• alternance
  • Rennes

Traitement du Langage Naturel (TLN): tutoriel sur les techniques de plongement lexical

A propos de b<>com

Fournisseur de technologies pour les entreprises qui souhaitent accélérer leur compétitivité grâce au numérique, b<>com est au service des industries culturelles et créatives, des infrastructures numériques, de la défense, de l’industrie 4.0 et de la santé. Ses laboratoires mixent les talents de disciplines et cultures multiples dans les domaines de l’intelligence artificielle, de la vidéo et l’audio immersif, de la protection de contenus, des réseaux 5G, de l’internet des objets et des technologies cognitives… Issus des mondes industriel et universitaire, ses chercheurs et ingénieurs évoluent sur son campus de Rennes et ses sites de Paris, Brest et Lannion. Grâce à son équipe d’ingénierie avancée et ses moyens scientifiques propres, b<>com propose à ses clients des ingrédients et des solutions qui font la différence.

Descriptif de la mission

Les représentations vectorielles distribuées ou plongements sont devenues une norme de facto pour la représentation de texte dans les tâches TLN basées sur l'apprentissage profond (deep learning).
Au cours de la dernière décennie, une multitude de modèles de plongement ont été proposés comme word2vec, paragraph2vec, glove and fasttext, pour en citer quelques-uns.
La mission principale de ce poste est de préparer un tutoriel sur les méthodes de plongement. En plus d'explorer la théorie sous-jacente aux différentes méthodes de plongement et la formulation mathématique des problèmes d'optimisation considérés, l'objectif est de reformuler ces méthodes existantes, dans la mesure du possible, dans un cadre mathématique généralisé (de telle sorte qu'une méthode de plongement donnée puisse être considérée comme un cas particulier d'un problème d'optimisation généralisé).

 

Profil recherché 

 

En dernière année d’école d’ingénieur ou de Master Mathématiques appliquées, l’étudiant a déjà acquis des connaissances en Intelligence Artificielle.

Compétences souhaitées :

  • Probabilités, Statistiques
  • Connaissance du langage Python

Modalités 

  • Durée : 1 an d'alternance
  • Date de démarrage : septembre 2021
  • Localisation : Rennes