Bandeau du Laboratoire d'Informatique & Systèmes (LIS)

Fichier PDF   Doctorat : AI-assisted prognostics and health management for fuel cell electric vehicles

Candidature avant : 30/04/2021

Modalité :
• Graduated or graduating in relevant disciplines (automatic control/electrical engineering/computer science); • Great academic score; • Solid background and/or research experiences in automatic control and/or machine learning; • Great interest in electric vehicles and artificial intelligence; • Good master of Matlab and Python; • Solid skills on experimental manipulations (electromechanical systems, power converters, embedded control systems, etc…); • Fluent English, oral and written communications (meetings, seminars, conferences) • Self-learning ability, autonomy, initiative.

Résumé :
Fuel cell electric vehicles (FCEV) has been considered as one of the ideal alternatives of various vehicles thanks to the attractive properties such as high power density, high efficiency and zero on-board emission. Despite the advantages, fuel cells (FCs), as principle power sources in FCEVs, are still suffering from low durability which is considered as the bottleneck of the FCEVs. From some recent studies, it is found that the low FC durability, in most cases, has been due to the system operation issues rather than the problems in the FCs themselves. With this in mind, it is necessary to operate FCs properly and in favour of the FC durability enhancement. Due to the complex physical and chemical processes and the highly uncertain FC operating conditions, the access of FC internal degradation state and the prediction of its evolution, which are two key elements for optimizing FC operation, have been considered as two challenging issues. This PhD project is therefore oriented to developing tools to handle the prognostics and health management (PHM) for FCEVs. Specifically, the objective of the PhD project is twofold: 1) develop AI-assisted self-cognizant tools to identify and predict FC intrinsic degradation indices; 2) develop a control-oriented self-adaptable model for FC systems targeting at durability enhancement control. This PhD project is a part of project DEAL (https://deal.lis-lab.fr/) funded by French National Research Agency (ANR). The PhD work will be carried out in two CNRS labelled laboratories: LIS (CNRS 7020) located in Marseille and FEMTO-ST (CNRS 6174) in Belfort.




Fichier PDF   Doctorat : Intelligent durability enhancement control for fuel cell electric vehicles

Candidature avant : 30/04/2021

Modalité :
• Graduated or graduating in relevant disciplines (automatic control/electrical engineering/computer science); • Great academic score; • Solid background and/or research experiences in automatic control and/or machine learning; • Great interest in electric vehicles and artificial intelligence; • Good master of Matlab and Python; • Solid skills on experimental manipulations (electromechanical systems, power converters, embedded control systems, etc…); • Fluent English, oral and written communications (meetings, seminars, conferences) • Self-learning ability, autonomy, initiative.

Résumé :
Battery based electric vehicles (EVs) suffer from long recharging cycle, heavy weight, and limited driving range which have been considered as the essential limits of battery and cannot be perfectly resolved. Compared with battery based EVs, fuel cell (FC) EVs, with shorter repose (recharging) time, lighter weight, less well-to-wheels energy consumption (within the same driving range), have been considered as one of the ideal alternatives of various vehicles. Despite the advantages, FCs, as principle power sources in FCEVs, are still suffering from low durability which is considered as the bottleneck of the FCEVs. Among various solutions, optimizing FC system control is a key factor for improving FC durability. This PhD project aims at improving the durability of FCs applied in heavy-duty vehicles by exploring self-cognizant optimal control. To achieve this, the thesis will generally involve twofold work: 1) develop online learning function for FC system model in consideration of FC degradation and the uncertainty of operating conditions; 2) develop learning-based durability enhancement control. This PhD project is a part of project DEAL (https://deal.lis-lab.fr/) funded by French National Research Agency (ANR). The PhD work will be carried out in two CNRS labelled laboratories: LIS (CNRS 7020) located in Marseille and FEMTO-ST (CNRS 6174) in Belfort.




Fichier PDF   Doctorat : Offre de thèse "Frugal Models and Algorithms for Machine Learning", Qarma, LIS + I2M

Candidature avant : 01/10/2021

Modalité :
Les dossiers de candidature sont à envoyer pour le 2 mai. Voir détails dans l'offre.

Résumé :
Voici une offre de thèse en machine learning sur le thème "Frugal Models and Algorithms for Machine Learning", coencadrée par Valentin Emiya (Qarma, LIS) et Caroline Chaux (I2M). Détails de l'offre: https://bit.ly/2RUbeuG .




Fichier PDF   Stage : Matching contextual and definitional embeddings for a sense-aware reading assistant

Candidature avant : 30/11/2021

Modalité :
Email Carlos Ramisch et Alexis Nasr (first.last@lis-lab.fr) before November 30st, 2021

Résumé :
Imagine you are reading a book in a foreign language that you understand quite well, but you are not totally fluent in. At some point, you come across a word that you do not understand in a sentence. Imagine you can click on the word in your screen and its definition shows up. The goal of this internship is to **develop and evaluate an original NLP model capable of aligning a word's context with its correct definition, even if the word is ambiguous, i.e., having more than one definition listed in the dictionary.** This internship will take place in the context of the recently funded ANR SELEXINI project. The project aims at developing lexicon induction methods to create a large structured semantic lexicon for French. One of the by-products of this internship is a large French corpus with corresponding contextual embeddings aligned to Wiktionary entries. The intern will join the TALEP team in Luminy, Marseille, and have the opportunity to interact with researchers in the partner universities (Univ. de Saclay, Univ. de Paris, Univ. de Lorraine) and submit a paper to an international conference, depending on the results of the internship.




Fichier PDF   Stage : Representation Learning for Text Mining Tasks

Candidature avant : 30/11/2021

Modalité :
Master 2-Informatique NLP, Deep-Learning, Relational Learning, Hybrid Approaches, Relation Extraction Contact : Bernard.espinasse@lis-lab.fr

Résumé :
Text mining increasingly uses Deep Learning techniques for Natural Language Processing (NLP) tasks such as information extraction (named entity recognition and relation extraction) or higher-level tasks such as text simplification, and automatic text summarization. Such deep learning techniques are based on many neural network architectures, including Convolutional (CNN), Recurrent (RNN), and Long Short Term Memory Neural Networks (LSTM), and more recently Transformers with BERT (Bidirectional Encoder Representations from Transformers), that allow to reach impressive results in many NLP task. However, as demonstrated by recent studies such performance can be improved by mainly integrating linguistic features such as syntactic dependencies (Espinasse et al., 2019). In addition, other symbolic NLP-based techniques make better use of linguistics and external semantic resources (ontologies), including the use of relational learning as in (Lima et al., 2019) (Verbeke et al., 2014). In order to go beyond the limits of deep learning techniques, their combination with these symbolic techniques seems to be beneficial. This research work will address recent advances in representation learning (Škrlj et. al., 2021), a cutting-edge research area of machine learning. Representation learning refers to modern data transformation techniques that convert data of different modalities and complexity, including texts, graphs, and relations, into compact tabular representations, which effectively capture their semantic properties and relations. More particularly, this Master's internship will focus on new hybrid software solutions combining two approaches for symbolic and embedding representation (Lavrac et al., 2021) (Škrlj et. al., 2021) propositionalization approaches, established in relational learning and inductive logic programming, and (ii) embedding approaches, which have gained popularity with recent advances in deep learning. After having better identified the interest and limitations of these new hybrid approaches based on representation learning techniques, their implementation will be evaluated on specific tasks such as the named entity recognition, and/or relation extraction




Fichier PDF   Stage : Joint speech segmentation and syntactic analysis

Candidature avant : 01/02/2022

Modalité :
Send a CV and cover letter to benoit.favre@lis-lab.fr & alexis.nasr@lis-lab.fr before November 1st, 2021.

