Missions

Les progrès importants des méthodes d’apprentissage automatique ont eu un impact majeur sur l’industrie et la société, et ont transformé de nombreuses disciplines scientifiques. Cependant, les algorithmes d'apprentissage les plus performants, comme les réseaux de neurones profonds, sont considérés comme des boîtes noires et ne bénéficient pas d’une base théorique forte. Ce manque de compréhension et d’interprétation entraîne des problèmes cruciaux, comme un coût d'entraînement des algorithmes très élevé et un manque de visibilité sur les risques encourus par des prédictions potentiellement imprécises.

Le/la post-doctorant(e) aura pour mission d'étudier les algorithmes modernes d'apprentissage sous un angle théorique et de faire des avancées théoriques dans ce contexte. Il/elle utilisera ensuite ces garanties théoriques pour développer des méthodologies plus robustes, notamment pour des problèmes à grande échelle (haute dimension et/ou grandes bases de données). Pour cela, il/elle exploitera la théorie du transport optimal, qui fournit un cadre mathématique pertinent pour la manipulation des distributions de probabilité à partir de principes géométriques simples et intuitifs.

Activités

- Tâches principales : mener un projet de recherche visant à faire des avancées sur les garanties théoriques des algorithmes d'apprentissage statistique ; publier les résultats à des conférences ou journaux
- Tâches secondaires : participer à la vie scientifique du laboratoire d'accueil, notamment du Centre de Sciences de Données (CSD) ; présenter ses travaux de recherche à des colloques nationaux et internationaux

Compétences

- Doctorat en mathématiques ou informatique
- Compétences importantes en statistiques, optimisation numérique et théorie du transport optimal
- Bonne maîtrise de Python et de des bibliothèques pour l'implémentation d'algorithmes d'apprentissage
- Bonne maîtrise de l'anglais notamment pour la lecture et l'écriture d'articles scientifiques, et la diffusion des travaux de recherche dans des colloques internationaux

Contexte de travail

Le/la postdoctorant(e) travaillera avec Kimia Nadjahi (CNRS - ENS) et Claire Boyer (Institut de Mathématiques d'Orsay, Université Paris-Saclay). Il/elle fera partie de l'équipe DATA du département d'informatique de l'École Normale Supérieure (ENS). Il/elle sera basé(e) au CSD, une initiative pluridisciplinaire regroupant des chercheurs et chercheuses des départements d'informatique, de mathématiques, de sciences cognitives et de phsyique de l'ENS.