Archives

Infox sur Seine

Date : 2023-03-22 => 2023-03-23
Lieu : Campus de Sorbonne Université

Appel à communication
Infox sur Seine

Les infox (fake news en anglais) sont dangereuses pour plusieurs raisons : en propageant de fausses nouvelles, elles contribuent à la désinformation et à la confusion des esprits. Elles attisent une fragmentation de la société et suscitent le ressentiment en répandant des stéréotypes ou des préjugés. Elles peuvent avoir un impact sur les décisions politiques et sociales en influençant l’opinion publique. Elles peuvent causer des problèmes de santé publique en diffusant des informations erronées sur des vaccins, des remèdes miracles ou des supposés effets indésirables de traitement connus.

La vérification des faits (fact checking en anglais) est une pratique cruciale pour lutter contre la propagation des infox et de la désinformation. Elle procède par confrontation des sources. Elle est importante pour assurer la qualité et la crédibilité de l’information qui circule dans la société, et pour protéger la démocratie et l’intégrité de l’information.

L’objectif d’Infox sur Seine est d’identifier, de réunir et de reconnaître la communauté française travaillant sur ces deux sujets : journalistes, informaticiens et informaticiennes, chercheuses et chercheurs en sciences sociales, ONG et autres acteurs de ce domaine. Il s’agira aussi de faire un premier état des lieux des travaux en cours.

Où et quand

Le 22 et 23 mars 2023 au SCAI (Sorbonne Centre on AI), sur le campus de Sorbonne Université.

Formule

Nous vous invitons à soumettre un résumé étendu (extended abstract) de 2 à 3 pages maximum, en français ou en anglais, décrivant votre contribution. Les contributeurs et contributrices sélectionnées auront environ 15 minutes pour présenter leur travail.

Comité d’organisation

François Bancilhon, Observatoire des Médias
Christophe Deloire, RSF
Jean-Gabriel Ganascia, Sorbonne Université
Oana Goga, CNRS, LIX
François Maine, Freedom Partners
Ioana Manolescu, Inria
Paolo Papotti, EURECOM
Guy Pujolle, Sorbonne Université
Denis Teyssou, AFP / Université Paris Nanterre

Thèmes (liste non limitative)

Méthodologies de détection et de correction des infox
Étude des facteurs qui influencent la diffusion des infox
Impact des fake news sur l’opinion publique et sur les décisions politiques
Étude des facteurs de vulnérabilité des individus face aux infox
Étude des initiatives de lutte contre les infox

Comment soumettre

Envoyez un résumé étendu de 2 à 3 pages, en format PDF à InfoxSurSeine@gmail.com

Dates importantes

15 février : dernier délai pour soumettre un extended abstract
8 mars : notification d’acceptation ou de rejet aux auteurs
22-23 mars 2023 : workshop Infox sur Seine

——————————————————————————————————————————————————————————————————————————
Call for papers
Infox sur Seine

Fake news are dangerous for several reasons: they contribute to misinformation and confusion of minds. They stir up a fragmentation of society and arouse resentment by spreading stereotypes or prejudices. They can have an impact on political and social decisions by influencing public opinion. They can cause public health problems by spreading misinformation about known vaccines, miracle cures or alleged adverse treatment effects.

Fact checking is a crucial practice in fighting fake news and misinformation. It proceeds by comparing sources. It is important to ensure the quality and credibility of information circulating in society, and to protect democracy and the integrity of information.

The objective of Infox sur Seine is to identify, bring together and recognize the French community working on these two subjects: journalists, computer scientists, researchers in social sciences, NGOs and other actors in this field. It will also be an opportunity to make a first assessment of this community.

Where and when

March 22 and 23, 2023 at the SCAI (Sorbonne Center on AI), on the Sorbonne University campus.

Process

We invite you to submit an extended abstract of 2 to 3 pages maximum, in French or English, describing your contribution. Selected contributors will have approximately 15 minutes to present their work.