Résumé :
Segmenting speech transcripts is difficult due to the lack of punctuation in automatically generated transcripts. Syntactic analysis of the spoken message might really help assessing the validity of the proposed sentence sequence, but syntactic parsing is often performed after segmentation. The goal of this internship is to develop a joint model of syntactic parsing and sentence segmentation for spoken recordings, based on lexical and prosodic features. A shift-reduce parser will be modified to perform the joint task, and account those specific inputs. Experiments will be carried out on a large corpus of segmented speech annotated with syntax.




Fichier PDF   Stage : Syntactic analysis of speech without transcription

Candidature avant : 01/02/2022

Modalité :
This internship is not available anymore.

Résumé :
Syntactic analysis, or syntactic parsing, consists in predicting a tree representationof the syntactic relationship between words of a sentence. When processing speech, syntactic parsing requires a word sequence typically generated with automatic speech transcription. The goal of this internship is reconsider this fundamental assumtion and generate a syntactic representation of spoken utterences without having access to a word transcript. Instead the proposition is to explore unsupervised clustering of acoustic units as input to a syntactic parser. The internship will involve extracting symbolic representations from the raw speech signal and pre-training a shift-reduce syntax parser on large quantities of speech recordings.




Fichier PDF   Stage : Using deep learning to study children’s multimodal behavior in face-to-face conversation

Candidature avant : 01/02/2022

Modalité :
Email Abdellah Fourtassi (abdellah.fourtassi@univ-amu.fr) before November 1st, 2021 if possible

Résumé :
The study of how children develop their conversational skills and how these skills help them learn from others is an important scientific frontier at the crossroad of social, cognitive, and linguistic development with important applications in health (e.g., mitigating communicative difficulties), education (e.g. improving teaching practices), and child-oriented AI (e.g., virtual learning companions). Recent advances in Natural Language Processing and Computer Vision allow going beyond the limitations of traditional research methods in the lab and advance formal theories of conversational development in real-life contexts. In this internship, we will leverage some of these recent techniques (e.g., multiscale recurrent neural network) to build a model that mimics how children behave in face-to-face conversations with their caregivers and how this behavior develops across middle childhood.




Fichier PDF   Stage : Using interpretability methods to explain Vision-Language models for medical applications

Candidature avant : 01/02/2022

Modalité :
This internship is not available anymore.

Résumé :
Recent developments in Vision-Language multimodal transformers have allowed a variety of novel applications that mix images and texts. However, such models convey little explainability which is a problem in the medical domain. The goal of this internship is to develop multimodal black-box explainability methods that can give users of Vision-Language models rich insight about how such models make decisions for a given instance.




Fichier PDF   Stage : Impact of language evolution in historical texts on NLP models

Candidature avant : 01/02/2022

Modalité :
This internship is not available anymore.

Résumé :
Research in digital humanities often require processing large sets of historical documents, that are characterized by a high degree of language variation. This variation is mainly due to how language has evolved over the last centuries, due to political will and normation efforts. In this context, natural language processing systems, often trained on current language, tend to be affected by language variation and have poor performance. The goal of this internship is to study the effect of language variation on NLP performance, and propose approaches in order to limit that effect.




Fichier PDF   Stage : Deep learning for speech perception

Candidature avant : 01/02/2022

Modalité :
Send a CV and cover letter to ricard.marxer@lis-lab.fr before Nov 1st, 2021

Résumé :
The goal of this internship is to produce the first DL-based models that predict human intelligibility at the sublexical level. This translates into predicting the positions in the audio stimuli where confusions will occur, and the type of confusions, in other words, which phonemes are confused with which others on an individual basis.




Fichier PDF   Stage : Simplification de textes via l’identification de passages faisant référence à des informations implicites et l’estimation d’une similarité stylistique

Candidature avant : 01/02/2022

Modalité :
CV et lettre de motivation à envoyer à patrice.bellot@univ-amu.fr et liana.ermakova@univ-brest.fr avant le 30 novembre 2021

Résumé :
Ce stage se propose d'étudier deux aspects de la simplification de textes : la détection de passages non suffisamment explicites pour une compréhension aisée et l'identification de caractéristiques stylistiques importantes à la perception de la "tonalité" du texte. Il s'inscrit dans le cadre du projet collaboratif international SimpleText (https://simpletext-madics.github.io/). Les approches proposées seront issues du traitement automatique des langues et de la recherche d'information (approches statistiques et neuronales combinées à des ressources linguistiques). Le stage sera co-encadré par P. Bellot (Marseille) et L. Nurbakova (Brest).




Fichier PDF   Stage : Recherche de contenus vidéo à partir de requêtes thématiques et émotionnelles

Candidature avant : 01/02/2022

Modalité :
CV et lettre de motivation à envoyer à patrice.bellot@univ-amu.fr, elisabeth.murisasco@lis-lab.fr et emmanuel.bruno@lis-lab.fr

Résumé :
Ce stage concerne les domaines de l’informatique émotionnelle, de la recherche d’information et du traitement automatique des langues. Les approches cibles sont celles des modèles statistiques de la recherche d’information, de l’apprentissage automatique profond, de la fusion d’information et de données, de la communication humain-machine. On s’intéresse plus particulièrement à une recherche d’information qualifiée d’émotionnelle en ce sens que la requête utilisateur exprime le besoin de trouver des documents qui évoquent un thème avec une coloration émotionnelle précise (peur, joie, dégoût, surprise...). Les documents sont des vidéos pour lesquelles l’on dispose des transcriptions des paroles prononcées ainsi que de logiciels permettant d’analyser les expressions faciales.




Fichier PDF   Stage : L'IA pour décoder les émotions dans le cerveau

Candidature avant : 01/02/2022

Modalité :
CV et lettre de motivation à leonor.becerra@lis-lab.fr, philippe.blache@univ-amu.fr et eliot.maes@lis-lab.fr avant le 05/12/2021

Résumé :
Le sujet du stage consiste à proposer un modèle multimodal des émotions appris sur un corpus de conversation existant, K-EmoCon, et à en valider la pertinence en le corrélant au signal neuro-physiologique.




Fichier PDF   Stage : Détection et quantification des mouvements répétitifs d’enfants avec autisme à l’aide d’un réseau de neurones profond

Candidature avant : 01/02/2022

Modalité :
This internship is not available anymore.

Résumé :
L’objectif de ce stage est de développer une technique non-intrusive d’analyse des mouvements répétitifs pour la détection des symptômes liés au spectre de l'autisme. Il s'agit d'adapter la méthode RepNet proposée par Dwibedi et al. pour la détection de répétitions dans les vidéos à des entrées sous la forme d'un squelette 3D dérivé d'un capteur vidéo et profondeur. Des méthodes de calcul de similarité entre courbes multi-paramétriques et des stratégies d'augmentation de données devront être développées.




