Chercheur·se en apprentissage automatique – inférence probabiliste

À propos du poste

Nous recherchons un·e chercheur·se en apprentissage automatique pour rejoindre notre équipe dédiée à la sécurité de l'IA. Vous développerez et évaluerez des méthodes d'inférence probabiliste, en particulier l'inférence amortie, et vous assurerez la transition du cadre théorique aux applications concrètes.

Missions principales

• Développer des méthodes d'inférence amortie adaptées aux distributions discrètes et continues de haute dimension.
• Concevoir des algorithmes d’apprentissage des paramètres et des structures de grands modèles graphiques probabilistes.
• Élaborer des stratégies d’évaluation pour les méthodes basées sur l’inférence probabiliste.
• Collaborer avec des mathématiciens sur la théorie de l’apprentissage et de l’inférence.
• Implémenter les solutions en Python avec une qualité de code élevée.
• Analyser les résultats expérimentaux pour orienter les recherches futures.
• Communiquer les résultats complexes aux parties prenantes.

Profil recherché

• Diplôme supérieur en informatique, mathématiques ou domaine connexe (doctorat préféré).
• Minimum 3 ans d’expérience en recherche sur l’apprentissage profond.
• Expertise avérée en inférence probabiliste.
• Capacité à travailler de façon autonome et collaborative.

Compétences requises

• Python
• PyTorch ou TensorFlow
• Inférence bayésienne
• Inférence amortie (variationnelle, Generative Flow Networks)
• Modèles graphiques probabilistes et apprentissage de leurs paramètres/structures
• Apprentissage par renforcement
• Contrôle optimal
• Solides connaissances en mathématiques avancées

Ce que nous offrons

• Possibilité de contribuer à une mission unique avec un impact important.
• Avantages à définir.