Stage de recherche – Système de recommandation par IA : Explicabilité sous contrainte d’exploration

CONTEXTE DU STAGE

Au sein de l’Institut de Recherche Technologique SystemX, situé au cœur du campus scientifique d’excellence mondiale de Paris-Saclay, vous prendrez une part active au développement d’un centre de recherche technologique de niveau international dans le domaine de l’ingénierie numérique des systèmes. Adossé aux meilleurs organismes de recherche français du domaine et constitué par des équipes mixtes d’industriels et d’académiques, ce centre a pour mission de générer de nouvelles connaissances et solutions technologiques en s’appuyant sur les percées de l’ingénierie numérique et de diffuser ses compétences dans tous les secteurs économiques.
Aujourd’hui largement basés sur de l’apprentissage statistique, les systèmes de recommandations permettent d’accélérer et de fiabiliser la prise de décision dans des processus trop complexes pour être totalement automatisés. Ils sont aujourd’hui utilisés dans de nombreux domaines (musique et vidéo en ligne, réseaux sociaux, finance…) mais soulève encore de nombreuses questions en matière d’explicabilité, de performance ou de sérendipité.
Venez répondre à une partie de ces questions au sein d’une recherche exploratoire menée à l’IRT SystemX. Pour plus d’information sur le mécanisme des recherches exploratoires : https://www.irt-systemx.fr/activites-de-recherche/recherches-exploratoires

PRÉSENTATION DÉTAILLÉE DU SUJET

Objectifs du stage

Vous participerez d’abord à la définition de nouvelles méthodes de recommandation favorisant l’explicabilité des propositions faites à l’utilisateur, en s’appuyant sur des données complexes dérivées d’ontologies. Vous aurez ensuite pour responsabilité l’implémentation et la validation de ces méthodes sur différents use cases.

Missions :

• Contribuer à un état de l’art sur le sujet (explicabilité locale et globale, compromis exploration/exploitation, algorithme de bandit, couverture, données catégorielles hiérarchisées, etc.)
• Vous familiariser avec les jeux de données disponibles
• Implémenter différentes méthodes d’exploration en Python à l’aide de bibliothèques telles que TensorFlow
• Valider les méthodes sur différents use cases
• Participer à des réunions régulières avec les partenaires nationaux et internationaux du projet
• Synthétiser vos résultats dans un rapport pouvant contribuer à l’élaboration d’une publication scientifique

Quelques références bibliographiques :

– R. J. Ziarani et R. Ravanmehr, « Serendipity in Recommender Systems: A Systematic Literature Review », J. Comput. Sci. Technol., vol. 36, no 2, p. 375‑396, avr. 2021, doi: 10.1007/s11390-020-0135-9.

– M. Ge, C. Delgado-Battenfeld, et D. Jannach, « Beyond accuracy: evaluating recommender systems by coverage and serendipity », in Proceedings of the fourth ACM conference on Recommender systems, New York, NY, USA, sept. 2010, p. 257‑260. doi: 10.1145/1864708.1864761.

PROFIL ET COMPÉTENCES
De formation : Bac+5 en école d’ingénieurs ou université, dans le domaine de l’intelligence artificielle ou un domaine connexe

Compétences : 

• Programmation en Python
• Connaissances en Intelligence artificielle / Apprentissage statistique / Machine learning / Réseaux de neurones
• Connaissance d’au moins un framework de machine learning (Tensorflow, Pytorch, Scikit-learn, …)
• Connaissances (souhaitées) en systèmes de recommandation

Aptitudes personnelles :

• Autonomie
• Envie d’apprendre
• Appétence pour la recherche appliquée
• Bon relationnel

Merci d’indiquer la référence du stage dans l’objet de votre mail de candidature, d’y joindre CV, lettre de motivation et relevé de notes.