Fichier PDF   Stage : Méthodologie de Modélisation, contrôle et commande d’une flottes d’engins Mobiles

Candidature avant : 01/03/2022

Modalité :
Ce stage est destiné aux candidats ayant eu une formation spécifique en automatique avec des Connaissance des Outils informatiques python et Matlab Les candidats peuvent contacter Prof. N. K. M’Sirdi (nacer.msirdi@lis-lab.fr) : CV et lettre de motivation plus entretien

Résumé :
Le sujet concerne la commande d’une flotte d’engins mobiles qu’on veut autonomes et dotés d’un caractères de fonctionnement et d’intelligence. Cette problématique soulève plusieurs verrous scientifiques en matière d’observabilité, de prédiction, de manœuvrabilité et de commandabilité.




Fichier PDF   Doctorat : Using deep learning to study children’s communication development across cultures

Candidature avant : 30/04/2022

Modalité :
The candidate should have a master degree (M2) or engineering diploma with strong training (and ideally research experience) in machine learning and more specifically deep-learning models of NLP and Computer Vision. Genuine interest in Cognitive Science is a bonus. The applications should be sent before the end of April 2022 (see pdf for the required documents). But the earlier applications will enjoy better odds of being selected. Applications (and inquiries) should be sent to Abdellah Fourtassi (abdellah.fourtassi@univ-amu.fr)

Résumé :
The broad goal of the PhD researcher is to lead the development of deep learning models of child multimodal communication using Zoom recordings of children and their parents across several cultures. Our team is interested in studying children's learning of various conversational skills including turn-taking dynamics, mechanisms of building shared understanding (i.e., communicative grounding), multimodal synchronization, and discourse coherence/contingency. We are also interested in the application of this research both to help design more effective clinical interventions (for children with communicative difficulties) and to build child-oriented conversational AI. The selected candidate can focus on one or several of these dimensions, defining a research program together with the main advisor. More information in this link https://cocodev1.gitlab.io/website/2022/02/27/phd-model




Fichier PDF   Doctorat : Modèle de performance des navires basé sur la simulation et les données : Application à un ensemble de navires.

Candidature avant : 02/05/2022

Modalité :
Le candidat doit être titulaire d’un diplôme d’ingénieurs ou d’un Master (M2) en automatique, sciences des données, mathématiques ou informatique avec de bonnes connaissances en Machine learning ainsi que la maîtrise des approches. Contacts : Hassan NOURA (hassan.noura@lis-lab.fr) Guillaume GRATON (guillaume.graton@lis-lab.fr) El Mostafa EL ADEL (el-mostafa.el-adel@lis-lab.fr)

Résumé :
Cette thèse s’inscrit dans le cadre du projet TNTM (Transformation Numérique du Transport Maritime) inscrit au PIA (Programme d'Investissements d'Avenir). Ce projet a pour but de répondre à plusieurs problématiques inhérentes au transport maritime avec • l’optimisation des différentes étapes de la partie maritime de la chaîne logistique, à savoir l’affectation optimale d’une flotte de navires sur un réseau, le remplissage optimal de conteneurs dans un navire, le routage optimal de navires en prenant en compte les contraintes environnementales ; • l’utilisation de données de monitoring pour améliorer les performances navires ; • l’optimisation des flux logistiques grâce aux données (IoT) conteneurs. Cette thèse se focalisera sur la performance des navires.




Fichier PDF   CDD : Research engineer position at Aix Marseille University (France) - SELEXINI project

Candidature avant : 02/05/2022

Modalité :
Please send your CV and a few lines explaining why you are applying to carlos.ramisch [AT] lis-lab.fr before May 2.

Résumé :
SELEXINI (https://selexini.lis-lab.fr) is a research project whose goal is to develop next-generation word sense induction methods for French. The induced lexicons will not only cluster word usages according to their senses, but also contain multiword expressions, argumental structure, generated definitions, etc. The developed word sense induction methods will build upon large pre-trained language models (e.g. FlauBERT, CamemBERT) and existing lexical resources (French Wiktionary). We are currently looking for an engineer whose mission will be to put in place the initial infra-structure of the project. This mission will have five phases: (1) corpus curation, (2) preprocessing, (3) pre-lexicon extraction, (4) language model adaptation, and (5) corpus-lexicon alignment. Details: https://selexini.lis-lab.fr/jobs/2022/03/29/engineer-position




Fichier PDF   Doctorat : Apprentissage profond basé sur la conception de modèles efficaces : applications à la surveillance maritime

Candidature avant : 05/06/2022

Modalité :
Pour candidater, veuillez envoyer votre CV, relevés de notes avec qualifications et informations pertinentes, à Thanh Phuong NGUYEN (tpnguyen@univ-tln.fr) et Yassine ZNIYED (zniyed@univ-tln.fr). Compétences attendues : Un candidat autonome et très motivé est sollicité avec un fort intérêt pour le domaine des méthodes mathématiques avancées appliquées au traitement du signal et l’apprentissage automatique. Une formation solide en traitement du signal, mathématiques appliqués, machine learning ou informatique. Une bonne maîtrise des algorithmes d’apprentissage automatique, notamment les réseaux de neurones. De bonnes compétences en programmation python sont requises. La connaissance des frameworks d\\\'apprentissage (PyTorch, tensorflow, tensorly, etc.) est un plus souhaitable. Le candidat doit avoir de bonnes capacités en communication orale et écrite.

Résumé :
Dans le cadre de cette thèse, nous nous concentrerons sur la compression des réseaux de neurones en réduisant les besoins en stockage, en consommation d'énergie, et complexité de calcul dans la phase d'inférence des réseaux de neurones sans que cela n'affecte leur précision.




Fichier PDF   Doctorat : Vers la découverte automatique de zones d’intérêt dans le domaine du transport maritime

Candidature avant : 05/06/2022

Modalité :
Profil du candidat : • Titulaire d’un master 2 ou diplôme d’ingénieur en informatique • Solides compétences en apprentissage automatique (machine learning) • Solides compétences en programmation objet et bases de données (python est un plus) • Bonne expérience en statistiques • Connaissances sur les SIG • Bonne communication orale et écrite en français et anglais Les candidatures doivent être adressées à : etienne.thuillier@univ-amu.fr, sana.sellami@univ-amu.fr et omar.boucelma@univ-amu.fr -CV détaillé -Lettre de motivation -Détails des deux derniers relevés de notes (notamment M1 et M2) -Lettres de recommandation

Résumé :
Le contexte scientifique de cette thèse relève du Trajectory (Data) Mining, i.e., un ensemble de techniques visant à explorer, analyser, et fouiller des données spatio-temporelles issues des trajectoires d’objets mobiles. L'objectif de cette thèse est de développer des modèles pour l'identification des ZOI et leur emprise spatiale à partir des trajectoires spatio-temporelles des conteneurs et la classification de ces ZOI en fonction des informations contextuelles et des connaissances métier de notre partenaire industriel dans le projet TNTM.




Fichier PDF   Doctorat : Design optimal du réseau maritime

Candidature avant : 12/07/2022

Modalité :
La personne recherchée devra être titulaire d'un Master 2 ou un diplôme d’ingénieur avec de solides compétences en informatique (notamment en algorithmique et programmation), intelligence artificielle, programmation par contraintes, optimisation combinatoire et/ou recherche opérationnelle. Une expertise en modélisation sera un plus apprécié. Les candidatures doivent être déposées avant le 12 juillet 2022 sous la forme d'un unique fichier pdf envoyé par courriel à Cyril Terrioux (cyril.terrioux@univ-amu.fr).

