Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : Unité BioSP – INRAE
Durée : 2 ans
Contact : edith.gabriel@inrae.fr
Date limite de publication : 2023-12-23

Contexte :
Ce post-doc est financé pour 2 ans par la chaire GeoLearning (https://chaire-geolearning.org/), et sera encadré par Edith Gabriel et Lionel Benoit (INRAE-BioSP) avec un suivi de l’ANDRA.

L’ANDRA souhaite tirer profit de la grande quantité de données collectées par l’OPE (Observatoire Pérenne de l’Environnement, https://ope.andra.fr) pour construire une prospective sur l’état des cours d’eau autour du Centre industriel de stockage géologique Cigéo sous l’influence jointe du changement climatique et de la mise en exploitation du site pour le stockage profond de déchets radioactifs.

L’objectif est de proposer une modélisation statistique spatio-temporelle et multivariée des débits et de la qualité des eaux dans la zone OPE. Le modèle envisagé permettra d’étudier l’impact de différents scenarii de changement climatique et/ou anthropique sur l’environnement de Cigéo, et d’émuler certains paramètres hydro-météorologiques utilisés en entrée de modèles d’impact (hydrogéologie, écologie des cours d’eau, etc.).

Sujet :
L’OPE est situé autour du village de Bure à la frontière de la Meuse et de la Haute-Marne dans une zone à faible densité de population. Les paysages sont caractérisés par une alternance de forêts, de grandes cultures et de prairies. D’un point de vue hydrologique la zone comprend trois bassins versants interconnectés par un épikarst qui sont suivis en une quinzaine de sites dans le cadre de l’OPE. Le but de cet observatoire est d’évaluer la qualité des eaux (de surfaces et souterraines) à l’aide de prélèvements ponctuels réguliers renseignant un grand nombre de paramètres (environ 300) qui caractérisent en particulier le débit, et les teneurs de l’eau en matières organique et minérales ainsi qu’en micro- et macropolluants. Six stations automatiques complètent ce dispositif en mesurant en temps continu un nombre réduit de paramètres (conductivité, température, oxygène dissous, HAP, pH, carbone
organique dissous, nitrates et hauteur d’eau) afin de mieux appréhender la variabilité temporelle de la qualité des eaux superficielles. Enfin, des échantillonneurs intégratifs permettent d’estimer la concentration à long terme de certains polluants, et d’évaluer leur impact sur les organismes
sensibles (p. ex. batraciens).
Pour cette étude, nous nous concentrerons sur un sous-ensemble des paramètres mesurés par l’OPE pour caractériser la qualité de l’eau. Nous retiendrons les paramètres physico-chimiques généraux de caractérisation de l’état des cours d’eau définis dans la Directive Cadre sur l’Eau.
Pour compléter ces mesures effectuées sur les cours d’eau, un réseau de forages instrumentés dispersés dans le paysage comprenant actuellement une cinquantaine d’ouvrages (capteurs de niveau, plus dans certains cas de conductivité et température) fournit des informations sur l’état des nappes phréatiques connectées aux cours d’eau d’intérêt. De plus, de nombreuses données environnementales auxiliaires sont disponibles pour décrire l’environnement de surface (p. ex. occupation du sol, parcellaires et pratiques agricoles) et atmosphérique (p. ex. météorologie, qualité de l’air) afin de contextualiser le suivi de la qualité de l’eau et les interactions nappes-rivières.

Questions de recherche

La personne retenue devra traiter les questions suivantes :
1. Identifier les proxys / créer les indicateurs permettant de prédire l’évolution de la qualité de l’eau et des débits,
2. Construire, en chaque station, puis pour l’ensemble des stations, un modèle d’apprentissage automatique liant les proxys environnementaux aux variables hydrologiques cibles,
3. Réaliser une étude de l’impact des changements climatique et anthropique sur les débits des cours d’eau et la qualité de leurs eaux,
4. Interpoler, en temps continu et sur l’ensemble du réseau des cours d’eau, les prédictions issues des modèles des étapes 2 et 3.

Profil du candidat :
Statisticien ou data-scientist avec un fort intérêt pour les applications environnementales.

