Rechercher
Ingénieur / ingénieure en machine learning pour l’analyse de films (H/F)
L'ingénieur / ingénieure sera recruté(e) dans le cadre du projet ANR TRACTIVE. La personne travaillera au sein du pôle Signal Image et Système du laboratoire I3S, sur des tâches liées à l’analyse de films avec des outils d’IA existants et à concevoir (spécifiquement sur des modèles de machine learing - ML). Elle aura pour tâches de tester de nouvelles approches ML sur des données nouvellement créées, ce qui inclura également l’étude des choix de pré-traitement des données pour étudier différentes approches d’IA.
Les principales tâches consisteront en :
• pré-traitement rigoureux des différentes modalités (vidéo, texte, audio),
• analyses statistiques avancées des ensembles de données,
• proposer et tester des modèles de ML explicables pour identifier les motifs cinématographiques discriminants pour les tâches de classification considérées,
• analyse rigoureuse des résultats et comparaison avec baselines.
Activités
Activités principales :
• pré-traitement rigoureux des différentes modalités (vidéo, texte, audio),
• analyses statistiques avancées des ensembles de données,
• proposer et tester des modèles de ML explicable pour identifier les motifs cinématographiques discriminants pour les tâches de classification considérées,
• analyse rigoureuse des résultats et comparaisons avec baselines,
• test et integration de dépôts de code et bibliothèques existantes,
• formattage des données pour les modèles de ML,
• développement de code en Python,
• écriture de documentation technique et rapports,
• participation à la rédaction d’articles scientifiques pour les conférences et journaux les plus prestigieux du domaine (CVPR, ICCV, IJCV, etc.).
Activités complémentaires
• participation aux réunions de projet,
• visibilisation des résultats sur les sites Web du projet,
• aide aux doctorant·es et aux partenaires de projet dans leurs besoins réguliers de test et usage d’outil d’IA existants pour des traitements spécifiques des données.
Compétences
Requises
• Excellentes compétences en programmation en Python,
• Solide expérience avec les modèles et bibliothèques de machine learning (scikit learn, tensorflow, torch),
• Solides compétences et expérience préalable avec des outils et des bibliothèques de vision par ordinateur, de traitement d'images et de traitement de texte (par exemple, opencv, ffmpeg, cimg, dlib, nltk, Lemur),
• Bonne connaissance des flux de traitement des données pour l'apprentissage automatique,
• Expertise en gestion de dépôt de code (git),
• Bonnes compétences en ingénierie pour déboguer et compiler des dépôts avec code source en C++ et Matlab,
• Compétences pour rechercher, comprendre, utiliser et rédiger la documentation technique.
Appréciées
• Expérience avec l’analyse de séries temporelles,
• Connaissance de la virtualisation et du packaging des logiciels (par exemple, Docker, Singularity),
• Création de site Web avancées (PHP, MySQL, Javascript),
• Bon niveau de français et anglais oral et écrit.
Contexte de travail
Le projet TRACTIVE est un projet de recherche de 4 ans financé par l'Agence Nationale de la Recherche (ANR) et impliquant 6 laboratoires académiques. L'objectif scientifique de TRACTIVE est de caractériser et de quantifier la représentation du genre et l'objectification des femmes dans les films et les médias visuels en concevant une analyse multimodale (visuelle et textuelle) du discours avec des modèles IA. Pour atteindre cet objectif, TRACTIVE rassemble des chercheuses et chercheurs en informatique, en études des médias, en linguistique et en études de genre.
Outre ces personnels permanents, plusieurs membres non permanents travaillent déjà sur le projet, notamment des doctorant(e)s et un ingénieur.
Encadrement:
Prof. Lucile Sassatelli, Full Professor, Fellow of IUF
lucile.sassatelli@univ-cotedazur.fr
https://www.i3s.univ-cotedazur.fr/~sassatelli
https://www.i3s.univ-cotedazur.fr/TRACTIVE/
Dr. Hui-Yin Wu, Research Scientist at Inria center of Université Côte d’Azur
hui-yin.wu@inria.fr
https://www-sop.inria.fr/members/Hui-Yin.Wu/
Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.
Le projet TRACTIVE est un projet de recherche de 4 ans financé par l'Agence Nationale de la Recherche (ANR) et impliquant 6 laboratoires académiques. L'objectif scientifique de TRACTIVE est de caractériser et de quantifier la représentation du genre et l'objectification des femmes dans les films et les médias visuels en concevant une analyse multimodale (visuelle et textuelle) du discours avec des modèles IA. Pour atteindre cet objectif, TRACTIVE rassemble des chercheuses et chercheurs en informatique, en études des médias, en linguistique et en études de genre.
Outre ces personnels permanents, plusieurs membres non permanents travaillent déjà sur le projet, notamment des doctorant(e)s et un ingénieur.
Encadrement:
Prof. Lucile Sassatelli, Full Professor, Fellow of IUF
lucile.sassatelli@univ-cotedazur.fr
https://www.i3s.univ-cotedazur.fr/~sassatelli
https://www.i3s.univ-cotedazur.fr/TRACTIVE/
Dr. Hui-Yin Wu, Research Scientist at Inria center of Université Côte d’Azur
hui-yin.wu@inria.fr
https://www-sop.inria.fr/members/Hui-Yin.Wu/
Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.