Résumé :
Cette thèse porte sur le développement d'algorithmes d'optimisation permettant de définir le design optimal d'un réseau maritime. Elle s'effectuera en partenariat avec la CMA CGM dans le cadre du projet Transformation Numérique du Transport Maritime (TNTM) financé par le PIA (Programme d'Investissement pour l'Avenir).




Post-doctorat : Postdoc position within the ANR project LambdaComb

Candidature avant : 01/09/2022

Modalité :
Application process: * Deadline for applications is March 27, 2022, for a starting date in September 2022 (or sooner, negotiable). * Candidates can send their application to Luigi Santocanale (luigi.santocanale@lis-lab.fr) and/or Noam Zeilberger (noam.zeilberger@lix.polytechnique.fr) with a subject containing “[LambdaComb post-doc application]”. * The application should contain a CV, a brief research statement (1-2 pages) & at least two contacts of reference persons (or reference letters if available). * The salary and precise length of the contract will depend on the successful candidate’s prior research experience, with a guaranteed minimum of 2466 EUR/month gross salary for the LIS postdoc and of 2520 EUR/month gross salary for the LIX postdoc. * The selection process will be achieved in collaboration with other project coordinators. Further enquiries about the position may be addressed to Luigi Santocanale (luigi.santocanale@lis-lab.fr) or Noam Zeilberger (noam.zeilberger@lix.polytechnique.fr).

Résumé :
Announcement for two 11-15-month postdoctoral positions funded by the ANR LambdaComb. Project summary : LambdaComb is an interdisciplinary project financed by the French Agence Nationale de la Recherche. Broadly, the project aims to deepen connections between lambda calculus and logic on the one hand and combinatorics on the other. One important motivation for the project is the discovery over recent years of a host of surprising links between subsystems of lambda calculus and enumeration of graphs on surfaces, or “maps”, the latter being an active subfield of combinatorics with roots in W. T. Tutte’s work in the 1960s. More informations can be found on the project webpage: https://www.lix.polytechnique.fr/LambdaComb/ We seek candidates holding or soon to receive a PhD in Computer Science or Mathematics and with expertise in one or several of the following areas: * Category theory (with a focus on monoidal closed categories and multicategories) * Combinatorics * Logic and lattice theory * Proof theory, types, and Curry-Howard correspondence The ideal candidate will have a strong background in one of the areas and at least an interest in the others. We aim to recruit two postdocs who will be employed respectively at: * LIS research laboratory (https://www.lis-lab.fr/) in Marseille, France, working under the mentorship of Luigi Santocanale * LIX laboratory (https://www.lix.polytechnique.fr/) in Palaiseau, France (south of Paris), working under the mentorship of Noam Zeilberger Both postdocs will have opportunities for visiting other partner institutions and for collaborating with other members of the project (see full list at the project page linked above).




Doctorat : PhD. grants in the machine learning (QARMA) team

Candidature avant : 01/09/2022

Modalité :
Contact thierry.artieres@lis-lab.fr

Résumé :
Multiple doctoral grants are available in the QARMA team for PhD starting on September 2022: - Multimodal Fair Learning - Machine Learning and deep Learning for Astrophysics - Deep Learning for understanding sound representations in the brain - Studying neuronal bases of voice information processing with machine learning More details on https://qarma.lis-lab.fr/open-positions/phd-offers-starting-september-2022/




Doctorat : PhD. grants in the machine learning (QARMA) team

Candidature avant : 01/09/2022

Modalité :
Contact thierry.artieres@lis-lab.fr

Résumé :
Multiple doctoral grants are available in the QARMA team for PhD starting on September 2022: - Multimodal Fair Learning - Machine Learning and deep Learning for Astrophysics - Deep Learning for understanding sound representations in the brain - Studying neuronal bases of voice information processing with machine learning More details on https://qarma.lis-lab.fr/open-positions/phd-offers-starting-september-2022/




Fichier PDF   Doctorat : Optimisation multi-critères du trajet d'un navire

Candidature avant : 05/09/2022

Modalité :
Profil recherché : La personne recherchée devra être titulaire d'un Master 2 ou un diplôme d'ingénieur avec de solides compétences en informatique (notamment en algorithmique et programmation), en optimisation combinatoire et en intelligence artificielle et/ou recherche opérationnelle. Une expertise en programmation par contraintes sera un plus apprécié. Dépôt de candidature : Les pièces demandées pour la candidature sont les suivantes : - CV (au plus 3 pages), - Relevés de notes, résultats et classements du dipl\^ome de Master ou équivalent (première et deuxième années), - Lettre de motivation, Les candidatures doivent être déposées au plus tard le 30 juin 2022 sous la forme d'un unique fichier pdf envoyé par courriel à nicolas.prcovic@univ-amu.fr.

Résumé :
Cette thèse s'inscrit dans le cadre du projet Transformation Numérique du Transport Maritime (TNTM) financé par le PIA (Programme d'Investissement pour l'Avenir). Ce projet est porté par la CMA CGM, l'un des leaders mondiaux dans le secteur du transport maritime, avec un consortium de 8 partenaires (5 partenaires industriels et 3 partenaires académiques). L'objectif de cette thèse est le développement d'algorithmes de recherche d'un meilleur trajet d'un navire qui prend en compte le temps du trajet, la consommation de carburant, la sécurité du navire, etc, dans un contexte où les conditions du trajet (courants marins, météo) dépendent des dates et peuvent être incertaines et aussi évolutives (plus de détails dans le fichier ci-joint). Les travaux de cette thèse seront réalisés à l'Université d'Aix-Marseille au Laboratoire d'Informatique et Systèmes et au sein de l'équipe COALA (https://www.lis-lab.fr/coala/).




Fichier PDF   CDD : Ingénieur de recherche (Projet TNTM - équipe COALA)

Candidature avant : 01/11/2022

Modalité :
Les candidatures doivent être déposées au plus tôt sous la forme d'un unique fichier pdf envoyé par courriel à Cyril Terrioux (cyril.terrioux at univ-amu.fr). Voir le fichier pdf pour plus de détails.

Résumé :
L'ingénieur de recherche recruté viendra en soutien des enseignants-chercheurs et des doctorants travaillant sur les trois axes du projet TNTM sur lesquels travaille l'équipe COALA. Parmi ses missions, il aura en charge la construction des jeux de données qui seront utilisés pour évaluer les algorithmes de résolution de ces trois problèmes. Pour cela, il devra procéder à la collecte des données auprès du partenaire industriel (CMA CGM) ou d'organisme tiers (pour les données météorologiques par exemple), à leur nettoyage et à leur mise en forme dans un format adéquat qui sera défini en collaboration étroite avec les enseignants-chercheurs et les doctorants concernés. Il participera également au développement des solutions logicielles en veillant particulièrement à leur efficacité pratique, à leur validité et à leur documentation.




Fichier PDF   Stage : Understanding users profiles by analyzing massive non structured conversations on a drug users web community

Candidature avant : 01/01/2023

Modalité :
This internship is not available anymore.

Résumé :
In spite of storing information from almost a million of users, psychoatif.org lacks structured metadata describing users demographics, habits, goals and problems. The objective of this internship is to infer user profiles from the textual information published and read by the users in their posts, as well as their interactions in the virtual community. This internship takes place in the context of a larger project, AI4DU, which will exploit the generated profiles in order to better understand the community and eventually help the community better face drug-related problems.




