Internships, thesis, post-docs : Contact me for ongoing opportunities

Propositions de stages / Internships

Les sujets suivants sont modulables. Ils peuvent être reconfigurés en stage court d'étudiants de Centrale 2A (notamment après l'option SISN), en stage long ingénieur pour des étudiants de centrale 3A (option OMIS), et en stage long de M2 Recherche.

 * Apprentissage profond et Neurosciences)

Contact : thierry.artieres@centrale-marseille.fr

 * Evaluation d'architectures profondes avec apprentissage d'attributs

Ce sujet de stage s'inscrit dans le contexte de la classification automatique des images. De nombreux travaux se sont intéressés à la problématique de l'indexation sémantique des images, nécessitant de mettre en oeuvre un tâche de classification pour associer une ou plusieurs classes à une image à partir de descripteurs d’images (couleur, forme, texture). Nous nous intéressons ici au cas où les classes d'images sont associées à une description sémantique, appelées "attributs" caractérisant ces classes.

L'utilisation d'attributs pour modéliser des classes permet d'apprendre des modèles en tenant compte de descriptions de haut niveau. Les données d'apprentissage sont alors représentées dans un espace d'attributs et donnent ainsi la possibilité de construire des modèles intelligibles par un humain. Ce paradigme d'apprentissage est notamment utilisé pour parvenir à un apprentissage sans examples d'apprentissage ("zero-shot learning"). Par exemple, le jeu de données Animals-With-Attributes (AwA) met en relation des classes d'animaux (chien, chat, cheval, ours, …) avec des attributs caractérisant ces animaux (grand, petit, rapide, lent, rayé, vole, nage, …).

Ces dernières années, des travaux ont donné lieu à un regain d'intérêt pour les modèles à base de réseaux de neurones. En particulier, des avancées algorithmiques permettent de mieux contrôler des architectures profondes (jusqu'à une dizaine de couches) qui se montrent moins sensibles aux choix d'hyperparamètres. En parallèle, les progrès matériels et logiciels rendent possibles une prise en main facile de ces algorithmes. De nombreuses applications bénéficient aujourd'hui de ces avancées : en classification d'images, reconnaissances de la parole, ou compréhension de texte, des améliorations significatives des performances sont observées. L'intérêt de ces approches réside dans leur capacité à construire des représentations au fort pouvoir discriminant. En classification d'images, ces représentations se montrent bien plus efficaces que les descripteurs d'images classiques.

Le but de ce stage est de prendre en main un framework de deep learning (Caffe, Theano, Torch7,..) et d'étudier diverses architectures profondes dans le contexte de l'apprentissage d'attributs. Nous souhaitons ainsi parvenir à tirer parti d'une part de représentations de haut niveau provenant des attributs et apportant l'intelligibilité d'un modèle ; et d'autre part, de représentations efficaces obtenues par apprentissage. L'étudiant pourra s'appuyer sur des publications récentes en computer vision menées sur ces thématiques :

- http://arxiv.org/abs/1411.7766

- http://www.vision.is.tohoku.ac.jp/files/7214/1447/3169/67-Ozeki-ACCV14.pdf

Contact : stephane.ayache@lif.univ-mrs.fr et thierry.artieres@centrale-marseille.fr


  • Des financements sont disponibles pour la plupart des sujets suivants

Offres courantes

  • Interaction gestuelle et modélisation de séquences (Dans le cadre d'un Projet Européen)
  • Analyse et Inférence dans des Graphes (Dans le cadre d'un projet national ANR)
  • Modélisation d'utilisateurs et modèles à variables latentes (Dans le cadre d'un projet national ANR)
  • Réseaux de neurones profonds et données séquentielles

(sujet Δ)

  • Modèle de communication émotionnelle pour un agent conversationnel animé (sujet Δ) (Dans le cadre d'un projet national ANR)

> Contactez moi pour plus d'information : Thierry.Artieres@lip6.fr

Offres de post-doc


  • Mise en oeuvre de modèles Markoviens génératifs (HMMs) et discriminants (CRFs) pour le traitement de séquences

> Me contacter pour plus de précisions : Thierry.Artieres@lip6.fr

Poste de MC en Informatique à l'ECM : Données massives / apprentissage profond (intégration au laboratoire LIF) Fiche Galaxie Δ

 Projets LIF ECM Δ

Artifical Intelligence : Un programme bat les professionnels au Poker

Conférence Francophone d'Apprentissage Automatique (CAP 2016): 04-07 Juillet 2016

Journée du PR2I Big data d'AMU sur le Traitement de Données massives

Jeudi 15 Octobre de 8h30 à 14h sur le site Saint Charles (Salles de conférences 1 et 2)

Annonce de a journée

Plus d'information