Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

6 juin 2018

Poste LRU CDI Maître de conférences à CentraleSupélec


Catégorie : Enseignant-chercheur


Poste Permanent d'Enseignant-chercheur junior dans le domaine de l’intelligence artificielle.

Permanent position of Faculty at the assistant-professor level, in the domain of Artificial Intelligence.

 

Nature du poste : Enseignant-chercheur en Intelligence Artificielle, laboratoires et département de mathématiques de CentraleSupélec campus de Gif-sur-Yvette (CDI de droit public niveau Maître de conférences).

Section CNU : 26 ou 61

Profil court : Enseignant-chercheur junior dans le domaine de l’intelligence artificielle.

Mots-clés décrivant le profil : Intelligence artificielle, Algorithmes d’apprentissage statistique, Apprentissage à grande échelle, Réseaux de neurones (Deep Learning), Apprentissage par Renforcement.

Job profile: Faculty at the assistant-professor level, in the domain of Artificial Intelligence.

Research fields: Artificial Intelligence, Statistical & Machine Learning Algorithms, Large Scale Learning, neural networks, Deep learning, transfer learning, reinforcement learning.

Enseignement

Le candidat retenu fera ses enseignements dans le département de mathématiques dominante Sciences des données. Il participera aux enseignements dans le domaine des mathématiques pour des cours et des activités pédagogiques de base du nouveau cursus ingénieur (optimisation, apprentissage statistique...) et des cours de spécialisation en Intelligence Artificielle et Sciences des données.

En particulier, le candidat sera impliqué dans la mise en œuvre du nouveau cursus où il est attendu qu’il s’engage plus particulièrement dans la mention Intelligence Artificielle (dernière année de formation du cursus CentraleSupélec) et Sciences des données.

Le candidat pourra aussi prendre part à différentes activités pédagogiques du cursus en lien avec ses travaux de recherche (proposition d'un projet dans le parcours Recherche, projets dans le pôle IA & Sciences des données, études de cas dans la Filière Métiers de la Recherche).

La maitrise de l’enseignement en anglais est nécessaire.

Recherche

CentraleSupélec recrute un maître de conférences en Intelligence Artificielle au sens large pour renforcer son activité de recherche dans ce domaine qui est menée au sein de plusieurs de ses laboratoires/équipes.

Le candidat devra notamment démontrer une ouverture aux différentes approches possibles dans le domaine de l’IA. Les thématiques prioritaires sont l’apprentissage profond de représentations pour l’interprétation de données complexes et massives (données structurées, graphes et données non-structurées (texte, image, parole), données multi-modales, données médicales et biologiques, réseaux...), l’apprentissage par renforcement et/ou bayésien, l’apprentissage à grande échelle.

Le candidat devra avoir fait preuve de contributions pertinentes et originales en recherche dans ces domaines, en ayant démontré à la fois des capacités d’abstraction théorique, de formalisation mathématique et un intérêt fort pour les applications. Il lui sera aussi demandé d’être à l’initiative de projets de recherche collaborative au sens large avec le souci d’appliquer les résultats sur des données du monde socio- économique, multimédia ou du vivant.

La/le maître de conférence recruté(e) effectuera ses recherches dans l’un des laboratoires de CentraleSupélec exerçant une activité de recherche en IA. Il est attendu du candidat un projet d’intégration dans une des équipes décrites ci-dessous ou un projet transverse à ces différentes équipes.

Centre de Vision Numérique (CVN)

Contact : Jean-Christophe Pesquet jean-christophe.pesquet@centralesupelec.fr

Créé en 2011 et associé à Inria, le Centre de Vision Numérique (CVN) s’intéresse aux problématiques de la science des données. Les recherches menées au CVN se situent ainsi au carrefour des mathématiques et de l’informatique. Leur objectif est de proposer de nouveaux modèles déterministes ou statistiques pour l’analyse et le traitement de données massives. Un aspect essentiel est la conception de méthodes d’optimisation de ces modèles ainsi que l’étude de leurs performances. La finalité de ces travaux est de résoudre efficacement des problèmes de très grandes dimensions se posant en vision par ordinateur, en apprentissage automatique et en problèmes inverses. Les applications visées concernent principalement le domaine biomédical, notamment dans le contexte de l’imagerie 3D, en liaison avec le monde hospitalier ou différents acteurs industriels du domaine. Les activités de recherche menées au CVN s’articulent plus précisément autour de 3 axes: les algorithmes parallèles pour la résolution des problèmes d’optimisation continue de grande dimension, l’optimisation de graphes et l’apprentissage profond optimal.

Laboratoire des Signaux et Systèmes (L2S)

Contacts : Frederic Pascal (Signaux&Stats), frederic.pascal@centralesupelec, Pablo Piantanida (Telecoms&Réseaux), pablo.piantanida@centralesupelec.fr

Pôle Signaux & Statistiques : Les principales thématiques scientifiques concernées sont la modélisation, la représentation, l’apprentissage automatique, l’estimation, l’optimisation et la reconstruction dans le cadre de problèmes inverses. Le pôle Signaux et Statistiques du L2S est reconnu au travers de ses deux équipes pour son expertise dans l'analyse et la reconstruction de signaux dans le cadre de problèmes inverses (optimisation, méthodes parcimonieuses, méthodologie bayésienne) avec le GPI, et pour les outils méthodologiques avec un goût pour les mathématiques de l’aléatoire (modélisation, estimation, détection) avec l’équipe modélisation et estimation. Le pôle Signaux et Statistiques possède une expertise reconnue dans ce domaine d’application, notamment dans le traitement de signaux médicaux et d’images médicales, la classification de signaux EEG ou de données multimodales.

Pôle Télécoms et Réseaux : Etude d'algorithmes capables d’extraire des concepts ou patrons (apprentissage de représentation profondes) à partir de données de grandes dimensions (image, parole...). Les travaux se concentrent sur les réseaux de neurones profonds (Deep Learning) ainsi que les algorithmes de Bandit manchot, appliqués entre autres au contexte de données massives. L’équipe s’intéresse particulièrement aux développement des outils pour l’apprentissage (nouvelles métriques, méthodes de régularisation, algorithmes de gradient stochastique,...) et son analyse mathématique à l’aide de la théorie de l’information et statistique pour des applications ciblées en intelligence artificielle (classification, confidentialité des données, smart grids, communications dans IoT,...).

Candidatures

Dossier au format pdf, comportant une lettre de motivation, un CV détaillé (expérience d’enseignement, recherche, mobilités, publications...), un projet d’intégration, une copie d’un document d’identité et tous document permettant d’attester de l’expérience devront être adressés par courriel uniquement aux deux contacts ci-dessous avant le 30 juin 2018 au plus tard :

Pour tous renseignements d’ordre administratif, s’adresser au service des personnels : Lorraine Maret, lorraine.maret@centralesupelec.fr

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.