Mon compte
Mon compte
Mon emploi+ Mon journal+ Mes favoris+ Ma boutique+
RETROUVEZ RDM SUR

Cliquez sur un point pour voir toutes les infos
géolocalisées des Réunionnais du monde

VOTRE JOURNAL

VOTRE JOURNAL THEMATIQUE

COMMENT ÇA MARCHE ?

› des centaines d’offres d’emplois et de stages mises à jour au quotidien


› une cvthèque, des milliers de candidats


› des modules exclusifs de recrutement : alertes annonces & alertes profils


› créer des alertes mails en choisissant ses critères (cliquer à droite)


Compléter son CV - Publier une offre

VOTRE EMPLOI EN 1 CLIC !
8245 offres d'emploi actuellement
ILS NOUS FONT CONFIANCE
AccueilOffres d'emploiOffre de thèse : Intelligence artificielle / Apprentissage automatique (...)

Organisme : Laboratoire d'Informatique et de Mathématiques
Salaire : 1685
Lieu : 974
Niveau d’études : Bac +5
Niveau d’expérience : Débutant
Secteur d'activité : Informatique , Recherche , TIC
Type de contrat : CDD


Offre de thèse : Intelligence artificielle / Apprentissage automatique h/f

Le Laboratoire d’Informatique et de Mathématiques (LIM) de l’Université de La Réunion recherche un(e) candidat(e) pour un projet de thèse, sous contrat doctoral, dans le domaine de l’apprentissage automatique pour les données de type graphe.
Offre de thèse : Machine Learning with Graphs
Sujet : Extraction de motifs pour la classification supervisée de graphes (Predictive Pattern Mining for Graph Data Classification)

Nous nous intéressons au problème de classification supervisée basée sur l’extraction de motifs pour les données type graphe. Les méthodes basées sur les motifs (ici des sous-structures de graphes) sont populaires pour leurs bonnes performances prédictives et pour leur interprétabilité. Toutefois, elles font face aux mêmes verrous scientifiques que les méthodes d’extraction de motifs dans les données classiques (e.g., binaires) : i.e ., la malédiction du paramétrage, l’explosion du nombre de motifs extraits et du temps de calcul dans les grandes bases de données, et l’instabilité des mesures d’intérêt utilisées pour évaluer les motifs. Pour s’attaquer à ces verrous scientifiques, nous proposons d’explorer les méthodes Bayésiennes de sélection de modèles couplées à des algorithmes heuristiques efficaces afin de miser sur un compromis entre complexité temporelle, précision et généralité des modèles extraits.

Sujet détaillé en entretien.

Date de début envisagée : septembre/octobre 2018.
Résumé (court) : http://recherche.univ-reunion.fr/doctorat-et-hdr/ecoles-doctorales/ed-sts/contrats-doctoraux/


Coordonnées :

Pour plus d’informations ou pour faire acte de candidature, merci de contacter :
Jean Diatta, Professeur des Universités, Directeur du LIM, jean.diatta@univ-reunion.fr
Dominique Gay, Maître de Conférence, dominique.gay@univ-reunion.fr



REPONDRE



Boutik