Postdoc en Optimisation Stochastique Non Lisse - 1er ordre

Inria; Saint-Martin-d'Hères; On-site; EUR 32,000 - 36,000; Full time

Benefits offered by this job

Restauration subventionnée

Transports publics remboursés partiels

7 semaines de congés annuels + RTT

Télétravail possible et aménagement du

Formation professionnelle

Mutuelle santé et prévoyance

Job summary

Inria Grenoble Alpes propose un postdoctorat F/H pour étudier l’optimisation stochastique non convexe et non lisse, en collaboration entre les équipes GHOST et DAO du LJK, financé par la chaire Structured Optimization and Learning du cluster MIAI.

Le candidat analysera et approfondira des algorithmes adaptatifs tels que AdaGrad, RMSProp et Adam, avec validation numérique en Julia et Python, dans un cadre international et inter-équipe.

Qualifications

• Connaissances fondamentales en optimisation numérique et méthodes de premier ordre.
• Expérience en programmation scientifique (Julia, Python) pour validation numérique.
• Capacité à travailler en équipe et à communiquer des résultats scientifiques.

Responsibilities

• Identifier des conditions nécessaires et/ou suffisantes garantissant la convergence des algorithmes adaptatifs.
• Étudier la robustesse des méthodes d'optimisation face au bruit, à l'initialisation et au pas initial.
• Comparer les propriétés des algorithmes adaptatifs avec les méthodes classiques (descente de gradient stochastique).
• Établir une typologie de problèmes d'optimisation structurés où les algorithmes adaptatifs surpassent les autres.

Skills

Optimisation numérique

Programmation scientifique

Education

Thèse ou équivalent

Tools

Julia

Python

Job description

Inria Grenoble Alpes propose un postdoctorat F/H pour étudier l’optimisation stochastique non convexe et non lisse, en collaboration entre les équipes GHOST et DAO du LJK, financé par la chaire Structured Optimization and Learning du cluster MIAI.

Le candidat analysera et approfondira des algorithmes adaptatifs tels que AdaGrad, RMSProp et Adam, avec validation numérique en Julia et Python, dans un cadre international et inter-équipe.