Ifremer - معهد البحوث الفرنسي لاستغلال البحر
جامعة حكومية (فرنسا), تصفح الفرص المماثلة
ar
جامعة حكومية (فرنسا), تصفح الفرص المماثلة
المرجع: PV-2021-874 / 1
الدائرة / المكتب:
مدة العقد: 18 mois
تاريخ البدء:
الموعد النهائي لتقديم الطلبات: 28/02/2021
المعهد وقسم التوظيف
رائد في علوم المحيطات ، ترتكز أبحاث IFREMER المتطورة على التنمية المستدامة والعلوم المفتوحة. تتمثل رؤيتنا في النهوض بالعلم والخبرة والابتكار من أجل:
- حماية واستعادة المحيط
- الاستخدام المستدام للموارد البحرية بما يعود بالنفع على المجتمع
- إنشاء وتبادل بيانات المحيطات والمعلومات والمعرفة.
مع أكثر من 1500 فرد منتشرون على طول الساحل الفرنسي في أكثر من 20 موقعًا ، يستكشف المعهد 3 محيطات عظيمة: المحيط الهندي والأطلسي والمحيط الهادئ. كرائد في علوم المحيطات ، يدير IFREMER الأسطول الفرنسي لعلوم المحيطات ويبتكر علماءه المتفانون تقنية رائدة لدفع حدود استكشاف المحيطات والمعرفة ، من الهاوية إلى واجهة الغلاف الجوي والمحيط.
راسخًا في المجتمع العلمي الدولي ، يلتزم علماؤنا ومهندسونا وفنيونا بتعزيز المعرفة حول آخر الحدود غير المستكشفة لكوكبنا. إنهم يوفرون العلم الذي نحتاجه لاتخاذ قرارات مستنيرة وسياسة عامة ويقومون بنقل هذه المعرفة والتكنولوجيا إلى الشركات لتلبية الاحتياجات العامة والخاصة. يتمثل جوهر مهمتنا أيضًا في تعزيز الوعي العام بأهمية فهم المحيط وموارده ، وتمكين الأجيال القادمة من القادة من خلال حملات التوعية والتوعية الوطنية.
تأسست IFREMER في عام 1984 ، وهي منظمة عامة فرنسية وتبلغ ميزانيتها حوالي 240 مليون يورو. وهي تعمل تحت السلطة المشتركة للوزارة الفرنسية للتعليم العالي والبحث والابتكار ، والوزارة الفرنسية للتحول البيئي والتضامن ، ووزارة الزراعة والأغذية الفرنسية.
مجالات المسؤولية العامة
عنوان :
شروح معززة للنماذج ثلاثية الأبعاد للتلال المائية الحرارية في أعماق البحار عن طريق التكيف مع المجال غير الخاضع للإشراف - ABYSSES
الكلمات الرئيسية : رسم خرائط الموائل ، الفتحات الحرارية المائية ، الصور تحت الماء ، التعلم الآلي ، نقل التعلم
نبذة مختصرة
أصبح استخدام الصور تحت الماء أداة أساسية في تقييم التنوع البيولوجي والرصد البيئي للنظم الإيكولوجية البحرية [1] Durden JM et al. (2016) وجهات نظر في التصوير المرئي لبيولوجيا وعلم البيئة البحرية: من الاكتساب إلى الفهم. Oceanogr. مارس بيول. 54: 1-72]. من بين هذه الأساليب ، تسمح إعادة البناء ثلاثية الأبعاد لقاع البحر بتوصيف مفصل لمساحات كبيرة (أي كيلومترات) من الخصائص البيولوجية (مجتمعات الحيوانات ، والموئل ، والأنواع) والبيئية (الركيزة ، والمنحدرات ، والخشونة ، والتضاريس) للنظم الإيكولوجية القاعية [[ 2] روبرت ك وآخرون. (2017) نهج جديدة لرسم الخرائط عالية الدقة للهياكل البحرية العمودية. Sci Rep 7: 9005 ؛ [3] Gerdes K et al. (2019) رسم خرائط تفصيلي لحيوانات الفتحات المائية الحرارية: نهج إعادة بناء ثلاثي الأبعاد يعتمد على صور الفيديو. أمامي. مارس العلوم. 6 ، 96].
