Posted on

Pantheon Sorbonne

En s’appuyant sur les ressources de l’Institut des Systèmes Complexes (ISC-PIF), il s’agira de développer et de mettre en oeuvre des outils de cartographie de connaissances et d’apprentissage automatique [machine learning] afin d’étudier l’émergence d’une communauté scientifique ayant le son et l’écoute pour principal terrain de recherche. Le travail comprendra une partie théorique d’étude mathématique (voire de nouvelle définition) des mesures conditionnelles et distributionnelles utilisées pour l’analyse textuelle. Le stage sera encadré à la Fédération Parisienne de Modélisation Mathématique (CNRS) par Julien Randon-Furling (équipe SAMM, Univ. Paris 1 Panthéon Sorbonne) et à l’EHESS par Karine Le Bail (responsable du réseau SON:S, CNRS) ; il bénéficiera de l’accueil et du co-encadrement de David Chavalarias (Directeur) et Alexandre Delanoë (chef du projet Gargantext) à l’ISC.


Profil : Étudiant·e avec une formation en sciences mathématiques et/ou informatiques (Master Sciences mathématiques, Physique théorique, Statistiques, Sciences des données, Systèmes complexes, Humanités numériques…), autonome en programmation et avec un goût prononcé pour le travail interdisciplinaire, tout particulièrement à l’interface avec les Sciences humaines sociales.

Dates : à convenir ensemble (prise de contact et premiers éléments en parallèle des cours du premier semestre de M2)Durée : modulable (plusieurs mois, un semestre)

Contact : Si vous êtes intéressé·e, écrivez rapidement à J.Randon-Furling@cantab.net

Posted on

Sorbonne Université

Thèses commençant en janvier 2022 :

–    One position is available at Sorbonne-University, Abou Dhabi, on the Modeling of Dynamical Systems  with Geoscience Application: https://mlia.lip6.fr/wp-content/uploads/2021/09/PhD-position_SUAD-Deep-Learning-for-Modeling-Physical-Dynamics.pdf

–    One position is available at Sorbonne University, Paris, on Deep Learning in Computational Fluid Dynamics : https://mlia.lip6.fr/wp-content/uploads/2021/10/Machine-Learning-Computational-Fluid-Dynamics-PhD-3-1.pdf

Posted on

Imperial College London

PhD positions at Imperial College London on data privacy and security (fully funded, deadline: Nov 15, 2021)

Our Computational Privacy Group at Imperial College London is offering fully funded PhD positions for 2021.

Topics of current interests include re-identification of individuals in large-scale behavioral datasets; statistical or machine learning-based attacks against privacy-preserving data systems or aggregates, privacy of machine learning models, as well as privacy engineering solutions such as differential privacy and query-based systems.

We are looking for candidates who love exploring new ideas, are willing to collaborate with others, and would like to generate impact through their research. Our research has been published in top journals and conferences such as Science, Nature Communications, or Usenix Security and has been widely cited in the press and public policy documents.

For full details, please consult https://cpg.doc.ic.ac.uk/openings/

Deadline: Oct 15th (prefered) or Nov 15th, 2021

Recommended prerequisites. MSc or MEng (4y BEng will be considered) in computer science, statistics, mathematics, or a related field. Experience in statistics and/or machine learning is a plus.

We encourage all qualified candidates to apply, in particular women, disabled, BAME, and LGBTQIA+ candidates.

About Imperial: Imperial College London, ranked 9th globally, is one of the top universities in the world. A full-time PhD at the South Kensington Campus takes 3-4

years, is fully funded and usually starts in October.