Sponsors
aivancity Paris-Cachan – La Grande École de l’Intelligence Artificielle et de la Data
Freedom Partners

Steering Committee

Doreid Ammar, aivancity Paris-Cachan
François Bancilhon, Observatoire des Médias
Christophe Deloire, RSF
Jean-Gabriel Ganascia, Sorbonne University
Oana Goga, CNRS, LIX
Francois Maine, Freedom Partners
Ioana Manolescu, Inria
Paolo Papotti, EURECOM
Guy Pujolle, Sorbonne University
Denis Teyssou, AFP / Paris Nanterre University

Themes (non-limitative list)

Fake news detection and correction methodologies
Study of the factors that influence the dissemination of fake news
Impact of fake news on public opinion and political decisions
Study of the vulnerability factors of individuals to fake news
Study of fake news initiatives

How to submit

Send an extended summary of 2 to 3 pages, in PDF format to InfoxSurSeine@gmail.com

Lien direct

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

SEEDS@MaDICS – Semaine d’Études Entreprises en Data Sciences

Date : 2023-03-27 => 2023-03-31
Lieu : Université de Technologie de Troyes

Le GDR MaDICS est heureux d’annoncer la tenue de sa première Semaine d’Études Entreprises en Data Sciences du GDR CNRS MaDICS (SEEDS@MaDICS). Cette rencontre vise à créer des échanges entre les milieux industriels et le monde académique par le biais d’une semaine de travail sur des problèmes posés par des industriels et nécessitant des approches informatiques et/ou mathématiques innovantes. Ces semaines s’inspirent du modèle des SEME (Semaine d’Etude Mathématiques – Entreprise) de l’AMIES.

SEEDS@MaDICS aura lieu à l’Université de Technologie de Troyes du 27 mars au 31 mars 2023.

Un problème industriel est présenté le lundi matin à un groupe de 3 à 5 doctorantes et doctorants. Chaque groupe travaille sur le sujet jusqu’au jeudi soir et une restitution orale est effectuée le vendredi de la même semaine. Il est demandé aux jeunes chercheuses et jeunes chercheurs d’explorer des stratégies de réponse inédites pour l’entreprise.
Tous les sujets sont ici : https://www.madics.fr/manifestations/seedsmadics-2023//

Les inscriptions gratuites sont obligatoires. Elles sont ouvertes dès maintenant et jusqu’au 15 février 2023.
https://framaforms.org/seeds-a-luniversite-de-technologie-de-troyes-1673375264

La participation à l’intégralité de la semaine (du lundi matin au vendredi après-midi) est obligatoire.
Il n’y a pas de frais d’inscription. Les pauses café, les repas et le logement des participantes et participants qui ne résident pas à Troyes sont pris en charge par le GDR MaDICS. *Le trajet aller-retour reste à la charge de l’institution des participantes et participants qui doivent obtenir l’accord de leur directrice/directeur de thèse (ou responsable postdoc) au préalable.*
L’inscription définitive sera effective dès l’accord de participation reçu du Directeur / de la Directrice de thèse.

Pour toute question ou information, veuillez écrire à seeds@madics.fr.

Lien direct

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

ORASIS’23: Appel à contributions

Date : 2023-03-27 => 2023-05-26
Lieu : Carqueiranne

Bonjour,

La conférence ORASIS’2023 qui se concentre sur les problématiques en vision par ordinateur, en intelligence artificielle, en robotique, et dans les domaines connexes, se déroulera du 22 au 26 mai 2023 à Carqueiranne (Var, PACA). Elle sera organisée par notre équipe SIIM, LIS, UMR 7020, au centre vacanciel Miléade. Ce colloque vise à réunir de jeunes chercheurs francophones (doctorants et jeunes docteurs) issus de la communauté de la vision par ordinateur ou de domaines connexes, avec l’ambition de favoriser, dans une ambiance conviviale, les échanges entre les participants, notamment entre les jeunes chercheurs et chercheurs expérimentés dans le domaine.
Le site web est maintenant en ligne à l’adresse suivante : https://orasis2023.sciencesconf.org

La soumission des articles est ouverte à partir du 15 janvier 2023. La date limite des soumissions sera le 15 février 2023. Nous vous remercions donc de diffuser cette information aux potentiels auteurs, et particulièrement aux jeunes chercheurs, doctorants dans votre équipe et autour de vous.

