Site emploiBienvenue

Le LIG rassemble près de 450 chercheurs, enseignants-chercheurs, doctorants et personnels en support à la recherche. L’ambition est de s’appuyer sur la complémentarité et la qualité reconnue des 22 équipes de recherche du LIG pour contribuer au développement des aspects fondamentaux de l'informatique (modèles, langages, méthodes, algorithmes) et pour développer une synergie entre les défis conceptuels, technologiques et sociétaux associés à cette discipline. http://liglab.fr

L’équipe Aptikal, dirigée par Massih-Reza Amini et Emilie Devijver, compte 9 permanents et 16 non permanents. Elle a été crée au LIG en janvier 2011. Les sujets d’intérêt sont l’apprentissage automatique et la modélisation de l’information pour les données complexes. Nous sommes dans l’équipe Aptikal spécialistes en inférence causale pour les séries temporelles. En parallèle, dans la littérature s’est développé l’inférence causale pour les processus stochastiques, une approche assez proche en terme de données et de résultat (graphe causal sur des fonctions du temps, observés à pas discret) mais complètement différente en terme de modélisation (hypothèse de temps continu, équation différentielle stochastique pour modéliser l’évolution).

Ce projet vise à comprendre les liens théoriques et méthodologiques entre les deux approches, et notamment voir si les deux cas sont équivalents sous certaines hypothèses.

Sous la responsabilité de Emilie DEVIJVER, vous aurez pour mission la comparaison méthodologique et numérique des deux cadres (implémentation en Python, points saillants des méthodes et organisation des différences / points communes).

• Implémenter (en Python) les différentes méthodes (processus stochastiques, plan d’expériences, modèle hiérarchique causal)
• Etudier les données réelles disponibles publiquement (MedSat) avec cette modélisation
• Lire des articles de recherche pour se familiariser avec les travaux existants
• Rédiger des rapports régulièrement pour expliciter le travail effectuer et les difficultés rencontrées, en amont de chaque réunion comme un travail de préparation

• Connaissances en causalité
• Fort bagage en mathématique, probabilités, statistiques, et apprentissage automatique
• Savoir faire partie d’un groupe de recherche multi-laboratoires
• Savoir produire en temps imparti
• Minutieux
• Volontaire
• Autonomie

Une expérience en fonction publique serait un plus.