Contraintes et risques
Ce poste n'est associé à aucun risque particulier. Le travail sur site est requis pendant au moins 4 jours par semaine.
Ce poste n'est associé à aucun risque particulier. Le travail sur site est requis pendant au moins 4 jours par semaine.
Les principales tâches consisteront en :
• pré-traitement rigoureux des différentes modalités (vidéo, texte, audio),
• analyses statistiques avancées des ensembles de données,
• proposer et tester des modèles de ML explicables pour identifier les motifs cinématographiques discriminants pour les tâches de classification considérées,
• analyse rigoureuse des résultats et comparaison avec baselines.
Activités
Activités principales :
• pré-traitement rigoureux des différentes modalités (vidéo, texte, audio),
• analyses statistiques avancées des ensembles de données,
• proposer et tester des modèles de ML explicable pour identifier les motifs cinématographiques discriminants pour les tâches de classification considérées,
• analyse rigoureuse des résultats et comparaisons avec baselines,
• test et integration de dépôts de code et bibliothèques existantes,
• formattage des données pour les modèles de ML,
• développement de code en Python,
• écriture de documentation technique et rapports,
• participation à la rédaction d’articles scientifiques pour les conférences et journaux les plus prestigieux du domaine (CVPR, ICCV, IJCV, etc.).
Activités complémentaires
• participation aux réunions de projet,
• visibilisation des résultats sur les sites Web du projet,
• aide aux doctorant·es et aux partenaires de projet dans leurs besoins réguliers de test et usage d’outil d’IA existants pour des traitements spécifiques des données.
Compétences
Requises
• Excellentes compétences en programmation en Python,
• Solide expérience avec les modèles et bibliothèques de machine learning (scikit learn, tensorflow, torch),
• Solides compétences et expérience préalable avec des outils et des bibliothèques de vision par ordinateur, de traitement d'images et de traitement de texte (par exemple, opencv, ffmpeg, cimg, dlib, nltk, Lemur),
• Bonne connaissance des flux de traitement des données pour l'apprentissage automatique,
• Expertise en gestion de dépôt de code (git),
• Bonnes compétences en ingénierie pour déboguer et compiler des dépôts avec code source en C++ et Matlab,
• Compétences pour rechercher, comprendre, utiliser et rédiger la documentation technique.
Appréciées
• Expérience avec l’analyse de séries temporelles,
• Connaissance de la virtualisation et du packaging des logiciels (par exemple, Docker, Singularity),
• Création de site Web avancées (PHP, MySQL, Javascript),
• Bon niveau de français et anglais oral et écrit.
Contexte de travail
Le projet TRACTIVE est un projet de recherche de 4 ans financé par l'Agence Nationale de la Recherche (ANR) et impliquant 6 laboratoires académiques. L'objectif scientifique de TRACTIVE est de caractériser et de quantifier la représentation du genre et l'objectification des femmes dans les films et les médias visuels en concevant une analyse multimodale (visuelle et textuelle) du discours avec des modèles IA. Pour atteindre cet objectif, TRACTIVE rassemble des chercheuses et chercheurs en informatique, en études des médias, en linguistique et en études de genre.
Outre ces personnels permanents, plusieurs membres non permanents travaillent déjà sur le projet, notamment des doctorant(e)s et un ingénieur.
Encadrement:
Prof. Lucile Sassatelli, Full Professor, Fellow of IUF
lucile.sassatelli@univ-cotedazur.fr
https://www.i3s.univ-cotedazur.fr/~sassatelli
https://www.i3s.univ-cotedazur.fr/TRACTIVE/
Dr. Hui-Yin Wu, Research Scientist at Inria center of Université Côte d’Azur
hui-yin.wu@inria.fr
https://www-sop.inria.fr/members/Hui-Yin.Wu/
Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.
Le projet TRACTIVE est un projet de recherche de 4 ans financé par l'Agence Nationale de la Recherche (ANR) et impliquant 6 laboratoires académiques. L'objectif scientifique de TRACTIVE est de caractériser et de quantifier la représentation du genre et l'objectification des femmes dans les films et les médias visuels en concevant une analyse multimodale (visuelle et textuelle) du discours avec des modèles IA. Pour atteindre cet objectif, TRACTIVE rassemble des chercheuses et chercheurs en informatique, en études des médias, en linguistique et en études de genre.
Outre ces personnels permanents, plusieurs membres non permanents travaillent déjà sur le projet, notamment des doctorant(e)s et un ingénieur.
Encadrement:
Prof. Lucile Sassatelli, Full Professor, Fellow of IUF
lucile.sassatelli@univ-cotedazur.fr
https://www.i3s.univ-cotedazur.fr/~sassatelli
https://www.i3s.univ-cotedazur.fr/TRACTIVE/
Dr. Hui-Yin Wu, Research Scientist at Inria center of Université Côte d’Azur
hui-yin.wu@inria.fr
https://www-sop.inria.fr/members/Hui-Yin.Wu/
Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.
Contraintes et risques
Ce poste n'est associé à aucun risque particulier. Le travail sur site est requis pendant au moins 4 jours par semaine.
Ce poste n'est associé à aucun risque particulier. Le travail sur site est requis pendant au moins 4 jours par semaine.
Publiée le 26/12/2024
