En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

H/F Thèse de doctorat Statistiques et apprentissage automatique pour la prédiction de résultats complexes avec applications à la sûreté nucléaire

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

Date Limite Candidature : lundi 12 juin 2023

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 !

Informations générales

Intitulé de l'offre : H/F Thèse de doctorat Statistiques et apprentissage automatique pour la prédiction de résultats complexes avec applications à la sûreté nucléaire
Référence : UMR5219-FRABAC-001
Nombre de Postes : 1
Lieu de travail : TOULOUSE
Date de publication : lundi 22 mai 2023
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 15 novembre 2023
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel
Section(s) CN : Mathématiques et interactions des mathématiques

Description du sujet de thèse

La prédiction de résultats à valeur scalaire ou vectorielle est désormais bien comprise dans les statistiques et l'apprentissage automatique. Cependant, dans de nombreuses applications, on serait plutôt intéressé par la prédiction d'une quantité d'intérêt prenant des valeurs dans des espaces plus complexes, tels que les variétés géométriques, des espaces de mesures et des sous-espaces euclidiens avec des contraintes non linéaires.



Plusieurs possibilités seront explorées, en se concentrant en particulier sur la prédiction de mesures. La méthodologie développée sera appliquée à des problèmes réels de dynamique des fluides numérique, en collaboration avec l'Institut de radioprotection et de sûreté nucléaire (IRSN). Les exemples de résultats sont des images d'écoulement et des histogrammes de quantités physiques d'intérêt. La motivation industrielle est donc une meilleure compréhension de l'écoulement diphasique dans les générateurs de vapeur des centrales nucléaires.

Contexte de travail

Institut de mathématiques de Toulouse. L'environnement est riche avec beaucoup d'événements scientifiques.