تتميز الفتحات الحرارية المائية ، الواقعة على طول التلال وسط المحيط ، بتضاريس معقدة غير متساوية (مثل الجروف ، المداخن ، الصدوع) التي تلعب دورًا مهمًا في توزيع التنوع البيولوجي [[4] Girard F et al. توزع التيارات والتضاريس التجميعية على صرح حراري مائي نشط. بروغ. Oceanogr. (في مراجعة)]. لذلك فهي مناسبة بشكل خاص لهذه الأساليب ثلاثية الأبعاد. لكن شرح مثل هذه النماذج يستغرق وقتًا طويلاً ويتطلب قوة تحليلية أكبر من القدرة البشرية للمختبر. تسمح أساليب التعلم العميق الآن بتطوير قدرات المعالجة التلقائية لقواعد البيانات الكبيرة. يتيح أدائهم في تحديد الهوية توفير أدوات لمعالجة الصور المعقدة للبيئة البحرية ، وهو مجال مخصص للخبرات النادرة. لكن الشبكة التلافيفية تتطلب مرحلة تدريب طويلة من العديد من الصور المشروحة ، والأدوات والأساليب الحالية لا تضمن التعليقات التوضيحية النوعية والكمية بشكل كافٍ.
لمعالجة هذه المشكلة ، نفترض أن جزءًا من الخصائص المرئية للنظم الإيكولوجية الحرارية المائية مشتركة بين المجالات المرئية الأخرى التي يكون توافر البيانات المشروحة فيها أكثر أهمية. في الواقع ، في حين أن توفر البيانات المشروحة كان أمرًا حاسمًا لتطوير بنيات الشبكة العصبية العميقة لمجالات محددة ، في الوقت الحاضر ، يسمح انتشار بيانات الحقيقة المشروحة في مجالات متعددة ومتنوعة بتعويض نقص البيانات لمجال جديد من خلال تقاربها مع الموجود منها. البحث في المجال المعروف باسم نقل التعلم [5] SJ Pan et al. (2010) ، دراسة استقصائية عن نقل التعلم ، في IEEE Transactions on Knowledge and Data Engineering ، المجلد. 22 ، لا. 10، pp. 1345-1359، 2010] تتعلق بمجموعة الأساليب التي تسمح بظهور مثل هذه الصلات بطريقة غير خاضعة للإشراف. في هذا السياق ، نحن مهتمون بشكل خاص بتطوير الأساليب التي تنتمي إلى عائلة "التعلم النقل التحويلي" أو "التكيف مع المجال غير الخاضع للإشراف" [[6] G. (2019)] ، شبكة التكيف التقابلي للتكيف مع المجال غير الخاضع للإشراف ، IEEE Int. أسيوط. في رؤية الكمبيوتر والتعرف على الأنماط]. سيكون الهدف من دراستنا بالتالي هو إثبات تقارب النظم الإيكولوجية الحرارية المائية في المراسلات مع الأسطح الأرضية ، التي تم تعيينها بواسطة المركبات المتنقلة أو الجوية. لذلك ، من المتوقع أن يؤدي تقليل التناقض بين هذه المجالات إلى تقليل الحاجة إلى التعليق التوضيحي الخاضع للإشراف الكامل للصور الحرارية المائية ، عن طريق وضع نماذج أولية لأداة شرح ضعيفة الإشراف.
هذا المشروع ، الذي يعتمد على المثال المعقد للنظم الإيكولوجية الحرارية المائية ، هو خطوة أولى نحو تنفيذ أدوات رقمية جديدة من أجل تسريع قدرتنا على رسم خرائط بيولوجية وبيئية وطبوغرافية للمنطقة ، بدقة عالية ، وعلى مناطق مكانية كبيرة. قاع البحر. سيؤدي تطوير مثل هذه الأدوات إلى زيادة قدرتنا على استكشاف النظم البيئية القاعية العميقة وبالتالي زيادة اكتساب المعرفة الجديدة في هذه البيئات.
المعرفة والمهارات والخصائص المطلوبة
المهارات المطلوبة : دكتوراه في علوم الكمبيوتر مع اختصاصات في الذكاء الاصطناعي ورؤية الكمبيوتر والتعلم الآلي
ظروف عمل محددة
التعاون الداخلي والخارجي
في المختبر ، سيتفاعل المرشح مع مارجولين ماتابوس ، باحثة في بيئة قاع البحار العميقة ، وكاثرين بوريمانس ، مهندسة الصور. كما سيتعاون مع Aurélien Arnaubec (Ifremer Toulon) فيما يتعلق بالجوانب التقنية.
يتم تنفيذ المشروع بالتعاون مع الزملاء في CERV (المركز الأوروبي للواقع الافتراضي) و Panagiotis Papadakis (IMTA) و Cédric Buche (ENIB) ، المسئولين عن التطوير المنهجي داخل المشروع. سيعمل / تتبادل معهم على أساس منتظم.
كيفية التقدم لهذا المنصب
الموعد النهائي لتقديم الطلبات: 28/02/2021
تتم معالجة جميع الطلبات حصريًا عبر موقعنا. يمكن للمرشحين المهتمين التقدم عن طريق النقر فوق الزر "تطبيق".
اختر البلد الذي توّد السفر إليه للدراسة مجانا أو العمل أو التطوع
