Doctorant F/H Abstraction d'un profil de machine learning ou comment intégrer de la sémantique dans les analyses statiques
Inria
il y a un jour
Date de publicationil y a un jour
S/O
Niveau d'expérienceS/O
Temps pleinType de contrat
Temps pleinGestion de projet / produitCatégorie d'emploi
Gestion de projet / produitA propos du centre ou de la direction fonctionnelle
Le centre de recherche Inria de l'Université de Lille, créé en 2008, compte 360 personnes dont 305 scientifiques répartis dans 15 équipes de recherche. Reconnu pour son implication forte dans le développement socio-économique sur le territoire des Hauts-De-France, le centre de recherche Inria Lille - Nord Europe poursuit une démarche de proximité avec les grandes entreprises et les PME. En favorisant ainsi les synergies entre chercheurs et industriels, Inria participe au transfert de compétences et d'expertises dans les technologies numériques et donne accès aux meilleures recherches européennes et internationales au bénéfice de l'innovation et des entreprises notamment en région.
Depuis plus de 10 ans, le centre Inria de l'Université de Lille est installé au coeur de l'écosystème universitaire et scientifique lillois ainsi qu'au coeur de la Frenchtech avec un showroom technologique, basé avenue de Bretagne à Lille, sur le site d'excellence économique consacré aux technologies de l'information et de la communication (TIC) qu'est EuraTechnologies.
Mission confiée
Cette mission s'inscrit dans le cadre de l'ANR Profil. Il s'agit d'identifier à partir de code python, le profil de machine learning utilisé afin d'identifier les bonnes et mauvaises pratiques.
Après une prise en main de la plateforme Moose et du métamodèle Python, le doctorant devra définir un métamodèle de notebook et un métamodèle de workflow. Pour construire les modèles de Notebook et de code, il sera nécessaire de définir un parser associé pour construire les modèles à partir de la représentation par exemple Jupyter des notebooks. Les résultats devront de cette tâche devront s'intégrer dans Moose. Une deuxième tâche consistera à construire les modèles de workflow, avec plus ou moins de précision par itération successive. Cette tâche se fait en étroite collaboration avec nos partenaires niçois. Enfin, il faudra proposer une visualisation de ces modèles de workflow.
Sous-jacent à tout ça se pose la question de comment ajouter de la sémantique dans les analyses statiques de code afin de fournir des outils dédiés au métier ou au domaine.
Principales activités
Principales activés :
Compétences
Compétences techniques et niveau requis :
Langues :
Compétences additionnelles appréciées :
Avantages
Rémunération
2200€ brut mensuel
Le centre de recherche Inria de l'Université de Lille, créé en 2008, compte 360 personnes dont 305 scientifiques répartis dans 15 équipes de recherche. Reconnu pour son implication forte dans le développement socio-économique sur le territoire des Hauts-De-France, le centre de recherche Inria Lille - Nord Europe poursuit une démarche de proximité avec les grandes entreprises et les PME. En favorisant ainsi les synergies entre chercheurs et industriels, Inria participe au transfert de compétences et d'expertises dans les technologies numériques et donne accès aux meilleures recherches européennes et internationales au bénéfice de l'innovation et des entreprises notamment en région.
Depuis plus de 10 ans, le centre Inria de l'Université de Lille est installé au coeur de l'écosystème universitaire et scientifique lillois ainsi qu'au coeur de la Frenchtech avec un showroom technologique, basé avenue de Bretagne à Lille, sur le site d'excellence économique consacré aux technologies de l'information et de la communication (TIC) qu'est EuraTechnologies.
Mission confiée
Cette mission s'inscrit dans le cadre de l'ANR Profil. Il s'agit d'identifier à partir de code python, le profil de machine learning utilisé afin d'identifier les bonnes et mauvaises pratiques.
Après une prise en main de la plateforme Moose et du métamodèle Python, le doctorant devra définir un métamodèle de notebook et un métamodèle de workflow. Pour construire les modèles de Notebook et de code, il sera nécessaire de définir un parser associé pour construire les modèles à partir de la représentation par exemple Jupyter des notebooks. Les résultats devront de cette tâche devront s'intégrer dans Moose. Une deuxième tâche consistera à construire les modèles de workflow, avec plus ou moins de précision par itération successive. Cette tâche se fait en étroite collaboration avec nos partenaires niçois. Enfin, il faudra proposer une visualisation de ces modèles de workflow.
Sous-jacent à tout ça se pose la question de comment ajouter de la sémantique dans les analyses statiques de code afin de fournir des outils dédiés au métier ou au domaine.
Principales activités
Principales activés :
- Analyse statique de code python
- réalisation des outils au dessus de la plate-forme Moose
- évaluation des approches proposées
- lecture de l'état de l'art
- rédaction d'articles scientifiques
Compétences
Compétences techniques et niveau requis :
- Programmation orientée objet
- Python
- Métamodélisation
Langues :
- Anglais
Compétences additionnelles appréciées :
- capacité d'analyse
- capacité rédactionnelle
- montée en abstraction
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)
- 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
Rémunération
2200€ brut mensuel
RÉSUMÉ DE L' OFFRE
Doctorant F/H Abstraction d'un profil de machine learning ou comment intégrer de la sémantique dans les analyses statiques
Inria
Villeneuve-d'Ascq
il y a un jour
S/O
Temps plein
Doctorant F/H Abstraction d'un profil de machine learning ou comment intégrer de la sémantique dans les analyses statiques