Fichier PDF   Stage : Text Summarisation with Quantum Natural Language Processing

Candidature avant : 01/02/2023

Modalité :
This internship is not available anymore.

Résumé :
Quantum natural language processing (QNLP) is the use of quantum computing to solve NLP tasks faster than any classical computer. The aim of the internship is to apply QNLP to the problem of automatic text summarisation. The student will design quantum algorithms, investigate their asymptotic speedup compared to classical ones and implement proof-of-concept experiments to evaluate them. See https://alexis.toumi.xyz/jobs/22-11-16-qnlp-summarisation




Fichier PDF   Stage : Génération automatique de comportements sociaux de personnages virtuels à partir de réseaux adverses génératifs (GAN)

Candidature avant : 01/02/2023

Modalité :
Email à Magalie Ochs et Stéphane Ayache (first.last@lis-lab.fr)

Résumé :
L’objectif de ce stage de master est de mettre en place une architecture GAN permettant la génération automatique de comportements multimodaux socio-émotionnels pour des personnages virtuels. Ce stage s’intègre dans plusieurs projets en cours visant la simulation d’attitudes sociales sur des acteurs virtuels (e.g. persuasif, agressif, conciliant) : le projet TRUENESS qui vise à développer une plateforme de réalité virtuelle peuplée de personnages virtuel pour former les individus à lutter contre la discrimination sociale (genrée et ethnique) et le projet ANR COPAINS qui vise à développer un personnage virtuel persuasif pour inciter les personnes âgées à faire du sport.




Fichier PDF   Stage : Modèles psycholinguistiques pour la segmentation en mots

Candidature avant : 01/02/2023

Modalité :
Email à Alexis Nasr et Arnaud Rey (first.last@univ-amu.fr)

Résumé :
La segmentation en mots est la tˆache qui consiste à segmenter un signal acoustique en segments correspondant à des mots. Il s’agit d’une tˆache complexe qui suppose l’utilisation d’un grand nombre d’indices, acoustiques, lexicaux, syntaxiques, s ́emantiques . . . [Saffran et al., 1996] ont montré à l’aide d’expériences psycholinguistiques simples que l’être humain était capable d’effectuer une segmentation en mots à partir d’un signal beaucoup plus pauvre, en utilisant simplement des régularités statistiques. [Perruchet and Vinter, 1998] ont proposé un algorithme simple, appelé "parser", de segmentation en mots qui permet de reproduire une partie des comportements observées par [Saffran et al., 1996] sur des être humains. L’objet du stage est de partir du modèle proposé par [Perruchet and Vinter, 1998] et de le faire évoluer.




Fichier PDF   Stage : Multimodal Vision-Language Pretraining

Candidature avant : 01/02/2023

Modalité :
This internship is not available anymore.

Résumé :
The goal of this internship is to study the multimodal pretraining of transformer-based Vision-Language models. Most models are pretrained using an image-text matching task, while some also have an additional multimodal task such as word-region alignment, like UNITER. However, multiple studies have shown the weaknesses of state-of-the-art language models have. For example, some multimodal concepts which are less represented in the data are harder to extract. In addition, fine-grained multimodal dependencies are hard to understand, especially for vision-language models trained on large noisy datasets with basic multimodal pretraining. More specifically, the goal is to study self-supervised multimodal pretraining tasks and their impact on the ability of a model to extract multimodal information.




Fichier PDF   Stage : Traitement morpho-syntaxique du Latin

Candidature avant : 01/02/2023

Modalité :
Email à Alexis Nasr (first.last@lis-lab.fr)

Résumé :
Ce stage s’inscrit dans le cadre d’une collaboration avec le laboratoire CIE- LAM. Il vise à proposer des outils de TAL pour le Latin, plus particulièrement, un étiqueteur en parties de discours, un analyseur morphologique, un lemmatiseur et un analyseur syntaxique. On s’intéressera en particulier à une caractéristique du Latin qui est son riche système de déclinaisons et la souplesse de l’ordre des mots dans la phrase.




Fichier PDF   Stage : Leveraging recent NLP techniques for the study of child language acquisition

Candidature avant : 01/02/2023

Modalité :
Candidates should contact Mitja Nikolaus and Abdellah Fourtassi for more information about the internship (first.last@univ-amu.fr)

Résumé :
In our group, we use state-of-the-art machine learning on multimodal child-caregiver conversations to study various aspects of language acquisition. This project is focusing on one specific phenomenon of communication: Backchannel (BC) responses. In conversations, BCs are short non-intrusive responses (“uh-huh”, “yeah”) that signal attention and/or understanding from the listener's side. In that way, they form a crucial component for achieving mutual understanding of the interlocutors. Recently, we proposed that BCs have an important role as feedback signals for children learning language (Nikolaus & Fourtassi 2023). In order to test this hypothesis on a larger scale, this project aims to build models for the automatic detection of BCs in child-caregiver conversations.




Fichier PDF   Stage : A multimodal approach to study convergence phenomena in natural conversations

Candidature avant : 01/02/2023

Modalité :
Send an email to Leonor Becerra (leonor.becerra@lis-lab.fr), Philippe Blache (philippe.blache@univ-amu.fr) and Eliot Maës (eliot.maes@lis-lab.fr) with a CV, a cover letter and an academic transcript.

Résumé :
We propose in this project to analyze an existing dataset named Badalona-EPSN containing audio, video and cerebral signals recorded in a natural situation. This corpus is enriched with automatic annotations in the linguistic and gestural domains. The goal of the project is to start exploring alignment/entrainment at different modalities (lexicon, syntax, discourse) and study their possible correlation with the neurophysiological signal.




Fichier PDF   Stage : Tensor learning for color and polarimetric imaging

Candidature avant : 01/03/2023

Modalité :
Contact Julien Flamant (julien.flamant@cnrs.fr) and Yassine Zniyed (zniyed@univ-tln.fr).

Résumé :
The candidate should be enrolled in a M1/M2R or engineer diploma in one or more of the following fields: signal and image processing, machine learning, applied mathematics. The candidate should have good writing and oral communication skills.




Fichier PDF   CDD : M1/M2R internship proposal in machine learning / signal and image processing

Candidature avant : 01/03/2023

Modalité :
Candidate should be enrolled in a Master 1 or Master 2 or engineer diploma in 2023. Therefore, the starting date is flexible (according to the academic constraints of the candidate). Please, contact and send your application (CV) to Julien Flamant (julien.flamant@cnrs.fr) and/or Yassine Zniyed (zniyed@univ-tln.fr)

Résumé :
Many imaging applications rely on the acquisition, processing and analysis of 3D or 4D vectorial data pixels: this includes notably color imaging (red, blue and green channels) or polarimetric imaging (4D Stokes parameters at each pixel). Such multichannel data is often represented using quaternions – a generalization of complex numbers in four dimensions - in order to simplify expressions and leverage unique geometric and physical insights offered by this algebraic representation. Therefore, datasets of color or polarimetric images can be viewed as a collection of quaternion-valued matrices, which form multidimensional quaternion arrays – also called quaternion tensors. The aim of this internship is to demonstrate the potential of quaternion tensor decompositions for learning features from databases of color and polarimetric images.




