En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)
Portail > Offres > Offre UMR6004-VINLOS-003 - Post-doc (H/F) Apprentissage statistique pour la classification de sons

Post-doc (H/F) Apprentissage statistique pour la classification de sons

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Date Limite Candidature : jeudi 11 mars 2021

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Faites connaître cette offre !

Informations générales

Référence : UMR6004-VINLOS-003
Lieu de travail : NANTES
Date de publication : jeudi 18 février 2021
Type de contrat : CDD Scientifique
Durée du contrat : 12 mois
Date d'embauche prévue : 1 août 2021
Quotité de travail : Temps complet
Rémunération : 2675 € brut mensuel (maximum de 2 ans d'expérience en recherche après le doctorat souhaité)
Niveau d'études souhaité : Doctorat
Expérience souhaitée : 1 à 4 années

Missions

Le projet TrAcS, pour "Trainable Acoustic Sensors", vise à concevoir de nouveaux capteurs pour la reconnaissance automatique de sons. Ces capteurs intégreront des algorithmes d'intelligence artificielle capables d'identifier les sources les plus pertinentes dans un enregistrement audio tout en éliminant l'influence du bruit de fond.

Dans ce contexte, la mission principale du post-doctorant sera d'inventer de nouvelles modèles statistiques "explicables", c'est-à-dire assortis d'une visualisation de données aisément interprétable par l'humain. Le cadre applicatif privilégié pour ce travail sera la détection d'anomalies dans des machines-outils en fonctionnement. À titre secondaire, une extension du cadre applicatif à des signaux musicaux ou biomédicaux pourra être envisagée.

Deux enjeux essentiels du projet TrAcS sont la gestion des évènements rares et la généralisation statistiques à plusieurs domaines. Afin d'y répondre, il sera nécessaire de dépasser le cadre classique de l'apprentissage supervisé et d'envisager des paradigmes alternatifs, tels que l'apprentissage semi-supervisé et l'apprentissage autodidacte.

En matière de recherche fondamentale, le projet TrAcS innovera dans le paradigme de la programmation différentiable. Ce paradigme intègre les opérateurs élémentaires de l'apprentissage profond dans un environnement computationnel plus global, comprenant non seulement des paramètres optimisables mais aussi des fonctions d'extraction de caractéristiques, d'augmentation de données, de simulation physique, de contrôle ou d'inférence probabiliste.

Il sera notamment judicieux d'employer la diffusion temps-fréquence come une représentation intermédiaire des signaux audionumériques dans un cadre pas ou peu supervisé. À ce titre, le post-doctorat contribuera au projet en source ouverte Kymatio, visant à l'interopérabilité entre diffusion temps-fréquence et bibliothèques numérique pour la programmation différentiable : PyTorch et TensorFlow notamment.

Activités

Activités principales :
- recherche scientifique en sciences de l'information et sciences du logiciel
- co-publication dans des revues scientifiques, par exemple : IEEE TPAMI, JASA, Applied Acoustics
- contribution au développement et maintenance de la bibliothèque logicielle en source ouverte Kymatio

Activités secondaires :
- présentation à des conférences scientifiques, par exemple : IEEE ICASSP, DCASE, ISMIR, GRETSI
- participation à certaines réunions scientifiques du laboratoire d'accueil
- co-organisation d'un colloque international Kymatio en 2022 (à confirmer)

Compétences

Le/la candidat-e devra être titulaire d'un doctorat en informatique ou mathématiques appliquées
- Maitrise des outils mathématiques de l'analyse temps-fréquence, en particulier de la théorie des ondelettes
- Maitrise des outils informatiques de l'apprentissage profond, en particulier des réseaux de neurones convolutifs
- Expérience en calcul scientifique dans le langage Python, avec notamment les bibliothèques Librosa, NumPy, Scikit-Learn, et PyTorch
- Expression claire en langue anglaise

La connaissance de la bibliothèque Kymatio est appréciée mais pas requise.
Des connaissances en acoustique ou en musique sont appréciées mais pas requises.
La connaissance de la langue française n'est pas requise.

Contexte de travail

Le post-doctorat se déroulera au sein du Laboratoire des Sciences du Numérique de Nantes (LS2N), UMR 6004. En particulier, le ou la post-doctorant-e travaillera avec les membres de l'équipe "Signaux, Images, et Sons" (SIMS), intégrée au pôle "Signaux, Images, Ergonomie et Langues" (SIEL). Par ailleurs, une participation aux activités du thème transverse "Industrie du futur" sera encouragée.
Pour plus de détails, consulter : https://www.ls2n.fr/presentation/

Contraintes et risques

Ce poste ne comporte pas de contrainte ni de risque professionnel particulier.

On en parle sur Twitter !