Thèse Méthodes à Noyau Efficaces avec Attributs Binaires H/F - Doctorat.Gouv.Fr

Établissement : Université Grenoble Alpes École doctorale : EEATS - Electronique, Electrotechnique, Automatique, Traitement du Signal Laboratoire de recherche : Grenoble Images Parole Signal Automatique Direction de la thèse : Simon BARTHELME ORCID 0009000914867979 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-09-30T23:59:59 Les méthodes à noyaux constituent une classe assez large de méthodes d'apprentissage basées sur des plongements dans des espaces de grande dimension. Elles sont populaires et efficaces, mais leur passage à l'échelle est notoirement difficile. L'objectif de ce projet est d'étudier les possibilités d'accélération des méthodes d'apprentissage à noyaux en utilisant de la quantification binaire.

La thèse portera sur l'étude théorique des performances attendues, en se basant sur les outils la théorie de l'apprentissage statistique.
La thèse est financée par l'ANR dans le cadre du projet JCJC PHENIKS.

- M2 ou équivalent en informatique, mathématiques appliqués ou statistiques
- Intérêt fort pour les aspects théoriques du ML, ainsi que des connaissances pratiques dans ce domaine
- Une familiarité avec les méthodes à noyaux, l'analyse fonctionnelle ou la théorie de l'apprentissage n'est pas un pré-requis strict mais sera bienvenue