En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)
Portail > Offres > Offre UMR8548-BRULOU-003 - Chercheur post-doctoral en théorie de l'apprentissage automatique (H/F)

Chercheur post-doctoral en théorie de l'apprentissage automatique (H/F)

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

Date Limite Candidature : mercredi 24 juillet 2024 23:59:00 heure de Paris

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler

Informations générales

Intitulé de l'offre : Chercheur post-doctoral en théorie de l'apprentissage automatique (H/F)
Référence : UMR8548-BRULOU-003
Nombre de Postes : 1
Lieu de travail : PARIS 05
Date de publication : mercredi 3 juillet 2024
Type de contrat : CDD Scientifique
Durée du contrat : 24 mois
Date d'embauche prévue : 1 octobre 2024
Quotité de travail : Temps complet
Rémunération : Entre 3081 € et 4756 € bruts selon expérience et grille de salaire du CNRS
Niveau d'études souhaité : Niveau 8 - (Doctorat)
Expérience souhaitée : 1 à 4 années
Section(s) CN : Sciences de l'information : traitements, systèmes intégrés matériel-logiciel, robots, commandes, images, contenus, interactions, signaux et langues

Missions

Les dernières années ont été témoins de percées majeures dans le domaine de l'intelligence artificielle (IA). Les ordinateurs peuvent désormais comprendre le langage humain, transcrire des textes, reconnaître des motifs et même conduire des voitures. Le fondement de ces développements est l'apprentissage automatique, le domaine qui traite de la façon dont les machines apprennent à partir de données. Malgré les avancées technologiques impressionnantes, la compréhension théorique des modèles d'apprentissage automatique modernes est insuffisante. L'analyse statistique traditionnelle développée au début du XXe siècle peine à faire face au régime moderne dans lequel le nombre de paramètres de modèle est du même ordre que la quantité de données - un problème connu sous le nom de malédiction de la dimensionnalité (MdD). Comprendre pourquoi les algorithmes utilisés dans la pratique quotidienne de l'apprentissage automatique fonctionnent si bien malgré la MdD est donc un défi théorique majeur, et est essentiel pour une acceptation plus large de ces méthodes dans des applications sensibles, telles que la médecine et les soins de santé. Ce projet concerne un aspect clé de ce problème : le rôle joué par la structure des données dans le succès des algorithmes d'apprentissage automatique.

Le/la post-doctorant(e) étudiera la structure dans ses différentes formes, de la parcimonie aux modèles génératifs, dans le contexte de modèles simples qui sont mathématiquement abordables. Pour cela, il/elle utilisera une combinaison d'outils classiques tels que la probabilité en haute dimension et la théorie des matrices aléatoires, avec des outils issus de la physique statistique des systèmes désordonnés. Avec ce projet, nous espérons avoir une meilleure compréhension théorique de l'interaction entre l'apprentissage des features et l'apprentissage de la structure dans des problèmes d’apprentissage automatique.

Activités

Tâches principales: Développer un projet de recherche sur le rôle de la structure des donnés dans l’apprentissage statistique.
Tâches secondaires: Animer des discussions scientifiques au sein du CSD, Presenter les résultats du projet dans des conferences nationales et internationales, participer activement dans la vie du CSD.

Compétences

- Doctorat en mathématiques appliqués, informatique ou physique théorique.
- Forte competence en probabilité et statistique, en particulier des notions de la concentration de la mesure, calcul stochastique, matrices aléatoires.
- Être à l’aise avec Python et les frameworks d’apprentissage (Numpy, PyTorch, SciPy, etc)
- Être à l’aise avec l’écriture des papiers scientifiques.
- Bonne maitrise de l’Anglais parlé et écrit.
- Capacité de travailler en équipe dans un environment multidisciplinaire.

Contexte de travail

Le/la post-doctorant(e) travaillera sous la direction de Bruno Loureiro, et fera partie de l’équipe DATA du département d’Informatique de l’École Normale Supérieure. Il/Elle sera basé au Centre Science des Données (CSD), une initiative pluridisciplinaire regroupant des chercheurs des départements d'Informatique, de Mathématiques, de Sciences Cognitives et de Physique de l'ENS.