Doctorant Assistant D’enseignement Et de

**CONTEXTE**

L’École Navale est une grande école d’ingénieur (statut d’EPSCP-GE) dont la mission principale est la formation initiale des officiers de la marine nationale. Les élèves officiers de carrière suivent un cursus d’ingénieur ou de master. Des formations supérieures (masters, mastères spécialisés, formation continue) sont également délivrées à des étudiants civils ou militaires dans les domaines de l’ingénierie maritime.

L’Institut de Recherche de l’École navale (IRENav) est le support de la recherche et de la formation scientifique et technique de l'Ecole navale. Institut pluridisciplinaire, l'IRENav est labellisé par l’HCERES dans le cadre de la contractualisation des laboratoires Arts et Métiers. Ses équipes de recherche s’inscrivent dans deux domaines liés au secteur maritime : la modélisation et le traitement de l’information maritime (équipe MOTIM), la mécanique et l'énergie en environnement naval (équipe M2EN).

L’École navale recherche **une/un doctorant(e) en informatique / science des données**. En complément de ses travaux de recherche, elle/il interviendra dans les domaines de formation des élèves officiers ingénieurs et des étudiants de masters de l’Ecole navale.

**DESCRIPTION DU POSTE**

Titulaire d’un master (ou équivalent) en informatique, la personne recrutée devra s’investir dans les activités d’enseignement et au sein du laboratoire dans des travaux de recherche liés au traitement de l’information maritime, à l’intelligence artificielle et plus généralement aux sciences des données. La thèse s'effectuera au sein de l’équipe de recherche MoTIM dans l’objectif de contribuer au domaine du Traitement de l’Information Maritime issue de sources hétérogènes (données capteurs, signaux, images, vidéos, informations géographiques, données textuelles) à l’aide d’algorithme d’intelligence artificielle.

**SUJET DE THESE**:
La génération de données et de jeux données pseudo-synthétiques est utilisée pour un large éventail d'activités, notamment comme données de test pour de nouveaux outils ou algorithmes, pour la validation de modèles et dans la formation de modèles d'IA [1]. Plus récemment la génération de données synthétiques créées artificiellement plutôt que générées par des événements réels a pris un essor avec l’apparition de modèles génératifs. Les données synthétiques constituent un type d'augmentation de données pour lequel les « Generative Adversarial Nets (GAN) » [2] ont montré des performances prometteuses sur divers types de données. Dans le domaine maritime, le suivi et l’analyse des mobilités a été accéléré avec l’apparition du Système Automatiquement d’Identification (AIS) qui permet la localisation des navires équipés en temps-réel et à travers tous les océans. Les données produites sont des séries spatio-temporelles impactées par des données manquantes, des problèmes d’intégrité issues des capteurs et/ou de la transmission, et des malversations de natures diverses telles que la falsification de localisation, de trajectoire ou encore d’identité [3]. Dans ce contexte, l’objectif de cette thèse est d’aborder la génération de données synthétiques et l’annotation sémantique de cette donnée. Les travaux de thèse pourront s’articuler notamment au travers des objectifs suivants:

- Développer un modèle génératif pour les données de mobilités maritimes permettant de produire des jeux de données
- Évaluer la prise en compte de données hétérogènes complémentaires ; eg. État de la mer.
- Aborder la scénarisation / annotation des jeux de données et évaluer l’utilité et l’impact de techniques « classiques » d’imputation de données pour aborder la variabilité de scénarios conçus.
- Considérer le problème de classification et de détection de nouveauté en simultanée, notamment pour la prise en compte de données falsifiées.
- Évaluer les performances / généricité de la démarche en fonction de la localisation géographique des données produites.

**Ressources**

La recherche sera essentiellement basée sur les données issues par le système AIS qui fournit la localisation des navires sur le globe (~ 4 TO / an) ainsi que des informations nominatives [4]. La plateforme TIM (Traitement de l’Information Maritime) dispose de stations de travail (24 à 112 threads, 64 à 578 Go RAM), un serveur GPU 8*Nvidia A100, un serveur GPU 8* Nvidia V100.

**Références**
[1] C. Iphar, A.L. Jousselme, C. Ray, Pseudo-synthetic datasets in support to maritime surveillance algorithms assessment, 12 pages, In proceedings of VERITA, 19ème Journées Francophones Extraction et Gestion des Connaissances (EGC) 2019, RNTI, Marie-Christine Rousset, Lydia Boudjeloud-Assala (eds.), 22 Jan 2019, Metz, France

[2] I. Goodfellow, J. Pouget-Abadie, M. Mirza, B. Xu, D. Warde-Farley, S. Ozair, A. Courv