Bien cordialement,

Lien direct

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

3 postes EC – Cybersécurité des systèmes intelligents – DevOps, HPC and Data Analytics – Machine Learning

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

Laboratoire/Entreprise : DVRC/ESILV
Durée : CDI
Contact : nicolas.travers@devinci.fr
Date limite de publication : 2023-04-30

Contexte :
Le Pôle Léonard de Vinci regroupe 3 grandes écoles : l’EMLV (management), l’ESILV (ingénieurs) et l’IIM (digital) proposant différents programmes de niveau Bac+3 à Bac +5 (PGE, Bachelors, Mastères, MSc, MBA, MS, etc.), un laboratoire composé de 4 groupes de recherche (DVRC) et un centre d’innovation et d’expertise transdisciplinaire (DVIC).

L’ESILV est une école d’ingénieurs généraliste au coeur des technologies du numérique. Elle recrute principalement au niveau Baccalauréat et forme en 5 ans des ingénieurs opérationnels s’insérant parfaitement dans le monde professionnel. Le projet pédagogique de l’ESILV s’articule autour des sciences et des technologies numériques ainsi qu’une forte transversalité avec 20% de son cursus en commun avec une école de management (EMLV) et une école du digital (IIM) dont un parcours Ingénieur Manager en 5 ans, double diplômant avec l’EMLV. Les spécialisations proposées portent sur la finance, l’informatique, la mécanique, l’énergie, la santé et l’innovation. Elle propose également deux Bachelors en Ingénierie Numérique et en Technologie & Management et un Mastère Spécialisé Expert en Modélisation Numérique des Systèmes et Processus Industriels. L’ESILV est membre de la CGE, de l’UGEI, de la CDEFI, de Campus France et de Talents du Numérique.

Sujet :
Enseignant.e chercheur.se Cybersécurité des systèmes intelligents H/F
https://www.devinci.fr/carrieres/2022-107/

Enseignant.e chercheur.se DevOps, High performance Computing and Data Analytics H/F

Enseignant.e chercheur.se Machine Learning H/F
https://www.devinci.fr/carrieres/2022-109/

Profil du candidat :
Pour les 3 profils, l’enseignant-chercheur intègrera le laboratoire DVRC dans un des 3 axes de recherche transversaux : « Nouveaux matériaux, systèmes intelligents et entreprises innovantes », « Efficacité énergétique et marchés socialement responsables » ou « Data science, transformation digitale, risques et systèmes complexes ».

Les spécificités des profils sont dans la page de recrutement.

Formation et compétences requises :
Doctorat en informatique obligatoire
Les HDR sont la bienvenue

Adresse d’emploi :
ESILV
2 avenue Léonard de Vinci
Paris la Défense

Prediction of weeds growth

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

Laboratoire/Entreprise : LIFAT, Université de Tours
Durée : 4-6 mois
Contact : nicolas.ragot@univ-tours.fr
Date limite de publication : 2023-01-14

Contexte :
This internship takes place inside the regional project DESHERB’ROB (https://desherbrob.insa- cvl.fr) which aims at elaborating new robots for high precision E-agriculture. The robot should be able to localize precisely weeds and to remove them. The originality of the project relies on the use of data coming from drone images as well as temporal data to predict the growth of the weeds and to try to combine them to detect at the earliest the location of weeds apparition. The internship will be done in close relationship with a PhD student.

Sujet :
Goals:
The main goal of this internship is to work on a neural network model taking as inputs local climatic data (temperature, humidity, light…), previous observations about weeds growth during the year, previous observations about geo-localization of weeds in the fields. The geo-localized predictions will be combined with recognition based on image analysis of drone (work of the PhD).

