Offres d’emploi

N’hésitez pas à déposer vos offres en cliquant ici.

Intitulé: Chargé de Recherche en apprentissage automatique UMR INRA-AgroParisTech Paris
Type d’offre d’emploi: Offre de poste dans l’académique
Détails de l’offre: Les détails de l’offre sont sur http://jobs.inra.fr/offers/emploi_perm/concours/crcn/?campagne=23129&intitule=concours&concours=24348#descriptionOnglet « Postes à pourvoir » , puis, en page 3, le concours CRCN-2018-2-MIA-1 (Apprentissage Automatique)
Date limite de candidature: 2018-03-05
Tél de contact: 01 44 08 72 09
Mail de contact: antoine.cornuejols@agroparistech.fr

 

Intitulé: Postdoc de 12 à 18 mois sur l’identification de locuteurs, Caen (France)
Type d’offre d’emploi: Offre de post-doc
Détails de l’offre: Nous sommes à la recherche d’un postdoctorant ayant de l’expérience en apprentissage profond pour travailler avec nous sur un projet d’identification du locuteur dans le cadre des assistants personnels intelligents (type google home). Les méthodes feront appel à l’apprentissage profond. Le candidat devra proposer des nouvelles méthodes, les implémenter et les valider expérimentalement.Contexte:
———–
Les assistants intelligents tels qu’ Amazon Echo et Google Home suscitent une vague d’enthousiasme chez les consommateurs. Leurs expéditions ont atteint 5,9 millions d’unités dans le monde en 2016 et devraient décupler d’ici 2022. Ce projet s’inscrit dans cette ligne de recherche et vise à développer un assistant domestique innovant connecté à une plate-forme de services. Il s’appuiera sur l’intelligence artificielle et l’interaction vocale pour assurer un accès sécurisé aux services.Objectifs et défis:
—————————
Plusieurs défis devront être surmontés pour effectuer l’identification du locuteur. Le première consistera à définir une architecture d’apprentissage profond suffisamment générique pour le cadre de l’application. Un deuxième défi sera posé par le nombre réduit de données d’apprentissage. Ce problème est particulièrement difficile dans le contexte de l’apprentissage profond, qui exige habituellement une masse énorme de données pour effectuer un apprentissage précis. Le point de vue du projet sera centré sur ces deux points, le second étant à peine abordé par la littérature.Plan de travail:
———–
La poste commencera par un état de l’art et un codage des meilleures méthodes non profondes de celui-ci. Cette première étape devrait prendre 3 mois et permettra de fournir un premier résultat aux autres partenaires du projet.
La deuxième étape, évaluée à 6 mois, consistera à concevoir une architecture d’apprentissage profond et à l’entraîner afin d’identifier plusieurs membres du projet.
La dernière étape, évaluée à 3 mois, consistera à concevoir un premier prototype fonctionnel et à en évaluer les performances (en termes de taille de l’ensemble d’entraînement, de précision et de rappel) lorsqu’un réseau profond est formé sur un nouvel ensemble de personnes. Ce nouvel entraînement sera effectué soit grâce à des poids aléatoires, soit grâce aux poids obtenus lors de l’étape précédente. L’architecture du réseau restera inchangée.Profil du candidat:
——————
Le candidat doit avoir un doctorat récent (mois 5 ans) en Informatique (ou Mathématiques Appliquées) dans le domaine de l’apprentissage machine. Des compétences en apprentissage profond sont également bienvenues. De bonnes compétences en programmation sont également requises. De bonnes compétences en communication écrite et verbale ainsi que des aptitudes à travailler en équipe sont recommandées, le candidat doit parler couramment le français ou l’anglais et l’anglais écrit. La langue de travail peut être l’anglais ou le français.Application:
————-
Les candidats intéressés doivent soumettre leur candidature à
luc.brun@ensicaen.fr et
olivier.lezoray@unicaen.fr

Veuillez inclure dans votre demande un CV, une lettre de motivation indiquant votre intérêt et vos compétences pour ce poste, ainsi que 2 lettres de recommandation (toutes dans un seul fichier pdf). Les candidatures seront acceptées jusqu’ à ce que le poste soit pourvu.

Informations complémentaires:
———————–
Institution hôte: Université de Caen Normandie et CNRS, laboratoire GREYC (UMR 6072)
Salaire brut: 2074 euros par mois (charges comprises)
Durée: Un an, pouvant aller jusqu’ à 18 mois
Date de début: à partir de février/mars 2018
Avantages: Possibilité de cours de français, participation aux frais de transport, possibilité de restauration sur place.

