Poste de CR en Apprentissage par renforcement

INRAE recrute : un poste de CR (chercheuse/chercheur) INRAE est ouvert dans notre unité MIAT (Mathématiques et Informatique Appliquées de Toulouse ) située à Toulouse (Occitanie, France) sur l’ Apprentissage par renforcement!

Intéressé.e ?  Rendez-vous sur le site INRAE Jobs pour postuler !
https://jobs.inrae.fr/concours/concours-charges-recherche-classe-normale-profil-h-f/cr-2025-mathnum-4

Pour toute information complémentaire, n’hésitez pas à contacter Régis Sabbadin (regis.sabbadin@inrae.fr), responsable scientifique, ou Nathalie Vialaneix (nathalie.vialaneix@inrae.fr), directrice d’unité, dès l’ouverture de la campagne.
Calendrier prévisionnel de la campagne :
– Ouverture des inscriptions : 28 janvier 2025
– Clôture des inscriptions : 4 mars 2025
– Épreuve d’admissibilité : avril 2025
– Épreuve d’admission : du 2 au 18 juin
– Prise de fonction : à partir du 1er septembre 2025

Votre mission : Vous viendrez renforcer les compétences de l’équipe SCIDyn (Simulation, Contrôle et Inférence de Dynamiques Agro-environnementales et Biologiques) en apprentissage par renforcement. Nous sommes une équipe de recherche multidisciplinaire (informatique, statistiques, sciences de la décision), engagée sur des sujets finalisés porteurs d’enjeux sociétaux (adaptation aux changements climatiques, conservation de la biodiversié…). Vous aurez pour mission de développer des approches et algorithmes d’AR innovants, dans un contexte où les expérimentations sont coûteuses mais où des données de nature, qualité et complexité variables existent chez nos partenaires, agronomes ou écologues. En particulier, votre projet de recherche visera à développer et mettre en œuvre des algorithmes d’AR exploitant des trajectoires observées de systèmes contrôlés, où les observations sont de différents types : expériences directes, simulations, observations d’autres agents, expériences sur des agroécosystèmes différents, etc. Vous explorerez un ou plusieurs domaines de l’AR (Inverse-RL, Batch-RL, imitation-RL, Deep-RL, etc.) en cohérence avec les objectifs finalisés de l’équipe, et avec l’appui des chercheurs de l’équipe compétents en AR mono et multi-agents. Vous bénéficierez du large réseau de collaborations déjà établi à MIAT et l’élargirez à différents niveaux. Vous participerez à des projets en cours et développerez les vôtres pour élaborer des outils d’aide à la décision fondés sur des approches d’AR avancé.