Methodology:
1 A state of the art will be made about neural networks methods for multivariate time series. A focus on transformers and attention mechanism will be done. At the same time, a literature review on grass growth prediction will be conducted, using [Guyet et al. 2022] as a starting point.
2 Data collection, cleaning and preparation will be done, based on known benchmarks as well as true data. Defining experimental protocol.
3 Based on 1, an architecture will be proposed and implemented. As a first step, the geo-localization will not be considered.
4 Learning of the model.
5 Evaluation of the prediction based on several criteria (detection, growth…)
6 Improvements and addition of geo-localization.
7 Documentation, reports and cleaning of the code to make it reusable (using Git)

Profil du candidat :
Academic level equivalent to a Master 2 in progress or Engineer in its 5th year, in computer science with courses in AI and machine learning

Formation et compétences requises :
Skills:
– a good experience in data analysis and machine learning (in python) is required
– some knowledge and experiences in deep learning and associated tools will be highly considered
– curiosity and ability to communicate and share your progress and to make written reports
– ability to propose solutions
– autonomy and good organization skills

Adresse d’emploi :
Computer Science Lab of the Université de Tours (LIFAT), Pattern Recognition and Image Analysis Team (RFAI)
64 av. Jean Portalis,
37200 Tours, France

Document attaché : 202301141932_stage DESHERBROB.pdf

Fouille de motifs fréquents pour l’analyse de comportement touristique

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

Laboratoire/Entreprise : DVRC/ESILV
Durée : 5 mois
Contact : nicolas.travers@devinci.fr
Date limite de publication : 2023-01-14

Contexte :
L’appréciation des visites effectuées par les touristes est un enjeu majeur dans le monde du tourisme afin d’anticiper les évolutions de tendances, mais aussi la manière dont ils circulent sur le territoire. Une approche permettant d’estimer cette appréciation est de reposer sur l’extraction de motifs fréquents sur un graphe de circulation, comme l’extraction de Graphlet [1], k-decomposition [2], ou encore les structures cohésives comme les k-plex [6]. Ainsi, les tendances touristiques sont extraites grâce à leurs fréquences d’apparition de manière topologique.

Sujet :
Toutefois, les données touristiques provenant de sites prescripteurs d’expérience tels que TripAdvisor donnent lieu à des volumes difficiles à intégrer dans les techniques traditionnelles de fouille de données. En effet, avec un grand nombre de lieux visité (millions), et un nombre énorme de commentaires laissés par les utilisateurs (milliards), il est nécessaire de développer une nouvelle approche pour le passage à l’échelle d’algorithmes basés sur les graphes.
Pour ce faire, au sein du groupe digital du DVRC, nous travaillons sur le développement en Pregel [3] de différentes approches existantes pour pouvoir définir la meilleure stratégie de fouille de motifs. De plus, l’aspect géodésique des données est un facteur important lié à la topologie des données [4, 5, 7], tout autant que la fréquentation. Nous étudions donc l’adaptation des méthodes existantes pour améliorer l’efficacité de la fouille de motifs basée sur ces informations.
Le but de ce stage est donc double :
– Intégrer des méthodes de fouille de motifs dans une base de données Neo4j (en Pregel/Java).
– Améliorer une méthode pour donner une heuristique de fouille adaptée au contexte géodésique.

Profil du candidat :
Étudiante ou étudiant de niveau M2 en informatique (Master ou école d’ingénieurs).
Connaissances en bases de données, Data Mining, BD graph (Neo4j, Cypher), Java, programmation répartie.

Formation et compétences requises :
Étudiante ou étudiant de niveau M2 en informatique (Master ou école d’ingénieurs).

Adresse d’emploi :
Laboratoire de recherche De Vinci Research Center au sein de l’École Supérieure d’Ingénieurs Léonard de Vinci ; Paris, la Défense.