Stage : Deep learning pour la caractérisation fine de la structure de galaxies

Candidature avant : 01/04/2023

Modalité :
Envoyer un CV et lettre de motivation à Adeline Paiement : adeline.paiement@lis-lab.fr

Résumé :
Stage de 3 à 6 mois proposé dans l'équipe DYNI. Projet multidisciplinaire avec partenariat de l'observatoire astronomique de Strasbourg. La date exacte de début du stage dépendra de la date d'établissement de la convention (2 mois nécessaires à partir de la candidature).




Fichier PDF   Doctorat : Multimodal learning for studying convergence between interlocutors during conversations and its brain basis

Candidature avant : 15/05/2023

Modalité :
Please, send an email to leonor.becerra@lis-lab.fr and blache@ilcb.fr. Please, ensure that you upload the following additional documents: • Resume • Application letter, including your applicability to aforementioned selection criteria • Grade list (preferably for both bachelor\'s degree and master\'s degree) • Examples of Scientific Writing (e.g., scientific publication or master’s thesis) • Reference letters. Only applications received before May 15th, 23:59 can be considered

Résumé :
We offer a 3-year PhD fellowship in Computer Science. This interdisciplinary project proposes to apply multimodal and deep learning approaches for the study of human interaction and its brain basis.




Fichier PDF   CDD : Manager projets Européens et projet PIA

Candidature avant : 01/06/2023

Modalité :
cv + lettre de motivation à adresser à Nadine.lattanzio@lis-lab.fr

Résumé :
Manager de projets européens au titre du programme Horizon Europe (H2020) et Projet au titre du Programme d'Investissements d'Avenir (PIA)




Fichier PDF   CDD : Engineer position: Microscopy Image Analysis with deep learning

Candidature avant : 01/01/2024

Modalité :
The application must include a resume specifying the last diplomas obtained and the elements of professional experience, and a letter of motivation. Examination of application will begin on December 1st, 2023. Expected start date: Early 2024. Please submit application materials to: • Dr. Marc-Emmanuel Bellemare : marc-emmanuel.bellemare@univ-amu.fr • Dr. Jean-Pierre Baudoin : jpbaudoin@live.fr • Pr. Laurence Camoin Jau : Laurence.CAMOIN@ap-hm.fr

Résumé :
As part of the AMIDEX SEMENDO-BASE research project, Aix-Marseille University is recruiting a biological image analysis engineer. The aim is to implement methods and tools for managing and analyzing images generated by scanning electron microscopy. The project is co-developed by LIS (computer sciences laboratory) and IHU Méditerranée Infection – APHM, La Timone Hospital.




Fichier PDF   Stage : Predictive multimodal model of dyadic conversations

Candidature avant : 01/02/2024

Modalité :
This internship is not available anymore,

Résumé :
The goal of this MSc-level internship is to develop a model of multimodal conversations with two participants. The model will predict discretized speech and video representations of participants\' behavior from the history. The idea is to go beyond turn-taking limitations of current approaches to modeling conversations, and exploit the results for (1) synthesizing robotic actions, (2) better understand cognitive science aspects of conversational behavior. Auto-supervised transformers will be trained on a large set of audio-video recordings of dyadic conversations.




Fichier PDF   Stage : Deep transfer knowledge from speech to primate vocalizations

Candidature avant : 01/02/2024

Modalité :
This internship is not available anymore.

Résumé :
The goal of this internship is to study the ability of large pre-trained models to transfer knowledge from speech to animal vocal communication. In the recent years, computational bioacoustics (i.e., the study of animal sounds with machine learning) is showing increasing interest towards pre-trained self-supervised models inspired from sound and speech processing. In this context, the internship would aim at testing the ability of speech-based models to extract meaningful representations of primate vocalisations in few-shot learning scenarios. More specifically, the candidate will implement efficient fine-tuning and adversial reprogramming solutions on several pre-trained models and analyse their respective performances in detecting, identifying and classifying Gibbon vocalisations.




Fichier PDF   Stage : LLM adaptation to the biomedical domain

Candidature avant : 01/02/2024

Modalité :
This internship is not available anymore

Résumé :
The goal of this internship is to propose low-cost methods for adapting general-purpose LLMs that are able to sacrifice general knowledge while acquiring medical knowledge. To this end, the method will have to locate general knowledge in an LLM and overwrite it with domain-specific information.




Concours PR/MCF : Poste MCF 27 (UFR Sciences) - Informatique théorique ou fondamentale, Intelligence artificielle

Candidature avant : 29/03/2024

Modalité :
Campagne synchronisée de recrutement des enseignants-chercheurs

Résumé :
Profil recherche :

Le pôle Calcul (environ 70 permanents, 8 équipes de recherche) est l'un des quatre pôles autour desquels le laboratoire LIS est structuré. Les thématiques développées au sein de ce pôle se concentrent sur des aspects fondamentaux de l'informatique moderne comme l'algorithmique, les structures discrètes, la logique, les méthodes formelles, les modèles de calcul, la complexité, la géométrie et l'intelligence artificielle.

L'objectif de ce recrutement est de renforcer ces thématiques, avec une priorité pour les équipes CANA et COALA.

L'équipe CANA est une équipe dont les recherches portent sur le calcul naturel, dans ses dimensions à la fois classiques et quantiques. Le calcul naturel est un domaine de l'informatique fondé sur les relations que cette science entretient avec d'autres disciplines, comme la physique et la biologie. D'une part, il vise à abstraire des phénomènes naturels pour développer de nouveaux paradigmes de calcul et poursuivre l'analyse de modèles de calcul existant. D'autre part, il propose d'utiliser ces modèles pour analyser et mieux comprendre ces phénomènes, à travers leurs propriétés calculatoires et de complexité par exemple. L'équipe CANA vise en particulier à développer le calcul naturel autour des thématiques suivantes : systèmes dynamiques, automates cellulaires, réseaux d'automates, marches quantiques, automates cellulaires quantiques, information quantique, simulation quantique, algèbre des systèmes dynamiques finis, piles de sable, chip firing games, dynamique sur des pavages, auto-assemblage... Nous recherchons un profil ciblé sur ces aspects, avec de bonnes compétences sur les modèles discrets.

Les activités de l'équipe COALA sont au cœur de l'algorithmique de l'Intelligence Artificielle. Elles portent principalement sur le traitement des problèmes de satisfaction (CSP, SAT) et d'optimisation sous contraintes (Max-SAT, WCSP), le raisonnement dans l'incertain et les réseaux bayésien. L'optimisation multicritère et le dénombrement (#SAT et #CSP) sont également abordés. Les recherches développées couvrent un spectre allant de questions théoriques, comme la mise en évidence d'objets mathématiques pour l'exploitation de fragments traitables pour des problèmes NP-difficiles, jusqu'à la conception et réalisation de systèmes de résolution opérationnels en pratique. Les travaux de l'équipe incluent des développements applicatifs qui sont évolutifs. Ils portent actuellement sur la chimie théorique, le transport maritime et la mobilité électrique. La personne recrutée devra intégrer l'équipe en renforçant un ou plusieurs de ses axes de recherche.

Pour garantir un recrutement de grande qualité, toutes les excellentes candidatures ayant un projet d'intégration dans le pôle Calcul sont bienvenues.

