Couplage de l’apprentissage automatique avec la the-orie des valeurs extre-mes pour analyser les e’ve’nements rares lie’s a’ la dynamique des oce-ans (H/F)

 
Published
WorkplaceGif-sur-Yvette, Ile-de-France, France
Category
Position

Description

Couplage de l’apprentissage automatique avec la the-orie des valeurs extre-mes pour analyser les e?ve?nements rares lie’s a? la dynamique des oce-ans (H/F)

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Informations générales


Référence : UMR8212-PHINAV-001
Lieu de travail : GIF SUR YVETTE,GIF SUR YVETTE
Date de publication : vendredi 16 octobre 2020
Nom du responsable scientifique : Philippe Naveau
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 4 janvier 2021
Quotité de travail : Temps complet
Rémunération : 2 135,00 ¤ brut mensuel

Description du sujet de thèse


De part leurs amplitudes et leurs fre?quences, les e?ve?nements extre?mes ge?ophysiques ont des caracte-ristiques particulie?res. De plus, ils peuvent jouer
un ro?le fondamental en termes d’impact socie?tal, par exemple, risque
d’inondations majeures. Par de?finition, les e?ve?nements extre-mes sont rares, mais ils se produisent et les records sont faits pour e?tre battus. En termes
d’algorithmes d’apprentissage automatique, il est difficile d’apprendre a? partir
de tre’s peu d’exemples, me?me dans une base de donne?es d’apprentissage
volumineuse. De plus, la distribution de probabilite? d’e?ve?nements extre-mes ne
peut pas e?tre bien capture?e par des mesures base?es uniquement sur des e?carts par
rapport a? la moyenne. Ces deux questions remettent clairement en cause le paradigme d’apprentissage classique en ’’machine learning". Du point de vue de
l’incertitude, il existe une the-orie des probabilite’s conc?ue pour mode-liser le
comportement extre?me, appele?e the-orie de la valeur extre?me (EVT).?
Un proble?me majeur pour coupler les techniques NN et EVT est la question des
me?triques pour les e?ve?nements rares et de la manie?re d’e?valuer les distributions
pre?dictives a? partir de mode-les de pre?vision. Ces deux aspects seront e?tudie’s en
de?tail lors de la the?se.?

  • La ta?che principale du doctorant sera de construire des ponts me?thodologiques entre les re?seaux de neurones (NN) utilise’s dans la dynamique des oce-ans et le EVT multivarie? utilise? dans les statistiques environnementales.

  • Cette the?se fera partie du projet ANR-Melody dont le domaine d’application principal est le domaine de la dynamique des oce?ans. Cela implique que le champ
    principal d’application sera le domaine de la dynamique des oce-ans et, par
    conse?quent, tous les algorithmes seront teste’s sur des mode-les simplifie’s de
    petite dimension (mode?les de Lorenz) ou des mode-les de taille interme?diaire
    (e?quations 1D-Burgers, mode-les 2D-QG, etc.).
    FORMATION NIVEAU MASTER RECOMMANDE?
    Data science, statistical learning and/or geosciences (ocean dynamics)

    Contexte de travail


    EQUIPE d’acceuil (EstimrR): L’e?quipe ESTIMR du LSCE a pour objectifs principaux : la compre-hension et la mode-lisation de la variabilite? climatique et environnementale a? diffe-rentes e?chelles spatiales - depuis les tre’s grandes structures lie?es a? la dynamique atmosphe-rique jusqu’a? des phe?nome?nes tre’s locaux - et a? diffe-rentes e?chelles temporelles - pour l’e?tude de climats passe’s, des processus pre-sents et des e?volutions futures. Dans ce cadre tre’s vaste, l’une des forces de l’e?quipe ESTIMR repose sur l’utilisation et le de?veloppement de mode-les statistiques de l’e?tat-de-l’art adapte’s aux proble-matiques climatiques, gra?ce a? une interaction multidisciplinaire soutenue entre climatologie, mode?lisation, physique et statistiques

Web

In your application, please refer to myScience.fr and reference JobID 23026.


This site uses cookies and analysis tools to improve the usability of the site. More information. |