Doctorat Calage de modèle en grande dimension avec des méthodes d'apprentissage automatique pour aider

Sujet de thèse :
Calage de modèle en grande dimension avec des méthodes d'apprentissage automatique pour aider à la gestion durable des pêches.
Le projet est motivé par la nécessité de disposer d’outils opérationnels d’aide à la décision pour enrayer le déclin de la biodiversité marine causé par la surpêche. A ce jour il n’existe pas de méthode rigoureuse pour le calage en grande dimension des modèles de gestion des pêches.
La thèse (bourse et environnement) est financée par l’Institut Mathématiques Pour la Terre (IMPT). La thèse aura pour objectifs de 1) Développer une méthode générique de calage de modèles complexes, 2) la diffuser sous forme de code libre et 3) proposer une application concrète pour l'aide à la décision avec le modèle ISIS-Fish.
L'objectif de cette thèse est de proposer une approche innovante pour améliorer le calage en grande dimension des modèles de gestion des pêches. Il est motivé par la nécessité de disposer d’outils opérationnels d’aide à la décision pour enrayer le déclin de la biodiversité marine causé par la surpêche. L'accent est mis sur l'innovation méthodologique en explorant des techniques avancées de réduction de dimension comme les auto-encodeurs variationnels, intégrant de la quantification des incertitudes essentielle pour évaluer la fiabilité des modèles et en optimisant cette réduction pour le calage. Les objectifs opérationnels sont 1) de développer une méthode générique de calage applicable à des modèles complexes présentant de la grande dimension dans ses entrées(paramètres à caler)-sorties(variables décisionnelles), 2) de la diffuser sous forme de code libre et 3) de valider ces développements sur une application concrète pour l'aide à la décision avec le modèle ISIS-Fish recalibré pour simuler des scénarios de gestion des pêches. La valorisation des résultats se fera via des publications scientifiques et la diffusion auprès des décideurs.
Les axes de travail seront
Axe 1 : Appropriation de l'état de l'art des méthodes de calage en grande dimension et prise en main du modèle ISIS-Fish.
Axe 2 : Généricité de l'approche applicable à d'autres modèles ayant des paramètres à caler en grande dimension. Diffusion de la méthode sous forme d'un code libre et documenté.
Axe 3 : Validation de la nouvelle méthode de calage sur ISIS-Fish et études de scénarios de gestion des pêches.
Le candidat / la candidate devra présenter un cursus académique en statistiques ou mathématiques appliquées ayant un fort intérêt pour les applications en sciences de l'environnement. Il / Elle devra comprendre ou avoir expérimenté les approches de modélisation mécaniste, les méthodes statistiques classiquement utilisées pour l’exploration de ces modèles (Analyse de sensibilité et calibration) et les outils informatiques tel que R, github,… Une bonne maîtrise de l’anglais est indispensable. Un attrait pour l’halieutique sera un plus.
Contexte :
La personne recrutée intégrera l'UMR M
Voir plus sur le site emploi.cnrs.fr...