Chercheur.se en apprentissage automatique (inférence probabiliste)

Nous recherchons un.e chercheur.se en apprentissage automatique pour rejoindre notre équipe travaillant sur un agenda de recherche novateur en sécurité de l'IA. Dans ce rôle, vous développerez et évaluerez des méthodes d'inférence probabiliste, avec un focus sur l'inférence amortie, transformant les théories en applications concrètes et communiquant les résultats.

Responsabilités principales 

• Développer des méthodes d'inférence amortie adaptées aux distributions discrètes et continues de haute dimension.
• Développer des méthodes d'apprentissage des paramètres et des structures de grands modèles graphiques probabilistes qui bénéficient de l'inférence probabiliste amortie.
• Concevoir des stratégies d'évaluation pour les méthodes qui reposent sur l'inférence probabiliste.
• Collaborer avec des mathématiciens sur la théorie liée à l'apprentissage et à l'inférence dans les modèles probabilistes.
• Traduire les propositions théoriques en implémentations de haute qualité dans un langage de programmation tel que Python.
• Analyser et interpréter les résultats expérimentaux pour orienter les recherches futures.
• Communiquer efficacement des résultats complexes à diverses parties prenantes.

Compétences et qualifications

• Diplôme supérieur dans un domaine pertinent (par exemple, informatique, mathématiques). Un doctorat est préférable mais non obligatoire si le candidat démontre des capacités exceptionnelles.
• Un minimum de 3 ans d'expérience dans la recherche sur l'apprentissage profond.
• Une expertise en inférence probabiliste est requise, en plus d'une expertise dans un ou plusieurs des domaines suivants :
  • Inférence bayésienne
  • Méthodes d'inférence approximative basées sur l'échantillonnage
  • Méthodes d'inférence amortie (y compris les méthodes d’inférence variationnelle ou les “Generative Flow Networks”)
  • Apprentissage de paramètres et/ou de structures dans les modèles graphiques probabilistes (y compris les modèles causaux)
  • Apprentissage par renforcement
  • Contrôle optimal.
• Solides connaissances en mathématiques.
• Expérience avérée dans le développement et l’implémentation de modèles d'apprentissage automatique.
• Maîtrise des langages de programmation tels que Python, et expérience avec des outils d’apprentissage automatique tels que PyTorch ou TensorFlow.
• Excellentes compétences en matière d'analyse et de résolution de problèmes, avec une capacité démontrée d'esprit critique à l'égard de systèmes complexes.
• Solides compétences en communication, tant à l'écrit qu'à l'oral, avec la capacité d'expliquer des idées complexes à différentes parties prenantes.
• Avoir contribué à des recherches de haute qualité dans le domaine de l'inférence probabiliste ou dans des domaines connexes.
• Capacité à travailler de manière collaborative dans un environnement d'équipe tout en étant autonome et motivé.e.

Ce que nous offrons

• L’occasion de contribuer à une mission unique avec un impact important.
• Des avantages santé complets.
• Un minimum de 20 jours de vacances dès l’embauche.
• Un contribution d'épargne retraite de l’employeur d'un minimum de 4%.
• Des avantages généreux et flexibles conçus pour contribuer à votre bien-être.
• Une équipe d’experts de leur domaine, des gens passionnés et passionnants.
• Un milieu de travail collaboratif et inclusif avec des bureaux au cœur de la Petite Italie, dans le quartier branché Mile-Ex à proximité des transports en commun.