postes enseignants-chercheurs

  • Aide
  • Recherche
  • Facebook
  • Twitter
Laboratoire de mathématiques et de leurs applications (LMAP)

 

Directeur du LMAP

Gilles CARBOU

gilles.carbou(@)univ-pau.fr
 

Responsable Administrative et Financière

Sophie HONTEBEYRIE

administration-lmap(@)univ-pau.fr

PDF
Vous êtes ici :

Postes d'enseignants-chercheurs

Poste de Professeur en section 26

Fiche détaillée du poste

Un poste de Professeur des universités en 26ième section est mis au concours en 2022 au Laboratoire de Mathématiques et leurs Applications de Pau (LMAP, UMR CNRS/UPPA 5142), Université de Pau et des Pays de l'Adour (campus de Pau).

Profil du poste : Equations aux dérivées partielles avec ouverture sur les probabilités

Enseignement : La personne recrutée interviendra dans les différents enseignements du département de mathématiques en licence et master (MMS et MSID), particulièrement dans l’enseignement de l’analyse des EDP et des probabilités.
Elle pourra s’impliquer dans de nouvelles formations, notamment dans les parcours reliés à l’EUR Green, et développer de nouveaux accords internationaux de formations, par exemple dans le cadre du projet européen UNITA liant l’UPPA à cinq autres universités d’Europe, où la synergie des compétences en modélisation stochastique sera fructueuse et représentera une réelle valeur ajoutée pour ces formations au niveau master et/ou doctorat.

Contact enseignement:  jacques.giacomoni@univ-pau.fr, laurent.levi@univ-pau.fr

Recherche : L'équipe Analyse, Géométrie et Applications du LMAP souhaite augmenter son potentiel recherche en recrutant un expert en analyse des équations aux dérivées partielles non linéaires possédant des compétences dans le domaine des EDP stochastiques ou plus largement des EDP avec une ouverture sur les probabilités.
Le LMAP souhaite développer ses activités de modélisation mathématique pour lesquelles l’élaboration et l’étude de modèles avec des termes stochastiques est porteur et innovant, en particulier dans les domaines de l’énergie (écoulements en milieux poreux très hétérogène), et de l’environnement (dynamiques des populations).
Le développement de ces activités fera l'objet d'interactions pluridisciplinaires avec les autres laboratoires de sciences de l’UPPA, en particulier ceux de l’IPRA. La personne recrutée dynamisera le développement de cet axe de recherche qui fait partie des priorités de l’établissement, notamment via le projet I-SITE E2S et l’Institut Carnot Isifor.

Contact recherche : gilles.carbou@univ-pau.fr

 

 

Chaire de Professeur Junior 

Une chaire de Professeur Junior sera ouverte au recrutement en 2022 au Laboratoire de Mathématiques et de leurs Applications de Pau (UMR UPPA/CNRS 5142), Université de Pau et des Pays de l'Adour

Intitulé de la chaire : Méthodes frugales pour le deep learning

Durée : 5 ans

Profil recherche :

L’objectif de la chaire est de construire des algorithmes d’apprentissage en intelligence artificielle qui aient un coup énergétique contrôlé. L’enjeu central de cette chaire est de réduire ces coûts. D’un point de vue algorithmique, ce projet consiste à mettre en place des alternatives aux méthodes actuelles d’apprentissage profond basées sur l’optimisation synchronisée et très consommatrice en ressources de calculs d’un très grand nombre de paramètres par descente de gradient. Pour cela, plusieurs pistes sont possibles pour en améliorer l’efficience énergétique : au sein des stratégies d’apprentissage, dans les méthodes d’inférence (approche PAC-Bayésienne par exemple), dans les algorithmes d’exploitation des données d’apprentissage, …

La personne recrutée aura une thèse de doctorat en statistique et/ou optimisation et aura une expérience de mise en œuvre effective de ces méthodes dans un contexte apprentissage profond. Sa recherche s'inscrira sur l'une des pistes citées précédemment avec une préférence pour les méthodes d'inférence. Les algorithmes issus de cette chaire seront implémentés, testés et développés par exemple sur des plateformes de calcul à faible consommation et embarquées (edge computing). Ces résultats feront l’objet de projets de transferts technologiques et de partenariats avec le monde socio-économique et feront le pont avec l’activité partenariale en Green IA déjà présente au LMAP.

La chaire s'inscrira aussi dans le contexte du Réseau Régional de Recherche en IA (R3IA), coordonné par Inria, qui permettra au ou à la titulaire d'échanger régulièrement avec des collègues du domaine issus de l'ensemble des établissements d'ESR régionaux. Ce projet pourra être mené en collaboration avec les équipes-projets du centre Inria Bordeaux Sud-Ouest (Astral, Mnemosyne, Flowers, par exemple).

Contact recherche : gilles.carbou@univ-pau.fr

 

Profil enseignement :

La mise en place de cette chaire a pour ambition de proposer des formations auprès des étudiants pour mieux comprendre les algorithmes de machine / deep learning, de favoriser une utilisation raisonnée de ces méthodes, et de former aux alternatives peu consommatrices.

Tout d’abord, la personne recrutée interviendra dans les enseignements de statistique autour des big data dans les parcours MSID (Méthodes Statistiques et Informatique pour la Décision) et Big Data, au sein du master de mathématiques et applications, afin de diffuser de nouvelles compétences en apprentissage profond et en optimisation de réseaux de neurones plus légers, et pour assurer une formation originale aux techniques de machine learning à faible consommation et aux applications de la science des données aux problèmes environnementaux. La personne recrutée participera aussi à l’animation des parcours de l’Ecole Universitaire de Recherche pour l’énergie et l’environnement GREEN concernés par les compétences big data et IA.

De plus, elle interviendra dans les formations de niveau licence dans lesquelles les techniques du big data sont de plus en plus présentes. Enfin, elle assurera des actions de médiation scientifique auprès du grand public et particulièrement des lycéens sur l’apport des mathématiques aux algorithmes de l’intelligence artificielle. Elle proposera également des formations aux professeurs de l’enseignement secondaire (lycée et classe préparatoire) pour les sensibiliser aux techniques d’apprentissage automatique (deep learning, traitement de la langue) et aux alternatives à basse consommation.

Contact enseignement : jacques.giacomoni@univ-pau.fr