Doctorant F/H apprentissage non supervisé sur des données structurées en graphes, et les gaps 'computationnels-informationnels' associés

Télécharger l'offre au format PDF

Type de contrat : CDD

Niveau de diplôme exigé : Bac + 5 ou équivalent

Fonction : Doctorant

Contexte et atouts du poste

Dans le cadre d’un partenariat (vous pouvez choisir entre)

  • non pertinent,

L’ objectif est de
développer des modèles probabilistes de données en grande dimension ainsi que des méthodes de machine learning pour l'apprentissage à partir de telles données. On s'intéressera tout particulièrement à des données structurées en graphes, et à des tâches d'apprentissage non  supervisé telles que l'alignement de graphes. Un enjeu de cette thèse sera de caractériser plus précisément le phénomène de "gap computationnel-informationnel" pour de telles tâches d'apprentissage. On visera tout particulièrement à caractériser finement sous quelles conditions sur les données d'apprentissage les méthodes populaires de relaxation convexe parviennent à réaliser l'apprentissage souhaité. On s'attachera aussi à identifier de nouvelles méthodes aux bonne propriétés de robustesse vis-à-vis des types de données traitées.

Le candidat sera localisé au Centre Inria de Paris, dans l’équipe ARGO, commune avec DI ENS, PSL, sous la direction de Laurent Massoulié. Il sera inscrit en thèse en informatique à l’École doctorale 386 Sciences Mathématiques de Paris Centre, via le Département Informatique de l’ENS.

 

Mission confiée

Missions :
Les travaux de cette thèse visent des résultats théoriques qui seront présentés dans des conférences et des journaux sur l'apprentissage (eg, ICML, NeurIPS), en statistiques et en probabilités.

Pour une meilleure connaissance du sujet de recherche proposé :
Les références et notes de cours disponibles sur la page https://www.di.ens.fr/laurent.massoulie/page_MDA_course.html sont pertinentes pour le contexte de cette thèse.

 

Principales activités

Principales activés :


étude bibliographique


proposer des nouveaux algorithmes pour l'apprentissage non-supervisé sur des données structurées en graphes
faire une étude des algorithmes proposés
redaction des articles de recherche
présentations à des seminaires et des conférences
Activités complémentaires :
participations aux seminaires d'équipe et à des groupes de lecture

Compétences

Compétences techniques et niveau requis :

Excellente maîtrise au niveau M2 des probabilités et des statistiques. Bonne maîtrise de la théorie de l'analyse convexe. 

Langues : très bon niveau d'anglais

Compétences relationnelles : autonomie, capacité de travailler en équipe

 

Avantages

  • Restauration subventionnée
  • Transports publics remboursés partiellement
  • Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement)
  • Possibilité de télétravail et aménagement du temps de travail
  • Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.)
  • Prestations sociales, culturelles et sportives (Association de gestion des œuvres sociales d'Inria)
  • Accès à la formation professionnelle
  • Sécurité sociale