Date limite de candidature: 2018-05-31
Tél de contact: 02 31 45 27 01
Mail de contact: luc.brun@ensicaen.fr

 

Intitulé:

Associate professor at Telecom ParisTech on Deep learning applied to temporal data analysis

Type d’offre d’emploi:

Offre de poste dans l’académique

Détails de l’offre:

Voir détails sur la page: http://service.tsi.telecom-paristech.fr/cgi-bin/announce/download.cgi?Aid=106&lang=en

Date limite de candidature:

2018-02-28

Mail de contact:

stephan.clemencon@telecom-paristech.fr

 

Intitulé:

Poste MC 27 en Machine Learning à Saint-Etienne

Type d’offre d’emploi:

Offre de poste dans l’académique

Détails de l’offre:

Un poste de maître de conférences en informatique est ouvert en 2018 au concours à la Faculté des Sciences et Techniques de l’Université Jean Monnet de Saint-Etienne. Le profil recherche de ce poste est en Apprentissage Automatique. La personne recrutée intègrera l’équipe Data Intelligence du Laboratoire Hubert Curien – UMR CNRS 5516.

Les thèmes principaux développés dans l’équipe concernent notamment l’apprentissage de représentation, l’apprentissage par transfert et les aspects théoriques de l’apprentissage statistique.

La personne recrutée sera amenée à intervenir à tous les niveaux de la filière en informatique de la Faculté des Sciences et Techniques (FST) du niveau licence au niveau master. Des capacités à dispenser des enseignements en anglais seront fortement souhaitées afin d’effectuer des interventions au sein du master international en Machine Learning et Data Mining (MLDM).

Contacts:

Amaury Habrard (amaury.habrard@univ-st-etienne.fr) – Responsable de l’équipe Data Intelligence
Marc Sebban (Marc.Sebban@univ-st-etienne.fr) – Direction du Laboratoire Hubert Curien
Marc Bernard (Marc.Bernard@univ-st-etienne.fr) – Directeur du Département Informatique de la FST.

Date limite de candidature:

2018-03-30

Mail de contact:

amaury.habrard@univ-st-etienne.fr

 

Intitulé:

Poste MC 27 en Data Mining à Saint-Etienne

Type d’offre d’emploi:

Offre de poste dans l’académique

Détails de l’offre:

Un poste de maître de conférences en informatique est ouvert en 2018 au concours à l’école d’ingénieurs Télécom Saint-Etienne. Le profil recherche de ce poste est en Fouille de Données. La personne recrutée intègrera l’équipe Data Intelligence du Laboratoire Hubert Curien – UMR CNRS 5516.

Elle sera amenée à travailler notamment sur des méthodes de fouille (classification, recherche de motifs, etc), d’analyse et d’extraction permettant de traiter des données complexes : graphes attribués, graphes multi-relationnels, séquences, données en flux, documents… Une ouverture vers la détection de fraudes et d’anomalies serait particulièrement appréciée.

La personne recrutée interviendra prioritairement dans les 2 dernières années du cycle ingénieur sous statut étudiant de Télécom Saint-Etienne (TSE), et ponctuellement dans les autres années et filières portées par TSE.

Contacts:

Amaury Habrard (amaury.habrard@univ-st-etienne.fr) – Responsable de l’équipe Data Intelligence.

Lilian Bossuet (lilian.bossuet@univ-st-etienne.fr) – Directeur du département Informatique-Télécom-Image du Laboratoire Hubert Curien.

Bruno Sauviac (bruno.sauviac@telecom-st-etienne.fr) – Directeur des formations TSE.

Frédérique Laforest (frederique.laforest@telecom-st-etienne.fr) – Resp. secteur informatique TSE.

Date limite de candidature:

2018-03-30T

Mail de contact:

amaury.habrard@univ-st-etienne.fr

 

Intitulé:

Machine learning control of turbulence

Type d’offre d’emploi:

Offre de post-doc

Détails de l’offre:

Flowcon is an ANR project funded by DGA (French Direction Générale de l’Armement) and devoted to the development and the demonstration of innovative machine learning methods for the closed loop control of turbulent fluid flows.

Applications of flow control are ubiquitous: aerodynamic drag reduction, jets vectorization, mitigation of noise emission, suppression of the hyper-lift flaps to name only a few examples.

In contrast with most current control strategies, this project aims to develop and offer control methods applicable to operational configurations, in the strongly nonlinear realm. Our approach is data-driven and uses a statistical description, with no need for a detailed information about the flow, of the map between actions from the actuators and effects onto the flow over time.

While they are key enablers of success, current machine learning methods are not suitable for addressing the control of turbulence. The control of a system as complex as a turbulent flow is far from the usual applicability framework of this class of algorithms, which typically includes robotics, language processing, image segmentation, etc.

Flowcon is a highly interdisciplinary project involving researchers from the fluid mechanics community as well as machine learning who work in close interaction to develop innovative solutions allowing to reach the ambitious goals we have set.

