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

Doctorante / doctorant en intelligence artificielle (H/F)

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

Date Limite Candidature : jeudi 6 avril 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 : Doctorante / doctorant en intelligence artificielle (H/F)
Référence : UMR8188-SRDVES-002
Nombre de Postes : 1
Lieu de travail : LENS
Date de publication : vendredi 17 mars 2023
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 octobre 2023
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel
Section(s) CN : Sciences de l'information : fondements de l'informatique, calculs, algorithmes, représentations, exploitations

Description du sujet de thèse

Le changement climatique et la santé figurent parmi les grands défis auxquels l'humanité est confrontée. Malheureusement, la mise en œuvre de solutions efficaces pour relever ces défis est contrecarrée par la désinformation, par exemple le déni du changement climatique ou la propagande anti-vaccins. Pour résoudre ce problème, le projet SURFING (Using argumentation for fact-checking) propose des méthodes robustes et holistiques de vérification des faits. Les méthodes proposées peuvent réduire le biais des données, regrouper les informations de plusieurs déclarations et aboutir à des conclusions globales. Alors que les humains peuvent utiliser des connaissances spécifiques de domaine pour argumenter sur la véracité d'un fait, les ordinateurs n'ont normalement pas accès à de telles informations. Pour capturer ces connaissances du monde réel, nous visons à extraire des arguments du web et à construire des graphes de faits qui indiquent si les faits s'attaquent ou se soutiennent les uns les autres. Nous proposons ensuite de développer des algorithmes de graphes basés sur la théorie de l'argumentation afin d'agréger ces connaissances et d'en débattre. Sur la base de ces étapes, nous parviendrons à la valeur de véracité d'un argument donné qui prend en compte toutes les connaissances disponibles.

Contexte de travail

Thèse dans le cadre du projet avec l'Université d'Arizona (France-Arizona joint PhD program)