Document attaché : 202301131702_2023_Stage_GraphMining.pdf

Professeur des universités en Intelligence Artificielle au Cnam Paris

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

Laboratoire/Entreprise : CEDRIC (EA4629)
Durée : indéterminée
Contact : michel.crucianu@cnam.fr
Date limite de publication : 2023-01-14

Contexte :
e Conservatoire national des arts et métiers (Cnam) est un établissement public à caractère scientifique, culturel et professionnel doté d’un statut de « grand établissement » régi par le décret du 22 avril 1988. C’est un établissement en réseau dont le siège est à Paris qui se caractérise par :
• des formations déployées sur l’ensemble des régions métropolitaines, dans les centres ultra-marins et à l’étranger,
• des activités de recherche académique , technologique et partenariale au sein d’équipes reconnues par le HCERES,
• sa mission de diffusion de la culture scientifique et technique (notamment via le musée des arts et métiers).
La diversité et la richesse des équipes du Cnam dotent l’établissement d’un large spectre de compétences, couvrant les champs professionnels allant des sciences de l’ingénieur.e aux domaines de l’économie, de la gestion et des sciences humaines et sociales.

Le laboratoire Cédric (http://cedric.cnam.fr) consacre ses recherches à l’informatique et aux communications, en particulier à la numérisation et l’automatisation des processus intelligents d’interaction, d’apprentissage, de raisonnement, de décision et d’action. Le Cédric développe des réponses sur trois axes : Systèmes communicants et interactifs ; Science des données ; Confiance et sécurité numérique. Chacune des huit équipes du Cédric contribue à l’animation et au développement des axes en fonction de son expertise scientifique.

Sujet :
La personne recrutée intégrera une des équipes suivantes de l’axe ‘Science des données’ :

• Vertigo (http://cedric.cnam.fr/lab/equipes/vertigo/, équipe prioritaire). L’équipe Vertigo s’est engagée dans la création d’interfaces transdisciplinaires au sein du Cnam ainsi qu’à l’extérieur autour de problématiques liées en particulier au couplage IA et physique, à la télédétection ou à l’imagerie médicale. Il est attendu que la personne recrutée puisse accompagner et alimenter cette dynamique en renforçant ou en créant des collaborations avec d’autres laboratoires de l’établissement.
• MSDMA (http://cedric.cnam.fr/lab/equipes/msdma/). Les activités de l’équipe concernent le traitement de données par des méthodes statistiques et informatiques.

L’équipe de rattachement pressentie doit être mentionnée dans la lettre de candidature. La personne recrutée devra jouer un rôle moteur dans le développement des recherches de l’une de ces équipes, notamment en apprentissage statistique, apprentissage profond (supervisé et non-supervisé) et/ou apprentissage par renforcement. Des compétences dans les domaines suivants seront particulièrement appréciées: extraction de représentations et de connaissances, explicabilité et interprétabilité des modèles IA, compréhension et raisonnement sur des données hétérogènes non-structurées.

Contacts :
• Samira Cherfi (samira.cherfi@cnam.fr), directrice de l’EPN 5 (département d’informatique)
• Philippe Rigaux (philippe.rigaux@cnam.fr), directeur du laboratoire
• Michel Crucianu (michel.crucianu@cnam.fr) pour l’équipe Vertigo
• Ndeye Niang (ndeye.niang_keita@cnam.fr) pour l’équipe MSDMA

Date de prise de poste : 1er septembre 2023.

Profil du candidat :
Profil détaillé : http://cedric.cnam.fr/lab/wp-content/uploads/2023/01/CnamParisPUIA2023.pdf

Formation et compétences requises :
Habilitation à Diriger des Recherches

Adresse d’emploi :
Conservatoire National des Arts et Métiers
292 rue Saint-Martin
75003 Paris

Post-doc : 3D+t reconstruction and segmentation from non-destructive imaging for grapevine trunk diseases diagnosis.

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

Laboratoire/Entreprise : IFV – CIRAD
Durée : 3 years
Contact : romain.fernandez@cirad.fr
Date limite de publication : 2023-01-14

Contexte :
Our research aims to develop imaging approaches for non-destructive detection and diagnosis of trunk diseases in grapevines (Vitis vinifera L.). Protocols [1] and methods [2][3] for 3D imaging and analysis of trunks under controlled conditions (i.e., laboratory) have already been developed in our lab. We now aim to transfer this non-destructive diagnosis directly into the field, using a portable device that can be used to detect and quantify these diseases. This transfer involves the development of novel solutions for data analysis (project “Scan Me If You Can”, 2023-2026). For this purpose, we seek a highly motivated and initiative-taking candidate, qualified for the conception of innovative image analysis pipelines.

