Description du sujet de thèse

La plupart des travaux théoriques en apprentissage (ML) sur graphes s'appuient encore sur la théorie classique des graphes, où la structure des graphes est l'objet principal d'intérêt. Cependant, il est désormais clair que les données associées aux nœuds (ou node features) sont tout aussi importantes pour la prédiction, et que la relation entre la structure du graphe et les features joue un rôle clé. Cependant, l'incorporation des features des nœuds dans la théorie de l'apprentissage sur graphes reste largement insuffisante. En particulier, les modèles statistiques de graphes aléatoires, qui sont essentiels en théorie de l'apprentissage sur graphes, ignorent souvent les features des nœuds, ou les incorporent de manière souvent simpliste. L'objectif de cette thèse est d'établir de nouveaux modèles de graphes qui incluent naturellement à la fois les features des nœuds et la structure de graphe. Cela passera par une analyse comparative approfondie des différents algorithmes d'apprentissage et des jeux de données classiques afin de mieux caractériser les relations entre features des nœuds et structure de graphe. Cela sera suivi par la définition de nouveaux modèles statistiques de graphes qui incluent les caractéristiques des nœuds de manière non-triviale, et qui mettront en lumière les propriétés clés de différents jeux de données, voire inspirera de nouvelles architectures de réseaux de neurones sur graphes. L'équilibre entre études théoriques et empiriques dépendra du candidat.

Contexte de travail

Le candidat sera rattaché à l'équipe COMPACT de l'IRISA.

A propos du laboratoire
=============
www.irisa.fr
L'IRISA est l'un des plus grands laboratoires de recherche français (plus de 850 personnes) dans le domaine de l'informatique et des technologies de l'information. Structuré en sept départements scientifiques, l'IRISA est un laboratoire d'excellence dont les priorités scientifiques sont la bio-informatique, la sécurité des systèmes, les nouvelles architectures logicielles, la réalité virtuelle, l'analyse des Big Data et l'intelligence artificielle. Tourné vers l'avenir des technologies de l'information et ouvert sur l'international, l'IRISA est au cœur de la transition numérique de la société et de l'innovation dans les domaines de la cybersécurité, de la santé, de l'environnement et de l'écologie, des transports, de la robotique, de l'énergie, de la culture et de l'intelligence artificielle.

Présentation du CNRS en tant qu'employeur : https://www.cnrs.fr/fr/le-cnrs
L'IRISA comme laboratoire d'affectation : https://www.irisa.fr/umr-6074

Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.

Contraintes et risques

Le poste est situé dans une zone couverte par la protection du potentiel scientifique et technique (PPST) et nécessite, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.