En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)
Portail > Offres > Offre UMR8023-REMMON0-003 - Attracteurs quasi-continus dans les réseaux de neurones: étude de l'apprentissage et de la dynamique de diffusion (H/F)

Attracteurs quasi-continus dans les réseaux de neurones: étude de l'apprentissage et de la dynamique de diffusion (H/F)

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

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 : UMR8023-REMMON0-003
Lieu de travail : PARIS 05
Date de publication : jeudi 21 novembre 2019
Type de contrat : CDD Scientifique
Durée du contrat : 9 mois
Date d'embauche prévue : 1 janvier 2020
Quotité de travail : Temps complet
Rémunération : a partir de 2700 euros brut (variable selon l'experience)
Niveau d'études souhaité : Doctorat
Expérience souhaitée : Indifférent

Missions

Un poste de jeune chercheur(se) (au niveau doctoral ou équivalent) est ouvert pour l'étude de l'apprentissage d'attracteurs continus ou quasi-continus dans des réseaux de neurones artificiels ainsi que la dynamique de diffusion activée ayant lieu dans ces attracteurs.

Activités

Les recherches consisteront à développer et appliquer des approches analytiques et numériques, inspirées de la physique statistique, pour l'étude de l'apprentissage d'attracteurs quasi-continus dans des réseaux artificiels. Les modèles seront appliqués à des données variées, issues en particulier de la collaboration HFSP "Analog models for language processing".

Compétences

expertise (niveau doctoral) en
- Physique statistique/ théorie statistique des champs
- Modèles de réseaux de neurones

Contexte de travail

Le chercheur travaillera au sein de l'équipe "Statistical physics and inference for biological systems".

On en parle sur Twitter !