Post-doctorat au laboratoire L2TI - Université Paris 13 - Sorbonne Paris Cité

Contexte : L'équipe ATIV du laboratoire L2TI travaille notamment sur l'analyse des réseaux sociaux, la fouille de données, l'apprentissage automatique. Nous avons développé plusieurs méthodes d'analyse de communautés dans les graphes sociaux, utiles par exemple pour suivre la dynamique des réseaux, ou pour construire des systèmes de recommendation.

Le projet REQUEST (REcursive QUEry and Scalable Technologies - Projet Investissement d'avenir, 2014-2017) vise à explorer et développer des technologies autour des domaines du Big Data, Big Analytics, Visual Analytics ainsi que du Cloud Computing. Il associe de nombreux partenaires de premier plan: grandes entreprises (Thalès, Orange Labs, SNCF), plusieurs PME et laboratoires (ERIC, LIP6, LIMSI, LABRI, L2TI, UTT).

Thématique scientifique : Dans le cadre de ce projet,le L2TI travaillera principalement sur l'analyse de très grands réseaux sociaux. L'équipe a proposé ces dernière années plusieurs algorithmes performants pour traiter des tâches de détection de communauté, de prévision de la dynamique des réseaux, ou de recommandation sociale. Elle a acquis une grande expertise de la fouille de données issues des réseaux complexes, notamment à travers sa participation à plusieurs projets coopératifs importants (projets ANR CADI et ExDEUSS, projet CEDRES, projet FUI AMMICO). Nous nous intéressons actuellement aux stratégies permettant le passage à l'échelle des algorithmes d'analyse, pour le traitement d'immenses réseaux. Certains problèmes se prêtent mieux à des approches distribuées de type "cloud", tandis que pour d'autre, un calcul sur une architecture monolithique est plus performant. De nombreux points restent à éclaircir autour de ces questions, nécessitant une vision claire tant des algorithmes que des architectures de calcul. Par ailleurs, il est probable que les problèmes posés par les partenaires du projet nous conduisent à développer de nouvelles méthodes d'analyse et de mining des graphes sociaux. L'étude est donc à la croisée de l'analyse des grands graphes, du data mining (méthodes d'apprentissage), et des méthodes de calcul distribué. Le champ est vaste, et le travail sera défini plus précisément selon les compétences et désirs du candidat recruté.

Mission: Le post-doctorant travaillera au L2TI en collaboration avec une équipe comptant actuellement un professeur, un maître de conférences, deux doctorants et deux post-doctorants. Il devra:

• proposer des méthodes novatrices pour aborder les problèmes étudiés;
• collaborer avec les partenaires du projets (académiques, notamment au LIP6, et industriels fournissant données et outils);
• publier les résultats de ses recherches;
• participer à des conférences internationales du domaine.

Profil : Doctorat (PhD) en Informatique ou Statistiques

Compétences souhaitées:

• Méthodes de fouille de données (data mining) et d'apprentissage (machine learning);
• Connaissances sur les systèmes de recommandation;
• Analyse des réseaux sociaux, graphes;
• Compétences en programmation (python, ...) classique et distribuée (cloud).

Lieu : L2TI - Université Paris 13 - Campus de Villetaneuse

Durée du contrat : 1 à 2 ans, selon profil.

Salaire net : 2500 euros net mensuel

Contact : Merci d’envoyer votre candidature accompagnée de votre CV à Emmanuel Viennet emmanuel.viennet@univ-paris13.fr). Les candidatures seront traitées au fil de l'eau.