Pascal in Paris-Saclay.

Best Regards,

The Organizing Committee of AIAE’23
This workshop is co-organized by IRT SystemX and IFPEN, and promoted by Systematic and DATAIA Institute.

Lien direct

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

High-performance information extraction from cosmic web probes

Offre en lien avec l’Action/le Réseau : BigData4Astro/– — –

Laboratoire/Entreprise : Institut d’Astrophysique de Paris
Durée : 3 à 6 mois
Contact : florent.leclercq@iap.fr
Date limite de publication : 2024-06-30

Contexte :
Physical cosmology has brilliantly interwoven high-energy physics and observational astronomy to sketch the history of the Universe’s evolution from the Big Bang to its present state. Yet, lingering mysteries still beckon, primarily concerning dark energy, the cause of the Universe’s accelerated expansion, and the elusive masses of neutrino particles. Recent advances in statistical cosmology show the potential of going beyond traditional methodologies centred around correlation functions to unveil these secrets. The INFOCW project, funded by the Agence Nationale de la Recherche (ANR), seeks to employ models that predict the complete map of the large-scale structure as seen by ESA’s Euclid satellite, a recently launched space observatory. Through the synergy of cosmological simulations, data science, and astrophysical observations, the project promises to bring forth innovations that harness information trapped in the cosmic web—the Universe’s grandest observable structure.

Sujet :
Identifying and extracting the maximum amount of cosmological information from cosmic maps is still a largely open problem and will play a pivotal role in INFOCW. The goal of this master internship and PhD project is to tackle this task. In the first phase of the project, we will utilise physically and statistically motivated cosmic web probes. We will then optimise the extraction of cosmological information using automatically defined statistical summaries of galaxy catalogues, i.e. machine-aided definition of probes.

More details and French version: https://florent-leclercq.eu/supervision.php#internship-phd-2024

Profil du candidat :
We are looking for candidates with:
– A strong background in cosmology and/or astrophysics,
– Good computational abilities, preferably some familiarity with at least Python,
– A willingness to learn, and to work collaboratively.
We are seeking to appoint the same candidate for a master internship (dates at the candidate’s convenience from February 2024) followed by a three-year PhD studentship from October 2024, subject to satisfactory performance. Both positions are based in the large-scale structure and distant Universe group of the Institut d’Astrophysique de Paris (IAP). Supervision will be provided by Florent Leclercq (principal investigator of INFOCW) & Guilhem Lavaux. Funding for research expenses (travel, small equipment) is provisioned.

Application files must contain a CV and a transcript of record for all higher education programmes. They should be addressed to Florent Leclercq (florent.leclercq@iap.fr) & Guilhem Lavaux (guilhem.lavaux@iap.fr). One or more letters of recommendation (optional) can be sent directly by their authors to the same addresses.

Formation et compétences requises :
We are looking for candidates with:
– A strong background in cosmology and/or astrophysics,
– Good computational abilities, preferably some familiarity with at least Python,
– A willingness to learn, and to work collaboratively.

Adresse d’emploi :
Institut d’Astrophysique de Paris, 98bis boulevard Arago, 75014 Paris, France