Profil enseignement :

II est attendu de la personne recrutée au département Informatique et Interactions de s'impliquer fortement dans des enseignements (CM, TD, TP) en Licence et en Master, avec une prise de responsabilité d'unités d'enseignement par exemple.

Un investissement important est fortement souhaitable dans un ou plusieurs des enseignements suivants systèmes d'exploitation, bases de données, réseaux, programmation C, Web et génie logiciel.

La personne recrutée sera aussi amenée, à moyen terme, à participer à des missions d'encadrement pédagogique, comme la responsabilité d'une année d'enseignement. Elle participera aux enseignements en lien avec ses activités de recherche en Licence et en Master Informatique.

Les enseignements du département Informatique et Interactions se déroulent sur les sites Saint-Charles, Luminy et Saint-Jérôme à Marseille et le site d'Aix-Montperrin à Aix-en-Provence. Tout enseignant-chercheur du département a vocation à enseigner sur des sites autres que son site de recherche.




Concours PR/MCF : Poste MCF 27 (Polytech) - Informatique, Modélisation géométrique

Candidature avant : 29/03/2024

Modalité :
Campagne synchronisée de recrutement des enseignants-chercheurs

Résumé :
Profil recherche :

Le pôle calcul (environ 70 permanents, 8 équipes de recherche) est l’un des quatre pôles autour desquels le laboratoire LIS s’est structuré. Les thématiques développées au sein de ce pôle se concentrent sur des aspects fondamentaux de l’informatique moderne comme l’algorithmique, les structures discrètes, la logique, les méthodes formelles, les modèles de calcul, la complexité, la géométrie et l’intelligence artificielle.

L’objectif de ce recrutement est de renforcer l’une des thématiques citées plus haut, avec une priorité sur les thèmes : Informatique graphique et géométrie appliquée, par exemple, modélisation géométrique, rendu et l’animation, géométrie discrète, topologie algorithmique.

Pour garantir un recrutement de grande qualité, toutes les excellentes candidatures ayant un projet d'intégration dans le pôle calcul sont bienvenues.

Profil enseignement :

Les enseignements s’intégreront dans le nouveau projet du département, sur des compétences autour de la Modélisation géométrique, la Programmation graphique et la Réalité Mixte ou sur la gestion des données comme Système d’informations et Entrepôts de données. La personne recrutée contribuera aux enseignements généraux assurés au département, à l’encadrement de projets, de stages et au suivi d’alternants.




Concours PR/MCF : Poste MCF 27 (UFR Économie et gestion) - Informatique

Candidature avant : 29/03/2024

Modalité :
Campagne synchronisée de recrutement des enseignants-chercheurs

Résumé :
Profil recherche :

Le pôle Calcul (environ 70 permanents, 8 équipes de recherche) est l'un des quatre pôles autour desquels le laboratoire LIS est structuré. Les thématiques développées au sein de ce pôle se concentrent sur des aspects fondamentaux de l'informatique moderne comme l'algorithmique, les structures discrètes, la logique, les méthodes formelles, les modèles de calcul, la complexité, la géométrie et l'intelligence artificielle.

L’objectif de ce recrutement est de renforcer l’une des équipes du pôle Calcul avec une priorité marquée en direction de l’équipe LIRICA, qui souhaiterait renforcer le thème de la représentation logique des connaissances et du raisonnement, les applications qui en découlent et les traitements calculatoires associés. Sont inclus par exemple dans ce paradigme le développement des formalismes logiques et leur étude sémantique et axiomatique, la révision des connaissances, l’étude des systèmes de preuve et leur automatisation, les formalismes de l’argumentation, le cadre ASP pour la modélisation et le raisonnement, la complexité des langages logiques et des problèmes de raisonnement, l’application de ces formalismes en IA.

Pour garantir un recrutement de grande qualité, toutes les excellentes candidatures ayant un projet d’intégration dans le pôle Calcul sont les bienvenues.

Profil enseignement :

Les enseignements se dérouleront à la Faculté d’Économie et de Gestion (FEG) sur les sites d’Aix-en-Provence et de Marseille-Centre.

Au niveau licence, les besoins en enseignement correspondent aux cours d’informatique dispensés classiquement dans les premières années des filières « économie et gestion » : introduction à l’informatique, environnements techniques et applicatifs Internet, tableurs, bases de données, programmation Python.

Étant donnée l’offre de formation de la FEG, les besoins de licence sont à compléter avec ceux qui apparaissent au niveau Master dans le domaine du numérique : systèmes d’information, SGBD structurés et semi-structurés (SQL/NoSQL), ingénierie des données, architecture logicielle, DEVOPS (et ses déclinaisons) et sécurité des systèmes d’information. Des compétences dans les domaines de la programmation web et mobile peuvent aussi être mises en avant par les candidats.es.

Une caractéristique importante liée à ce poste se situe dans le suivi de la professionnalisation des étudiants de la faculté et plus particulièrement de certains Master : suivi d’alternants, relations avec les entreprises d’accueil, conseil de perfectionnement, formation continue et apprentissage… Plusieurs expériences dans tout ou partie de ces domaines sont souhaitables.

Enfin, il est attendu des candidats.es une bonne capacité à utiliser des formes vairées de pédagogies : pédagogie inversée, hybride, sur plateforme... Toutes expériences dans ces domaines valoriseront la candidature.




Concours PR/MCF : Poste MCF 27 (UFR Économie et gestion) - Informatique

Candidature avant : 29/03/2024

Modalité :
Campagne synchronisée de recrutement des enseignants-chercheurs

Résumé :
Profil recherche :

Le pôle Science des Données ou SD (environ 50 enseignants-chercheurs répartis en 6 équipes de recherche) est l’un des quatre pôles autour desquels le Laboratoire d’informatique et des systèmes (LIS, UMR87020) est structuré. Il a pour ambition de réunir des chercheurs autour des problématiques centrées sur les données, d’un point de vue informatique, qu’il s’agisse de leur représentation, de leur manipulation ou de leur traitement.

Le pôle SD souhaite par ce poste renforcer ses travaux sur les thèmes de la recherche d’information et du traitement automatique des langues, croisant des problématiques issues de l’apprentissage machine, de la fouille de textes, de l’interaction humain-machine et des sciences cognitives. Les applications mises en avant sont celles liées aux humanités numériques, à l’éducation et à la santé, en connexion avec les intérêts stratégiques de l’établissement. Les thèmes suivants sont privilégiés :
• Le développement de méthodes centrées sur les utilisateurs pour l’accès à l’information avec les nouveaux modèles de traitement du langage naturel, comme les grands modèles de langue. L’impact de ces modèles sur la question de la factualité et de la désinformation. Leur interaction avec la diversité des modalités du monde réel et leur évaluation dans le cadre d’agents incarnés comme les robots humanoïdes.
• La redéfinition de la notion de pertinence sous le prisme de la subjectivité, à travers par exemple l’analyse de sentiment multimodale. L’accès à l’information multimodale (texte, image, vidéo) et la prise en compte de l’état de l’utilisateur de manière multimodale (suivi du regard, ECG, EEG).
• La définition de modèles et de ressources informatisées pour étudier l’acquisition du langage, les processus cognitifs de lecture et de production langagière guidés par des biais inductifs liés aux sciences cognitives.

L’objectif de ce recrutement est donc de renforcer l’une des équipes du pôle SD sur la thématique Langage, Interactions et Recherche d’Information. Le critère majeur de sélection sera l’excellence scientifique.

