Emmanuel Viennet - Offres de stages et thèses

Anciens stages et offres

  • Offre de post-doctorat Analyse de très grands réseaux sociaux - Approches "big data" [attribuée en sept. 2014]
  • Je recherche, à partir de février 2014, un post-doctorant dans le domaine des systèmes de recommandation et de la fouille de données textuelles et sociales, dans le cadre d'un projet collaboratif. Voir l'annonce ici. Me contacter (emmanuel.viennet [at] univ-paris13.fr) pour plus d'informations, en indiquant:
    • CV détaillé et doctorat
    • recommandations (lettres ou personnes à contacter)
    [attribué en fév. 2014]
  • Je recherche, à partir de décembre 2012, un post-doctorant dans le domaine de l'apprentissage automatique et de l'analyse des réseaux sociaux. Voir l'annonce ici. Me contacter (emmanuel.viennet [at] univ-paris13.fr) pour plus d'informations, en indiquant:
    • CV détaillé et doctorat
    • recommandations (lettres ou personnes à contacter)
    [attribué en nov. 2012]
  • Thèse en contrat CIFRE en 2012: recommandation et réseaux sociaux. Voir offre détaillée [attribué en sept. 2012]
  • CDD ingénieur de 6 mois, caractérisation de la structure modulaire des grands réseaux sociaux. [attribué en avril 2012]

Offre de stages (master 2)

Projet de Master 1

Projet de Master 2 pro VCIEL

Projets de DUT (AJAX)

Voir sur la page du cours

Stage de Master: Méthodes locales pour la réduction non-linéaire de dimension : Applications à la fouille de texte [Stage attribué]

Conditions

Stage de 6 mois incluant une indemnité.

  • Durée du stage : 4 à 6 mois.
  • Financement : sur projet InfoM@gic.
  • Lieu du stage : LIPN, Université Paris 13, Villetaneuse.
  • Encadrant : Emmanuel Viennet : emmanuel.viennet at lipn.univ-paris13.fr
  • Compétences souhaitées : apprentissage numérique (statistiques, réseaux connexionnistes, ou analyse de données), programmation en environnement UNIX.

Thème du stage

En reconnaissance des formes ou en fouille de données, nous sommes souvent confrontés à des données de grandes dimensions: images, textes, où chaque élément est décrit par un grand nombre d'attributs. Ces problèmes sont classiquement abordés par les techniques de sélection de variables et de réduction de dimension, dont l'analyse en composantes principales (ACP) est un exemple bien connu.

Récemment, une nouvelle famille de méthodes est apparue, fondée sur des approximations locale des données: citons les algorithmes Isomap [Tenenbaum 2000] et LLE [Roweis 2000], qui font l'objet de nombreuses recherches (voir par exemple [Geng 2005]).

Les applications semblent prometteuses pour la reconnaissance des formes, en tant qu'aide à la visualisation des données ou comme prétraitement avant un module de classification supervisée ou non.

L'objet du stage :

  • réaliser une synthèse bibliographique des méthodes "modernes" de réduction de dimension;
  • implémenter une ou plusieurs méthodes de réduction de dimension et l'appliquer à quelques jeux de données textuelles afin de comparer aux méthodes "classiques". Le LIPN dispose de plusieurs bases de données de très grandes tailles qui pourront être utilisée pour tester en vraie grandeur les méthodes développées.

Bibliographie