STAGE Ingénieur, Recherche Opérationnelle & Optimisation (F/H)
Dassault Systèmes

STAGE Ingénieur, Recherche Opérationnelle & Optimisation (F/H)

Dassault Systèmes
  • Internship (From 4 to 6 months)
  • Vélizy-Villacoublay (France)
  • Published on September 13 2021

Dassault Systèmes, l'entreprise de la 3DEXPERIENCE, est un « accélérateur de progrès humain ». Elle propose aux entreprises et aux particuliers des environnements virtuels collaboratifs qui leur permettent d'imaginer des innovations plus durables. En développant un jumeau virtuel du monde réel, grâce à la plateforme 3DEXPERIENCE et à ses applications, Dassault Systèmes donne à ses clients les moyens de repousser les limites de l'innovation, de l'apprentissage et de la production.

Les 20 000 collaborateurs de Dassault Systèmes travaillent à créer de la valeur pour nos 270 000 clients de toutes tailles, dans toutes les industries, dans plus de 140 pays. Pour plus d'informations, visitez notre site www.3ds.com/fr

Imaginez demain ...

Ce stage est proposé par l'organisation « Recherche » dont la mission est de développer et d'évaluer l'applicabilité de nouvelles technologies innovantes, notamment sur des prototypes, pour maintenir un haut niveau de compétences dans tous les domaines techniques stratégiques.

Le stage proposé concerne l'aide à la décision multicritère et la conception des systèmes de recommandation. Plus précisément, il se focalisera sur l'algorithmique liée à l'élicitation des préférences. L'élicitation des préférences est un processus qui implique un décideur et un analyste dont l'objectif est de représenter les préférences du décideur par un modèle d'aide à la décision fixé formellement à priori.

Les systèmes de recommandation ont été étudiés dans de nombreux domaines : la recherche d'informations, le web, le e-commerce, l'exploitation des usages du web et bien d'autres. Le principe est d'utiliser comme entrées les intérêts d'un client pour générer une liste de produits recommandés en utilisant des algorithmes de recommandations adéquats multicritères.

Vos défis et contributions

Dans ce travail en particulier, on s'intéresse aux modèles de classification multicritères non-compensatoires (NCS) [1,2]. Il s'agit d'une méthode de sorting qui prend comme input un ensemble d'alternatives évalués sur plusieurs critères et renvoie la classification de ces alternatives dans un ensemble de catégories prédéfinies et ordonnées. Plusieurs approches sont proposées dans la littérature pour apprendre les modèles NCS à partir d'un ensemble d'exemples d'affectation (learning set) fournie par le décideur [3,4,5,6].

Les exemples d'affectation peuvent être collectés explicitement ou implicitement. Explicitement, on peut demander au décideur de classifier un sous ensemble d'alternatives dans l'ensemble de catégories et cet ensemble représente le learning set. Implicitement, on considère un historique d'exemples pour lesquels des décisions antérieures ont été prises et validées par l'utilisateur. Par conséquent, cet historique va constituer l'ensemble d'apprentissage.

Dans ce sujet de stage, on s'intéresse à mobiliser les modèles de classification multicritères non-compensatoires (NCS) pour concevoir un système de recommandation hybride, qui combine à la fois l'apprentissage à partir des données utilisées dans les approches classiques à base d'IA et les préférences intrinsèques de l'utilisateur. Cette problématique met en évidence beaucoup de questions de recherche : apprentissage des modèles d'aide à la décision avec des données incertaines et moins structurées, explication et interopérabilité des systèmes appris, hybridation avec les connaissances métiers&hellip ;

Pou rcela, vous devrez :

Etablir un état de l'art exhaustif sur les systèmes de recommandations ainsi que l'hybridation de l'apprentissage des modèles d'aide à la décision.

Travailler sur l'apprentissage hybride du modèle NCS et proposer des extensions des formulations existantes.

Etudier la complexité et l'efficacité des différentes formulations et leurs mises en œuvre en pratique.

Le champ d'étude très vaste et assez récent, de nouvelles études théoriques (qui peuvent etre suivies par une programmation et/ou application) peuvent conduire à la conception et au développement de nouvelles méthodes.

[1] Bouyssou, D., Marchant, T. : An axiomatic approach to noncompensatory sorting methods in MCDM, I : the case of two categories. European Journal of Operational Research 178 (1), 217–245 (2007)

[2] Bouyssou, D., Marchant, T. :An axiomatic approach to noncompensatory sorting methods in MCDM, I : the case of two categories. European Journal of Operational Research 178 (1), 246–276 (2007)

[3] Leroy, A., Mousseau, V., Pirlot, M. : Learning the parameters of a multiple criteria sorting method. In: International Conference on Algorithmic Decision Theory. pp. 219&ndash ;233. Springer (2011)

[4] Sobrie, O., Mousseau, V., Pirlot, M.: Learning the parameters of a non compensatory sorting model. In: Walsh, T. (ed.) Algorithmic Decision Theory. Lecture Notes in Artificial Intelligence ; vol. 9346, pp. 153&ndash ; 170. Springer, Lexington, KY, USA (2015)

[5] Belahcene, K., Labreuche, C., Maudet, N., Mousseau, V., Ouerdane, W. : An efficient SAT formulation for learninf multiple criteria non-compensatory sorting rules from examples. Computers & Operations Research 97, 58&ndash ;71 (2018)

Vos atouts pour réussir

En dernière année d'école d'ingénieur ou master en optimisation, le candidat est sérieux, curieux et désireux d'approfondir ses connaissances en optimisation mathématique et développement informatique.

L'étudiant dispose déjà d'un socle de connaissances solides en optimisation et en particulier en aide à la décision multicritère. Par ailleurs, le candidat a déjà réalisé de nombreux projets de développement et dispose de connaissances approfondies en informatique.

Les développements seront réalisés en C++. Une expérience avec un solveur d'optimisation (SAT/MaxSAT/Cplex) est fortement appréciée.

Vous êtes autonome et faites preuve d'une grande rigueur ainsi que d'un esprit méthodique. Vous savez communiquer sur votre travail et notamment lors de travaux en équipe. Vous avez un bon esprit de synthèse et d'analyse, et vous avez de bonnes compétences rédactionnelles.