Be the next big change > Dassault Systèmes

Be the Next Game Changer

STAGE Ingénieur en recherche opérationnelle et aide à la décision multicritère (F/H)

France, 78, Vélizy-Villacoublay
Internship
9/2/2022
528177

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.

 

Vos défis et contributions

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.

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.

Pour cela, 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 être 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

Etudiant préparant un diplôme de niveau Bas +5, Ecole d’ingénieur ou Master universitaire.

Un.e candidat.e sérieuse.x, curieuse.x et désireuse.x 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 Python. 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.

Diversity statement

As a game-changer in sustainable technology and innovation, Dassault Systèmes is striving to build more inclusive and diverse teams across the globe. We believe that our people are our number one asset and we want all employees to feel empowered to bring their whole selves to work every day. It is our goal that our people feel a sense of pride and a passion for belonging. As a company leading change, it’s our responsibility to foster opportunities for all people to participate in a harmonized Workforce of the Future.
Dassault Systèmes Logo > Dassault Systèmes

Join Dassault Systèmes, The 3DEXPERIENCE Company Everything becomes possible with Dassault Systèmes’ 3DEXPERIENCE virtual universes! Serving 230,000 customers in 11 industries, from high-tech to life sciences, fashion to transportation, we help businesses and people around the world to create sustainable innovations for today and tomorrow. Get on board a leading and fast-growing company of 20,000 talented professionals.