Sujet :
Your mission will be to scale up different approaches to work across two work streams :

*Whole plant 3D+t reconstruction and segmentation from multi-angle X-ray images: You will be in charge of retrofitting models to allow the deployment of these solutions in the field, on a larger scale, and for temporal monitoring of tissue condition. In order to estimate the degradations present in the plant and their progression over time, you will design solutions for image analysis and 3D+t reconstruction applicable to 2D images collected in situ on living plants.

* 3D+t characterization of degradation by MRI monitoring under controlled conditions: You will build upon the developments of Fijiyama [1] and FijiRelax [3] plugins to analyze a large set of MRI data collected during the dynamic monitoring of living vines inoculated with fungal pathogens. You will design pipelines to study the host-pathogen interaction in 3D+t; and develop tools for the comparison of grapevine varieties tolerance, and pathogen aggressiveness.

BIBLIOGRAPHY:
[1] R Fernandez, L Le Cunff, S Mérigeaud, et.al. An end-to-end workflow based on multimodal 3D imaging and machine learning for nondestructive diagnosis of grapevine trunk diseases. bioRxiv preprint (BioRxiV 2022) https://doi.org/10.1101/2022.06.09.495457
[2] R Fernandez, and C Moisy, Fijiyama: a registration tool for 3D multimodal time-lapse imaging, Bioinformatics, Volume 37, Issue 10, 15 May 2021, Pages 1482–1484, https://doi.org/10.1093/bioinformatics/btaa846
[3] R Fernandez, and C Moisy: FijiRelax: Fast and noise-corrected estimation of MRI relaxation maps in 3D + t (under review in JOSS) current version: https://github.com/Rocsg/FijiRelax/actions/runs/3307397950

Profil du candidat :
* Titles/Diplomas: PhD or M.Sc. in computer science, mathematical modeling, image analysis, with a demonstrated capacity for publication in image analysis and/or design of solutions.

* Advanced skills in:
Image Analysis (3D reconstruction, segmentation).
Programming (Java and Python).
Machine Learning (scikit-learn, …) and Deep Learning (TF / Pytorch, …).
2D/3D image processing and visualization (Fiji, Napari, VTK, …).
Optional:
Basic knowledge in 3D imagery (X-rays tomography, MRI);
plant biology and anatomy; and/or pathogens.
French speaking.

* Aptitudes:
Interpersonal skills and ability to work with multiple stakeholders.
Autonomy in programming and image processing.
Organizational skills and rigor.
Adaptability and reactivity.
Ability to synthesize and pedagogy (interactions with non-specialists in image processing).
Scientific English.
Driving license.

Formation et compétences requises :
The selected candidate will work in interaction with two research teams located in Montpellier, France (at Campus Lavalette, 389 Av. Agropolis, 34980 Montferrier-sur-Lez, France). The team “GénoVigne”, IFV (French Institute for Vine and wine, www.vignevin.com), is specialized in grapevine genetics and diseases. The team “Phenomen”, CIRAD (French Agricultural Research Centre for International Development), is specialized in mathematics and computer science for plant modeling. The candidate will also interact with several scientific and technical partners, including INRAE, Montpellier University, CIVC Champagne and BIVB Bourgogne, as well as imaging platforms.
Remuneration: between 2.4 and 2.6KEUR, raw, monthly, depending on qualification.
Advantages: meal vouchers, paid holidays, and Health Mutual.

Adresse d’emploi :
Campus Lavalette, 389 Av. Agropolis, 34980 Montferrier-sur-Lez, France (Montpellier)

APPLICATION: Please, send CV, application letter, and references to romain.fernandez@cirad.fr and cedric.moisy@vignevin.com. Deadline: Applications will be reviewed until the position is filled. Position opening: Starting in January 2023.

