Bourses Doctorales CNRS-L/ULCO 2022-2023
Dans le cadre de l’accord entre le Conseil National de la Recherche Scientifique de la République Libanaise (CNRS-L) et l’Université Littoral Côte d’Opale (ULCO) pour le co-financement des thèses de doctorat dans des thématiques d’intérêt commun, quatre bourses doctorales pour l’année 2022-2023 sont mises en place. Ces thèses sont proposées conjointement par un laboratoire de recherche de l’ULCO et un laboratoire de recherche libanais (voir ci-dessous : thèses proposées pour 2022-2023). Le candidat retenu sera amené à préparer la thèse de doctorat entre les deux laboratoires partenaires.
Les dossiers seront déposés auprès du CNRS-L et la sélection finale des lauréats auditionnés se fera par un comité mixte des deux institutions en octobre 2022 dans les locaux du CNRS-L.
Conditions d’éligibilité :
Ces bourses sont exclusivement destinées à des étudiants libanais titulaires (ou en cours de préparation) d’un diplôme de Master (ou équivalent) reconnu comme tel par les deux institutions (CNRS-L et ULCO). Considéré éligible tout candidat ayant la nationalité libanaise depuis plus de 10 ans, âgé de moins de 30 ans, et ayant 14/20 (système français) ou 85/100 (système anglo-saxon) comme moyenne générale en deuxième cycle universitaire (M1+M2 ou équivalent).
Pièces Constitutives du dossier de candidature:
1. Dossier de candidature dûment rempli et signé (Télécharger le dossier)
2. Extrait d’état civil (إخراج قيد فردي)
3. Photo d’identité (صورة شمسية)
4. CV + copie du Baccalauréat + copie des diplômes universitaires obtenus + relevé des notes
5. Documents Scientifiques (publications etc.)
6. Deux lettres de recommandation
Dépôt des dossiers, jusqu’au 15 septembre 2022 par courrier électronique à l’adresse [email protected]
Thèses proposées pour 2022-2023 :
1- Analyse d’images satellitaires urbaines ou agricoles par apprentissage profond basé sur la factorisation matricielle multi-objective évolutionnaire.
2- Modèle hybride spectral markovien par apprentissage semi-contraint et multi-échelle.
3- Apprentissage automatique profond par factorisation matricielle multi-objective évolutionnaire. Applications en imagerie satellitaire urbaine
4- Etude de la chélation de radionucléides dans les milieux aquatiques à l’aide de matrices supramoléculaires de type Calix[4]pyrrole fonctionnalisé.