En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)
Portail > Offres > Offre UMR6554-CLAPER-008 - Ingénieur (e) de recherche en apprentissage automatique H/F projet ANR DYNALEARN

Ingénieur (e) de recherche en apprentissage automatique H/F projet ANR DYNALEARN


Date Limite Candidature : vendredi 12 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 : UMR6554-CLAPER-008
Lieu de travail : RENNES
Date de publication : vendredi 19 février 2021
Type de contrat : CDD Technique/Administratif
Durée du contrat : 12 mois
Date d'embauche prévue : 6 avril 2021
Quotité de travail : Temps complet
Rémunération : entre 2437€ et 2807€ brut mensuel
Niveau d'études souhaité : Bac+5
Expérience souhaitée : 1 à 4 années

Missions

Ce poste se situe à l'interface entre apprentissage et modèles physiques. Il s'agit de concevoir des techniques d'apprentissage par réseaux de neurones s'inspirant des équations issues de la physique et en particulier de la mécanique des fluides. L'application concernera la super-résolution d'images de températures.

Activités

Activités de soutien à la recherche : la tâche de super-résolution est un problème inverse mal posé où le générateur de modèle (inconnu) et le régularisateur peuvent être appris à partir des données. Dans ce projet, nous proposons de contraindre l'apprentissage par l'introduction de lois physiques de base. Plus précisément, nous visons à s'appuyer sur des feedback networks ([Li 2019], bien adaptés aux écoulements fluides) où l'introduction de contraintes physiques peut se faire à l'aide d'approches type deep priors [Ulyanov 2018] et de pénalisations Wasserstein [Sim, 2019]. Les applications concerneront des données de températures (en terre ou mer) et en fonction de l'évolution, l'introduction de contraintes temporelles (modèles dynamiques océaniques, modèles locaux de températures urbaines par exemple) pourrait être envisagée.

Compétences

- Expérience en informatique et traitement des données
- Bon niveau en programmation (Python)
- Bon niveau en apprentissage automatique
- Autonomie et réactivité
- Capacité à organiser son travail et à s'inscrire dans une logique d'équipe
- Bonnes capacités rédactionnelles en anglais

Contexte de travail

L'UMR LETG est implantée sur 6 sites géographiques (Angers, Brest, Caen, Dinard, Nantes et Rennes. Son champ scientifique est celui de la géographie et de l'environnement. L'unité compte 150 membres (titulaires et contractuels). Cette mission se déroulera au LETG Rennes sur le campus de Villejean dans une équipe constituée d'une vingtaine de personnes. Françoise Gourmelon est la directrice du LETG - UMR 6554, l'ingénieur (e) de recherche sera placé(e) sous son autorité hiérarchique. Votre principal interlocuteur sur le site de Rennes sera : Thomas Corpetti.

Les réseaux de neurones ont prouvé leur efficacité au cours des 5 dernières années pour être une solution attrayante pour générer des flux fiables d'une manière plus précise / plus rapide qu'avec des techniques plus conventionnelles de CFD (Computational Fluid Dynamics). Bien que certaines approches aient enrichi les réseaux de neurones de «couches physiques» capables d'assurer une base de physique (invariance [Ling 2016], divergence nulle [Kim 2019]), aucune d'entre elles ne s'appuie sur des réseaux conçus pour la manipulation de quantités physiques. Malgré des simulations efficaces (génération de flux avec des statistiques intéressantes d'un point de vue turbulence), ce manque de physique est critique pour des applications réelles.

On en parle sur Twitter !