Skip to content. | Skip to navigation

Personal tools

Sections

Consider the world interacting

  • Logo CNRS
  • Logo ENSL
  • logo-enssib.jpg
You are here: Home / Teams / Projet ACADEMICS (projet Scientific Breaktrough de l'IDEXLYON)

Projet ACADEMICS (projet Scientific Breaktrough de l'IDEXLYON)

Le projet ACADEMICS ("Machine Learning & Data Science for Complex and Dynamical Models") vise à développer des approches méthodologiques pour des comprendre à partir des données des mécanismes fondamentaux de questions porteurs d'enjeux globaux : le climat, la société numérique.

 

ACADEMICS ("Machine Learning & Data Science for Complex and Dynamical Models"),

Projet financé par l'Université de Lyon, à travers IDEXLYON, appel à projets Scientific Breakthrough Program (SBP) 2018.

Porteur principal du projet : Pierre Borgnat, Directeur de recherche au CNRS.

Le projet ACADEMICS ("Machine Learning & Data Science for Complex and Dynamical Models") est porté par :

  • l’Institut Rhônalpin des Systèmes Complexes (IXXI)
  • le Laboratoire de Physique à l’ENS de Lyon (LP ENS de Lyon)
  • le Laboratoire d’Informatique du Parallélisme (LIP)
  • le Laboratoire Hubert Curien (LabHC)
  • le Laboratoire d’Informatique en Images et Systèmes d’information (LIRIS).

 

La finalité du projet est de développer et combiner des approches en « apprentissage machine » (Machine Learning) et en sciences des données (Data Analytics, Data Science), avec un objectif d’apprentissage de modèles complexes dans deux domaines scientifiques importants et porteurs d'enjeux globaux : la compréhension et la modélisation des mécanismes fondamentaux du climat, et la compréhension quantitative de mécanismes clefs en sciences sociales.

Pour en savoir plus sur les projets SBP 2018 : voir la page d'annonce à l'ENS de Lyon ou la page sur l'IDEX de Lyon.

Actualités / NEWS

 

- Master level internship are often possible, still in 2021: contact the member of the project.

- PhD and post-doc positions: in the framework of the ACADEMICS projet about "Machine Learning & Data Science for Complex and Dynamical Models", we are looking for PhD candidates and for candidates to post-doc positions, for the developement of ML&DS for several scientific challenges:

  • New position (beginning of 2020): Algorithmic and mathematical foundations of resource-efficient machine learning ; contact : Rémi Gribonval (Inria, LIP). Possible research topics: Expressivity and Robustness of Sparse Deep Networks; Provable Algorithms for Sparse Deep Learning; Random Sketches for Efficient Manifold & Graph-based Learning. 
  • Machine Learning applied to Climate Dynamics (group in "Climate and Statistical Mechanics" of F. Bouchet at LPENSL and group Sisyphe at LPENSL) ; contacts: F. Bouchet & P. Borgnat
  • Modeling in Computational Social Science ; contacts: M. Karsai (DANTE, LIP) and P. Borgnat (Sisyphe, LPENSL) at ENSL ; C. Robardet and C. Garcia et LIRIS ; C. Largeron at LabHC
  • Developments in Machine Learning and Neural Networks; contacts: C. Garcia and S. Duffner (LIRIS); M. Sebban, A. Habrard (LabHC)

 

- Workshops: the project will organize or participate some workshops in the coming year. Stay tuned.

Future workshops or conference organised with the project:

 

-  Scidolyse: the project and its members is asociated to the "Sciences des Données à Lyon-Saint-Etienne" discussion group.