Profil enseignement :

Les enseignements se dérouleront à la Faculté d’Économie et de Gestion (FEG) sur les sites d’Aix-en-Provence et de Marseille-Centre.

Au niveau licence, les besoins en enseignement correspondent aux cours d’informatique dispensés classiquement dans les premières années des filières « économie et gestion » : introduction à l’informatique, environnements techniques et applicatifs Internet, tableurs, bases de données, programmation Python.

Étant donnée l’offre de formation de la FEG, les besoins de licence sont à compléter avec ceux qui apparaissent au niveau Master dans le domaine du numérique : systèmes d’information, base de données structurées et semi-structurées (SQL/NoSQL), ingénierie des données, visualisation, interface humain-machine, ergonomie, programmation web et mobile.

Une caractéristique importante liée à ce poste se situe dans le suivi de la professionnalisation des étudiants de la faculté et plus particulièrement de certains Master : suivi d’alternants, relations avec les entreprises d’accueil, conseil de perfectionnement, formation continue et apprentissage… Plusieurs expériences dans tout ou partie de ces domaines sont souhaitables.

Enfin, il est attendu des candidats.es une bonne capacité à utiliser des formes vairées de pédagogies : pédagogie inversée, hybride, sur plateforme... Toutes les expériences dans ces domaines valoriseront la candidature.




Fichier PDF   CDD : Ingénieur d’étude (Projet Glanum - équipe I&M)

Candidature avant : 31/03/2024

Modalité :
Les candidatures doivent être déposées au plus tôt sous la forme d\'un unique fichier pdf envoyé par courriel à Pierre Drap (pierre.drap at univ-amu.fr), et Motasem Nawaf (motasem.nawaf att lis-lab.fr). Voir le fichier pdf pour plus de détails.

Résumé :
Ce contrat d’ingénieur d’études s’inscrit dans le cadre du projet A*Midex VRAK3D - Virtual Archaeology, when knowledge meets 3D, porté par le Laboratoire Informatique et Systèmes (LIS). Missions: Élaboration et gestion des modèles 3D du site archéologique de Glanum ; Élaboration de solutions de sémantisation de modèles 3D avec les membres des laboratoires partenaires du projet ; Mise en place d’un outil de visualisation des données 3D enrichies ; Communication et valorisation des résultats de la recherche.




Fichier PDF   Concours PR/MCF : CPJ AMU Informatique-Mathématiques

Candidature avant : 07/05/2024

Modalité :
Dépôt des candidatures sur GALAXIE (module FIDIS)
cf. fiche de poste officielle GALAXIE ici

Résumé :
L’Institut de Mathématiques de Marseille (I2M, UMR7373) et le Laboratoire d’Informatique et des Systèmes (LIS, UMR7020) portent entre autres le projet commun de développer des thématiques à l’interface de l’informatique fondamentale et des mathématiques discrètes. L’objectif de cette chaire de professeur junior (CPJ) est justement de permettre à ces deux unités de recherche de développer ce projet, en visant un recrutement d’un collègue informaticien ou mathématicien au dossier de très haut niveau capable de discuter naturellement avec des membres des deux laboratoires dans ce champ thématique d’interface entre les deux disciplines. Le candidat qui sera recruté sur cette CPJ aura pour tâche de participer activement à l’animation et au développement des activités de la communauté informatique-mathématiques du site d’Aix-Marseille.

Parmi les thèmes ciblés, trois sont déjà actifs et particulièrement stratégiques pour la société : la logique, la sécurité, les systèmes dynamiques discrets en lien avec les modèles de calcul. Ces trois thèmes de recherche se positionnent par ailleurs au cœur de la politique scientifique de la communauté informatique-mathématique marseillaise, portée par l’I2M et par le LIS.

## Thème « logique et théorie de la programmation »

Ce thème est un thème historique de l’interface entre l’informatique et les mathématiques à l’Université d’Aix-Marseille, dont l’origine repose sur les travaux de Jean-Yves Girard autour de la logique linéaire et qui a évolué vers l’étude des structures formelles sous-jacentes aux programmes et aux preuves. Les objets d’intérêt sont variés, couvrant des approches syntaxiques, sémantiques ou catégoriques. Dans ce contexte, le recrutement d’un candidat d’excellent niveau viendrait enrichir l’une des deux équipes suivantes : « Logique de la programmation » (LDP) de l’I2M ou « Logique, sémantique et catégories » (LSC) du LIS. Plus spécifiquement, les domaines suivants sont particulièrement visés :
• logique, théorie de la démonstration, points fixes ;
• sémantique des langages de programmation, concurrence ;
• lambda-calcul, logique linéaire, Curry-Howard ; et
• interactions entre logique, catégories supérieures et algèbre homotopique, et théorie homotopique des types.

## Thème « sécurité »

Ce thème est délibérément large de manière à permettre le recrutement d’un excellent candidat quelle que soit sa thématique de recherche précise dans ce domaine, pourvu que celle-ci soit compatible avec les thématiques déjà présentes au sein de l’équipe « Arithmétique et théorie de l’information » (ATI) de l’I2M ou des équipes « Algorithmique distribuée » (DALGO) et « Modélisation et vérification » (MOVE) du LIS. Pour le LIS, le recrutement sur cette CPJ vise la création à terme d’une nouvelle équipe autour de la sécurité, équipe soutenue dans son développement par le laboratoire au cours de la période [2024;2028] : sous réserve que les moyens lui en soient donnés, le LIS s’engage dans la mise au concours d’au moins un poste de maître de conférences en renfort de la thématique sur la période citée. Dans ce contexte, nous étudierons tout particulièrement (mais de manière non exclusive) les candidatures de chercheurs et chercheuses dans les domaines suivants :
• cryptographie / cryptanalyse : fondements informatiques et mathématiques, et applications ;
• conception et analyse de la fiabilité et de la sécurité des logiciels et des protocoles ;
• sécurité des systèmes et des infrastructures ; et
• sécurité des données et protection de la vie privée.
La capacité d’enrichir la dimension technologique des recherches menées dans les laboratoires pourra également être prise en compte.

## Thème « systèmes dynamiques discrets en lien avec les modèles de calcul »

L’étude des systèmes dynamiques discrets, vus comme modèles de phénomènes naturels ou comme comme modèles de calcul, est aujourd’hui un champ de recherche central à la frontière des mathématiques et de l’informatique. Le recrutement d’un excellent candidat dans ce domaine, avec des compétences établies en combinatoire, en complexité et en calculabilité, viendra renforcer l’équipe « Calcul naturel » (CANA) du LIS ou le thème « Combinatoire » de l’équipe « Géométrie, dynamique, arithmétique, combinatoire » (GDAC) de l’I2M. Les modèles d’intérêt pour cette CPJ qui sont au cœur des activités de ces équipes sont notamment :
• réseaux d’automates (comme les réseaux booléens) ;
• automates cellulaires ;
• pavages ; et
• auto-assemblage.

Pour garantir un recrutement de grande qualité, toutes les excellentes candidatures ayant un projet d'intégra-tion à l’interface entre l’informatique fondamentale et les mathématiques discrètes seront les bienvenues.

En ce qui concerne l'enseignement, le candidat retenu interviendra, selon son profil et sa discipline de rattachement, dans les formations proposées par les départements de mathématiques et d’informatique de l’UFR Sciences.