*Offre de Stage en Machine Learning pour les réseaux sociaux et les
images, Sorbonne Université*

Le stage s'inscrit dans une recherche conduite à CERES (Centre
d'Expérimentation en méthodes numériques pour les recherches en SHS),
Faculté des Lettres - Sorbonne Université, en partenariat avec
l'Université Paris 8.

*Contexte*

La recherche d'information est un domaine de recherche en perpétuel
mutation à cause de la transformation numérique. Le volume des données
produit via les outils numériques connectés excède la capacité humaine
de les traiter manuellement et un recours à l'intelligence artificielle
(IA) devient incontournable. Toutefois, ces modèles intelligents issus
d'IA doivent garantir au moins le passage à l'échelle, la compréhension
des données hétérogènes et la catégorisation sémantique de ces données.
Dans ce contexte, la recherche de similitudes au sein d'un large corpus
multimédia où se mêlent images, vidéos et textes (structurés ou non)
est une tâche très complexe.
Dans le cadre d'une recherche sur les controverses en ligne, nous nous
intéressons à la circulation d'informations et de discours dans les
réseaux sociaux numériques (Twitter, TikTok, Instagram par exemple)
sous différentes formes (textes, images, vidéo). Plus spécifiquement,
nous cherchons à capturer, caractériser, analyser et expliquer les
déclinaisons iconographiques, textuelles et narratives des images à
mesure qu'elles circulent dans les RSN.

*Sujet et missions*

Quand il s'agit d'une image, celle-ci peut subir différentes
transformations faisant appel à de nombreux outils de traitement
d'images. Ces traitements peuvent être simples et agissent par exemple
sur les couleurs, ou encore sur la répartition spatiale des pixels (le
recadrage, le découpage, etc.), ou bien plus complexes afférant à des
outils : de génération d'images à partir de motifs d'une image de
référence ; de substitution de l'image source ; de l'augmentation de
l'image source par une caricature, un slogan, un tag, une image
codifiée, voire même une nouvelle image.

*Travail demandé*
-   cibler des événements clés sur les réseaux sociaux : constituer des
    corpus de référence ;- élaborer un état de l'art sur les outils
    d'analyse de corpus massifs pluri-sémiotique : focus sur des
    corpus d'images ;
-   étudier l'état des lieux bibliographique des mesures de similarité
    entre images ;
-   développer un modèle d'extraction semi-automatique d'objets
    caractéristiques d'un événement fixé : les signatures
    iconographiques qui symbolisent l'événement par apprentissage. Le
    modèle se base sur une architecture de réseaux de neurones profonds
    à base de graphe ;
-   augmenter le modèle par un algorithme de reconnaissance d'un
    événement par reconnaissance de signatures ;
-   implémenter et tester de nouvelles mesures de similarité qui soient
    à la fois robustes aux différences de cadrage, de résolution, de
    couleurs, de contraste, etc. et aux différentes évolutions,
    transformations, des objets caractéristiques au fil du temps de
    manifestation de l'événement étudié ;
-   visualiser les schémas narratifs d'un objet caractéristique pour
    une collection d'événements de tests.

*Prérequis*
-   Python, PyTorch, OpenCV, CUDA, gestion des données,
    machine-learning, deep-learning, visualisation

*Profil du/de la candidate :*

Vous êtes étudiant·e dans un Master 2 en informatique, sciences des
données ou statistiques, ou étudiant·e· dans une école d'ingénieur
(informatique). Vous êtes enthousiaste pour la recherche, vous aimez
comprendre en profondeur les problèmes et trouver des solutions
élégantes. Vous êtes intéressé·e par l'intelligence artificielle, et
plus précisément l'apprentissage automatique des techniques
d'optimisation d'analyse de données. Vous avez un intérêt pour le
domaine des sciences humaines et sociales.


Candidature à adresser à virginie.julliard@sorbonne-universite.fr ;
n.mellouli@iut.univ-paris8.fr et orion.alie@gmail.com
ayant pour objet « Candidature Stage CERES-Semiosis »