The postdoc will be at the heart of the methodological efforts. His/her role will be to contribute to the development of machine learning tools for complex systems combining multiple challenges: very high-dimension, unknown and time-varying delays, non-stationarity, weak-observability, real-time, etc. The approach relies on active learning and combines tools such as recurrent neural networks, reinforcement learning and tensor approximations.

The successful candidate should demonstrate a strong background in Machine Learning, applied mathematics or statistics. Good notions of fluid mechanics are certainly a plus. Proficiency in Python, C/C++ or Torch / Tensor Flow is required. The candidate should also have strong skills in communication and excellent writing capabilities.

The position will be located at LIMSI (Laboratoire d’Informatique pour la Mécanique et les Sciences de l’Ingénieur) in Orsay (91), France and will be in collaboration with a team in the Pprime institute. It is a 18-month position.

Contacts:

L. Mathelin (mathelin@limsi.fr) or A. Allauzen (allauzen@limsi.fr).

Date limite de candidature:

2018-01-31

Mail de contact:

allauzen@limsi.fr

 

Intitulé:

Post-doc position on Graph Edit Distance /Error Correcting Graph Matching/Quadratic minimization.

Type d’offre d’emploi:

Offre de post-doc

Détails de l’offre:

The candidate will work within a small team of three persons in collaboration with other laboratories. Together with this team the candidate will develop new methods to compute close approximations of the Graph edit distance on large graphs. This research activity will be based on a formulation of the Graph edit distance as the minimization of a quadratic functional. From this point of view, the Graph edit distance is quite similar to error correcting graph matching.

The candidate will be encouraged to propose his own improvements of this existing framework. Possible research directions, include the design of efficient parallel bipartite graph matching methods (to be included in quadratic minimization schemes) and proposals of new quadratic minimization schemes. Validated methods will be included in a global library on Graph edit distance developed by the team.

Salary: This position will be granted with about 2280 euros/month net salary.

Application domains: machine learning on graphs (prediction of molecular properties, analysis of brain connectivity graphs, malware detection, . . . )

Further details:

Place: The research will be conducted at GREYC Laboratory (Caen, France) in Normandy. The GREYC (UMR 6072) is affiliated to the CNRS, University of Caen and ENSICAEN.

Start date: January/ February 2018

Duration: 12 to 20 months according to discussions with the candidate.

Topics: Graph Edit distance, error correcting graph matching, combinatorial optimization, quadratic minimization.

Contacts to apply and further information:

• Luc Brun (luc.brun@ensicaen.fr, 02 31 45 27 01) and

• Sébastien Bougleux (sebastien.bougleux@unicaen.fr)

Required skills:

• PhD or Master in Applied Mathematics or computer science,

• experience in C++ or Matlab programming,

• knowledge in optimization (discrete or continuous).

Required documents: Please send the following documents:

• up to date CV,

• Any recommendation letter

• A short document on research experience and interests

Date limite de candidature:

2018-03-31

Tél de contact:

02 31 45 27 01

Mail de contact:

luc.brun@ensicaen.fr

 

Intitulé:

Graph kernels for chemoinformatics

Type d’offre d’emploi:

Offre de post-doc

Détails de l’offre:

Graph kernels have already been applied to chemoinformatics and are based on structural information encoded within molecular graphs. However, intrinsic properties of atoms and theirs interactions induce some electronic properties which are not explicitly encoded within classic molecular graphs representations. The main purpose of this post doctoral position is to include this information into a new augmented kernel and apply it on some chemoinformatics datasets. The two main steps will be i) to define a new molecular representation encoding local electronic information and ii) to define a new similarity measure as a kernel to compare two molecules encoded in the new proposed representation.

This project will be supervised in close collaboration by LITIS (Rouen, France) and GREYC (Caen, France) laboratories which have a strong expertise on graph kernels for chemoinformatics. The chemical part will be supervised by COBRA laboratory (Rouen, France) which has proposed various atomic descriptors encoding some electronical information. Their expertise will be essential to be able to encode additional information into a new representation for chemical compounds.

Salary: This position will be granted with about 2200 euros/month net salary.

Application domains: machine learning on graphs, chemoinformatics, graph kernels, graph representations

Further details:
Place: The research will be conducted at LITIS Laboratory (Rouen, France) in Normandy. The LITIS (EA 4108) is affiliated to Normandie University, University of Rouen and INSA Rouen Normandie.
Start date: January/ February 2018
Duration: 20 months according to discussions with the candidate.

Topics: Graph kernels, graph representation, machine learning

Contact:
You can contact the team via : postdoc-graphkernel@litislab.fr

Required skills:
• PhD or Master in Applied Mathematics or computer science,
• experience in C++, Python or Matlab programming,
• knowledge in kernel methods, graph based approach constitutes an advantage.

Required documents:
Please send the following documents:
• up to date CV,
• Any recommendation letter
• A short document on research experience and interests

Date limite de candidature:

2018-02-01

Mail de contact:

postdoc-graphkernel@litislab.fr