Ingenieur - Ingenieure de Recherche Apprentissage Automatique et IA H/F - Ecole Polytechnique

Le CMAP est le centre de mathématiques appliquées de l'École polytechnique. Il s'agit d'une unité mixte de recherche du CNRS, de l'École polytechnique et d'Inria, implantée sur le campus de l'École polytechnique à Palaiseau (Essonne).Nous recherchons un/une ingénieur(e) de recherche afin de soutenir le projet ATLAS, lauréat d'un Hi! Paris Synergy Fellowship (projet collaboratif entre l'École polytechnique et Télécom Paris). Ce projet est consacré à l'apprentissage sur graphes au-delà des réseaux de neurones sur graphes (GNN), selon trois axes : la modélisation des graphes comme espaces métriques mesurés à l'aide de la distance de Fused-Gromov-Wasserstein ; la construction de représentations vectorielles de graphes fondée sur la théorie des espaces de Hilbert à noyau reproduisant (RKHS) ; le plongement des graphes sous forme de distributions empiriques dans un espace euclidien ou un RKHS, en préservant l'équivariance et l'invariance par transformation.
L'ingénieur(e) de recherche a pour mission de concevoir et de développer la boîte à outils logicielle open source du projet, consacrée au transport optimal sur graphes et au traitement de graphes pour l'apprentissage automatique, et de contribuer aux travaux de recherche du projet sur les plans méthodologique, logiciel et expérimental. Les méthodes développées sont évaluées sur leur capacité à préserver les propriétés géométriques et fonctionnelles des graphes, sur leur efficacité de calcul et sur leurs applications, en collaboration avec des spécialistes de chimie et de biologie.Le poste est rattaché à l'équipe Statistiques du CMAP.A ce titre, vous assurez les missions principales suivantes: Développement des boîtes à outils logicielles open source du projet :Contribuer à la bibliothèque POT (Python Optimal Transport) et participer à sa co-maintenance- Implémenter des méthodes de traitement de graphes fondées sur le transport optimal, intégrées à POT ou à PyTorch Geometric- Concevoir les exemples, les tutoriels et la documentation associés- Organiser un sprint de développement avec les collaborateurs du projetContribution aux lots de travail de recherche, en interaction avec les chercheurs :- Formuler les problèmes de recherche et les algorithmes sur les plans méthodologique et mathématique- Concevoir et mettre en oeuvre les expériences numériques sur données simulées et réelles- Exécuter les expériences sur les calculateurs locaux et les supercalculateurs nationaux- Analyser les résultats et rédiger un article de comparaison (benchmark) destiné à une conférence internationale d'apprentissage automatiqueContraintes particulières : déplacements ponctuels en France et à l'étranger pour les réunions du projet et les conférences scientifiques

Vous disposez d'une formation supérieure de type master en mathématiques appliquées ou en informatique, et justifiez d'une première expérience en apprentissage automatique ou en intelligence artificielle. Vous connaissez le langage Python et êtes familier avec les bibliothèques Python d'apprentissage automatique (Scikit-learn, PyTorch, etc.). Enfin, vous êtes reconnu(e) pour votre aisance relationnel, votre goût du travail en équipe et d'un niveau d'anglais courant.