Doctorant H/F

Sujet de thèse :
Le projet de doctorat porte sur la recherche en optimisation mathématique et ses applications à l’apprentissage automatique et à l’intelligence artificielle, avec un accent particulier sur le développement et l’analyse de méthodes numériques efficaces pour l’entraînement de modèles de grande taille. Les travaux s’intéresseront notamment aux techniques d’accélération de la convergence des algorithmes d’optimisation, qu’il s’agisse de méthodes de gradient accéléré, d’approches stochastiques, adaptatives ou de stratégies de préconditionnement, afin d’améliorer les performances de calcul dans des contextes à très haute dimension. Une part importante du projet concernera l’analyse théorique des propriétés de convergence et de la complexité algorithmique de ces méthodes, en particulier dans les cadres non convexes rencontrés en apprentissage profond, avec pour objectif de mieux comprendre les compromis entre précision, vitesse d’exécution, robustesse et coût computationnel. Ces développements théoriques seront complétés par des expériences numériques approfondies sur des modèles contemporains d’intelligence artificielle, incluant l’étude de performances à grande échelle, les problématiques de calcul distribué et les contraintes liées à l’efficacité mémoire et énergétique. Le doctorant ou la doctorante évoluera dans un environnement de recherche mêlant mathématiques appliquées, optimisation, apprentissage statistique et calcul scientifique, avec la possibilité de contribuer à des avancées fondamentales tout en développant des outils directement pertinents pour les applications modernes de l’intelligence artificielle.
Contexte :
Le doctorant sera intégré au sein de l'équipe SIERRA du DIENS, hébergée par l'INRIA dans le 13e arrondissement de Paris.