NLP Researcher: Historical Debates & Lightweight IR

Inria; Paris; Sur place; EUR 42 000 - 55 000; Plein temps

Avantages offerts par ce poste

Remboursement partiel des transports

Congés annuels importants (7 semaines)

Résumé du poste

Inria, au sein du projet ALMAnaCH, recherche un post-doctorant/ingénieur NLP pour l’exploration et l’extraction d’informations à partir de données historiques de la Troisième République française. Vous travaillerez en collaboration avec des historiens et des chercheurs du domaine, en vue de déployer des méthodes robustes d’analyse et de récupération sur un corpus historique volumineux.

Le candidat idéal maîtrise Python, des techniques de formation et évaluation de modèles NLP et a une affinité

Qualifications

• Développement de recherches sur le sujet, positionnement par rapport aux travaux et validation par des expériences et analyses.
• Conception d’une solution déployable pour l’information retrieval post-lexical.
• Interaction avec les historiens et les chercheurs du lot NLP.
• Présentation du travail en interne et en externe (conférences/journaux).
• Échange avec les collègues sur les sujets NLP.

Responsabilités

• Conduire des recherches sur le sujet, développer des idées nouvelles et valider les méthodes.
• Produire une solution exploitable pour l’extraction d’information post-lexicale.
• Collaborer avec les historiens et l’équipe ALMAnaCH sur les problématiques NLP.
• Présenter les résultats en interne et lors de conférences/ateliers.
• Échanger avec les collègues sur les problématiques NLP et bibliographie associée.

Connaissances

Python

NLP model training

Formation

PhD ou Master en domaine pertinent

Description du poste

Inria, au sein du projet ALMAnaCH, recherche un post-doctorant/ingénieur NLP pour l’exploration et l’extraction d’informations à partir de données historiques de la Troisième République française. Vous travaillerez en collaboration avec des historiens et des chercheurs du domaine, en vue de déployer des méthodes robustes d’analyse et de récupération sur un corpus historique volumineux.

Le candidat idéal maîtrise Python, des techniques de formation et évaluation de modèles NLP et a une affinité