Document attaché : 202301130937_Postdoc_position.pdf

Analyse des données environnementales

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

Laboratoire/Entreprise : LIFAT – Université de Tours
Durée : 5 à 6 mois
Contact : cyril.derunz@univ-tours.fr
Date limite de publication : 2023-02-04

Contexte :

Ce stage s’inscrit dans le cadre de la tâche visualisation de données du projet JUNON. Le sujet de la tâche est le suivant.

L’analyse des données environnementales est un enjeu majeur pour l’étude des dynamiques des phénomènes environnementaux dans leur territoire (spatialité). Afin de mieux appréhender ces phénomènes et faciliter leur observation, il semble important de fournir une suite automatisée de traitements allant de l’analyse au rendu visuel. Relever ce défi est essentiel afin de limiter la charge cognitive des experts impliqués dans l’exploration interactive tout en offrant des informations de contextualisation des phénomènes observés/observables pour une meilleure explicabilité.

Cette dernière est importante tant pour les experts que pour les décideurs notamment pour l’analyse des risques (e.g. sécheresse, inondations, pollutions). Il s’agira de proposer des outils visuels permettant une exploration spatiale et temporelle de données permettant de naviguer dans les données issues des capteurs (e.g. capteurs piézométriques) selon plusieurs vues complémentaires tout en ayant à disposition directe des données contextualisant leur analyse. Les outils proposeront aussi des tableaux de bords différenciés pour les décideurs mettant en évidence les possibles risques. Nous souhaitons dans cette tâche répondre aux verrous scientifiques liés aux données environnementales autour de la détection automatique de signaux faibles pour l’identification de phénomènes émergents, de l’explicabilité des phénomènes par la construction de résumés visuels informant sur les possibles facteurs, de la gestion des flux de données et donc le choix des données et des agrégations.

Sujet :
Les données à visualiser sont des séries temporelles multivariées géolocalisées décrivant un territoire. Elles peuvent représenter de gros volume de données. Nous cherchons à construire des méthodes de regroupement prenant en considération les relations spatiales et topologiques.

Objectifs du stage :

État de l’art sur la visualisation et le clustering de séries spatio-temporelles.

Proposition d’un prototype adapté aux données du projet JUNON.

Profil du candidat :
Etudiant.e en master ou en école d’ingénieur en informatique (bac +5 prioritairement, ou bac +4).

Formation et compétences requises :
Etudiant en master ou école d’ingénieur en informatique.
Des connaissances en visualisation, information géographique, analyse de série de données temporelles ou spatiotemporelles sont des plus.

Adresse d’emploi :
34 avenue Portalis, 37000 Tours
ou
3 place Jean Jaures 41000 Blois

Poste permanent en statistique à l’ISAE SUPAERO

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

Laboratoire/Entreprise : ISAE SUPAERO
Durée : permanent
Contact : florian.simatos@isae.fr
Date limite de publication : 2023-02-04

Contexte :
Recrutement d’un poste (niveau MCF ou PU, tous les niveaux seront considérés) à l’ISAE SUPAERO

Sujet :
Statistique mathématique et apprentissage

Profil du candidat :
Personne titulaire d’un doctorat en Mathématiques Appliquées, spécialisée en Statistique Mathématique ou dans un domaine connexe, et peut justifier d’un bon équilibre entre recherche fondamentale (théorique) et recherche appliquée (numérique). En particulier, des connaissances en algorithmes stochastiques seraient appréciées ;

Formation et compétences requises :
Personne titulaire d’un doctorat en Mathématiques Appliquées, spécialisée en Statistique Mathématique ou dans un domaine connexe, et peut justifier d’un bon équilibre entre recherche fondamentale (théorique) et recherche appliquée (numérique). En particulier, des connaissances en algorithmes stochastiques seraient appréciées ;

Adresse d’emploi :
12 avenue edouard belin, 31055 Toulouse

Document attaché : 202301121452_ISAE-906-stat.pdf