Formation et compétences requises :
Les candidat(e)s doivent être titulaires d’un doctorat en statistique, en apprentissage automatique, en science des données, ou dans un domaine connexe. Elle/il doit montrer un fort intérêt pour les
applications hydro-climatiques et les problématiques liées aux ressources en eau.
Les candidat(e)s doivent avoir de solides compétences analytiques, ainsi que de bonnes compétences en programmation scientifique (de préférence en R ou Python) et en traitement de données. De
bonnes compétences interpersonnelles, la volonté d’interagir avec d’autres chercheurs et étudiants et la capacité de présenter les résultats de ses travaux lors de conférences internationales sont attendues. La maîtrise de l’anglais et de solides compétences en communication orale et écrite sont requises.

Adresse d’emploi :
Unité BioSP, INRAE
228 route de l’aérodrome
domaine Saint Paul
84914 Avignon

Document attaché : 202311231707_Postdoc_Hydrology_OPE_FR.pdf

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : LIRIS INSA LYON
Durée : 6 à 10 mois
Contact : Sylvie.Servigne@insa-lyon.fr
Date limite de publication : 2023-12-30

Contexte :
Le projet ANR CoSWoT [https://www.insa-lyon.fr/fr/coswot] a pour objectif de proposer une architecture logicielle distribuée embarquée sur objets contraints avec deux caractéristiques principales : (1) elle utilisera des ontologies pour spécifier déclarativement la logique applicative et la sémantique des messages échangés; (2) elle ajoutera aux objets des compétences de raisonnement pour distribuer le calcul. Ainsi, le développement d’applications incluant des objets du Web of Things (WoT) sera hautement simplifiée : la plateforme permettra le développement et l’exécution d’applications WoT décentralisées et intelligentes malgré l’hétérogénéité des objets. Les domaines d’application pour mener les expérimentations concernent l’e-agriculture et le bâtiment intelligent (Smart Building).

Au LIRIS, notre équipe met en place un scénario d’usage autour des données issues des capteurs pour le bâtiment, avec des mesures de température, humidité, présence, CO2, et une station météo locale, ainsi que des mesures de consommation électrique basée sur la puissance et l’énergie consommée (capteurs de type Smart Plug). Ce scénario comprend une plateforme de gestion des capteurs (SoCQ4Home), la gestion sémantique des flux de données dans la plateforme CoSWoT, et la définition d’un ensemble d’applications utilisant ces données (tableaux de bord pour les utilisateurs, déclenchement automatique d’alertes ou d’actions).

Sujet :
Dans le cadre de cette mission, il s’agira de :

a) proposer une modélisation sémantique de ce scénario d’usage (bâtiment, capteurs, mesures) selon le modèle sémantique construit dans le projet, en particulier une modélisation multi-dimensionnelle des données capteurs, et éventuellement proposer des adaptations de ce modèle ;

b) proposer et définir des applications pertinentes dans le contexte du Smart Building et leur traduction dans le contexte CoSWoT ;

c) faire évoluer la plateforme actuelle de gestion des capteurs (SoCQ4Home, avec la technologie capteur EnOcean) et contribuer au développement de la plateforme CoSWoT, afin d’intégrer les flux de données issus des capteurs dans la plateforme CoSWoT ;

d) mettre en œuvre le scénario d’usage dans la plateforme CoSWoT en implémentant les applications proposées, afin de construire un démonstrateur Smart Building.

Profil du candidat :
Doctorat en informatique (pour un postdoc) ou Master 2 / diplôme d’ingénieur en informatique (pour un poste d’ingénieur)

Formation et compétences requises :
Formation ou expérience dans le domaine de la Science des données et/ou l’Ingénierie des données.

Compétences générales attendues :
– Intérêt pour la R&D dans le domaine de l’ingénierie des données
– Qualités rédactionnelles et de communication orale
– Maîtrise de l’anglais
– Autonomie et proactivité

Compétences informatiques attendues : la modélisation sémantique, la modélisation multi-dimensionnelle, et la gestion de flux de données, à la fois sur les aspects théoriques et pratiques. Des compétences en développement logiciel et en bases de données seront également nécessaires pour faire évoluer la plateforme de gestion des capteurs (protocole EnOcean, base de données capteur) et contribuer au développement de la plateforme CoSWoT (langage C avec contraintes de mémoire et de performance, formats JSON-LD et CBOR).

