Appel à chaires Attractivité

Aperçu

Dans le cadre de la Stratégie Française en Intelligence Artificielle (IA), le programme Chaires PEPR IA offre aux chercheurs en IA l’opportunité d’établir et de diriger un programme de recherche et une équipe en France pour une durée de 4 ans.

Ce programme est ouvert aux chercheurs juniors et seniors, avec pour principal critère un excellent parcours en recherche dans les thèmes du PEPR IA. Les candidatures sont ouvertes aux personnes ayant obtenu leur doctorat en France ou à l’étranger. Les candidats ayant obtenu leur doctorat en France et souhaitant revenir doivent démontrer une expérience de recherche internationale significative, incluant l’encadrement d’étudiants et la gestion de projets scientifiques.

Cet appel vise à pourvoir au moins 5 postes. Les candidats doivent avoir un parcours exceptionnel en apprentissage automatique (ML), en particulier dans les domaines thématiques du PEPR IA :

  • Frugalité
  • IA embarquée
  • Fiabilité et explicabilité
  • IA distribuée
  • Fondements mathématiques de l’IA

Afin d’attirer les meilleurs talents, le programme offrira des options d’intégration personnalisables, adaptées au niveau d’expérience et de séniorité des candidats. Les candidats pourront être accueillis dans des laboratoires affiliés au PEPR ou dans des laboratoires non affiliés, mais présentant des synergies claires et fortes avec les projets du PEPR IA.

Les candidats sélectionnés pourront être recrutés par toute université ou institut de recherche en France. Ils devront proposer au moins deux laboratoires d’accueil pour leur projet de recherche. Ils doivent contacter les directeurs de ces laboratoires et expliquer dans leur proposition de recherche comment leur projet s’aligne avec les laboratoires choisis, avec les objectifs du PEPR IA, et comment il complète les travaux déjà en cours dans les projets du PEPR.

La décision finale d’affectation sera prise par le Comité PEPR IA, après sélection des candidats et entretiens avec un comité scientifique de recrutement. Les candidats sont attendus à contribuer à la Stratégie Française en Intelligence Artificielle, et les candidatures s’alignant avec les projets du PEPR IA ainsi qu’avec d’autres initiatives de la Stratégie IA française, telles que les instituts ClusterIA, sont encouragées.

La sélection se fera au fil de l’eau avec des sessions d’évaluations régulières tout au long de l’année.

Contact : contact@pepr-ia.fr


Autres projets

 NNawaQ
NNawaQ
NNawaQ (Neural Network Adequate Hardware Architecture for Quantization)
Voir plus
 Package Python Keops
Package Python Keops
Package Python Keops pour les calculs tensoriels en (très) grande dimension (projet PDE-AI)
Voir plus
 MPTorch
MPTorch
MPTorch, framework d’encapsulation construit sur PyTorch
Voir plus
 CaBRNeT
CaBRNeT
CaBRNeT, une bibliothèque pour le développement et l'évaluation de modèles de raisonnement basé sur des cas simplifiés (projet SAIF)
Voir plus
 SNN Software
SNN Software
SNN Software, un outil open-source pour le design SNN (projet EMERGENCES)
Voir plus
 SDOT
SDOT
SDOT, logiciel pour le transport optimal semi-discret
Voir plus
 FloPoCo
FloPoCo
FloPoCo (Floating-Point Cores), générateur de noyaux arithmétiques majoritairement pour les FPGA (projet HOLIGRAIL)
Voir plus
 Lazylinop
Lazylinop
Lazylinop (Lazy Linear Operator), un opérateur linéaire paresseux de haut niveau basé en Python (projet SHARP)
Voir plus
 CAISAR
CAISAR
CAISAR, une plateforme de caractérisation de la sécurité et de l’intelligence artificielle robuste (projet SAIF)
Voir plus
 P16
P16
P16 ou développer, diffuser et maintenir un ensemble de bibliothèques souveraines pour l'IA
Voir plus
 AIDGE
AIDGE
AIDGE ou la plateforme ouverte de développement en embarqué du projet DEEPGREEN
Voir plus
 Jean-Zay
Jean-Zay
Jean Zay ou l'infrastructure nationale pour la communauté de recherche en IA
Voir plus
 ADAPTING
ADAPTING
Architectures adaptatives pour l'intelligence artificielle embarquée
Voir plus
 CAUSALI-T-AI
CAUSALI-T-AI
La causalité au service de la robustesse et de l’explicabilité des algorithmes d’IA
Voir plus
 EMERGENCES
EMERGENCES
Modèles émergents proche physique pour l'IA embarquée
Voir plus
 FOUNDRY
FOUNDRY
Les fondements de la robustesse et de la fiabilité en intelligence artificielle
Voir plus
 HOLIGRAIL
HOLIGRAIL
Approches holistiques pour les architectures plus efficaces pour l'inférence et l'apprentissage
Voir plus
 PDE-AI
PDE-AI
Nouvelles architectures pour l’apprentissage automatique
Voir plus
 REDEEM
REDEEM
Apprentissage automatique résilient, décentralisé et respectueux de la vie privée
Voir plus
 SAIF
SAIF
Sûreté de l’intelligence artificielle investiguée par les méthodes formelles
Voir plus
 SHARP
SHARP
Principes théoriques et algorithmiques de l’apprentissage frugal
Voir plus