Adresse d’emploi :
LIRIS, INSA Lyon, Campus de La DOUA, 69100 Villeurbanne

Document attaché : 202304131111_2023-PostDoc_LIRIS_publication.pdf

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : LISIC / ULCO
Durée : 5 maximum selon doss
Contact : gilles.roussel@univ-littoral.fr
Date limite de publication : 2023-12-31

Contexte :
Contexte scientifique
Le laboratoire LISIC est une unité de recherche de l’Université du Littoral Côte d’Opale. Il est installé sur un site principal situé à Calais et une extension plus récente située à Saint-Omer. Le LISIC a défini son identité autour de la thématique de Jumeaux Numériques pour des systèmes environnementaux ou industriels et ses équipes contribuent à différents niveaux de ce thème : modélisation, perception de l’environnement, analyse, fusion d’informations, complétion de données multidimensionnelles, optimisation, synthèse d’images. Ses activités concernent les deux sections scientifiques (27 et 61).
Beaucoup des théories de l’IA font parties des activités menées au LISIC. Les besoins de la transition numérique industrielle rejoignent les objectifs théoriques : analyser, interpréter, comprendre et décider en développant des méthodes et des outils d’apprentissage, de raisonnement, d’optimisation et de décisions explicables.
Les applications du LISIC sont actuellement majoritairement tournées vers l’environnement naturel ou anthropisé. Le laboratoire souhaite continuer à développer aux meilleurs niveaux internationaux son positionnement vers les applications industrielles.
Le LISIC participe au CPER CornellIA de l’alliance A2U sur le domaine de l’IA dans lequel sont définis 4 axes. Au-delà des aspects théoriques dans lesquels le laboratoire s’inscrit, le troisième axe vise à irriguer d’autres disciplines dont l’un des domaines est l’industrie. Le 4ème axe concerne la création d’un pôle régional de compétences en IA visant l’apport de résultats de recherche des laboratoires vers les entreprises. Le LISIC prend sa part dans ces objectifs.

Conditions du Poste
Date limite de dépôt des candidatures (Galaxie): 4 décembre 2023
Durée du contrat : 5 ans maximum selon dossier
Après évaluation des réalisations scientifiques et des capacités professionnelles du titulaire de la chaire par une commission de titularisation, celui-ci pourra prétendre à un poste de professeur titulaire.
Conditions financières

– Traitement brut : 55 k€/an.
– Soutien financier pour mener à bien le projet de recherche et d’enseignement (financement de l’ ANR) : 200 k€ dont 60 % destiné à des charges de personnel.
– Moyens additionnels de l’université (ULCO) : 1 cofinancement de thèse.

Sujet :
Projet de recherche :
La chaire de Pr junior devra s’inscrire dans la thématique IA et jumeau numérique appliquée à l’industrie du futur avec les contraintes de l’IoT. Les recherches porteront dans la définition de modèles d’aide à la décision pour des systèmes manufacturiers, de production d’énergie, de transport, de distribution ou de communications, etc … dans le but de prédire leur comportement et d’optimiser leur performance et/ou accroître leur sécurité.
Dans le contexte de la transition numérique pour les usines du futur et de l’industrie 4.0, de la transition énergétique, de l’exploitation en ligne et d’un environnement instrumental dense sur le modèle de l’Internet des objets, les données possèdent les caractéristiques « 3V » du Big Data : volume, variété et véracité. Ces contraintes influenceront les choix pour le développement d’algorithmes d’IA pour certains des buts suivants :
– améliorer les performances en termes de sécurité, fiabilité, résilience, maintenance, disponibilité, etc ..
– développer des modèles à base d’apprentissage automatique pour la prédiction et l’optimisation des systèmes évolutifs, le diagnostic de défauts des systèmes dynamiques hybrides de grande taille
– combiner les types de modèles pour l’aide à la maintenance prédictive

Projet d’enseignement :

Le Pr junior sera pleinement investi dans le développement d’une chaire d’enseignement de l’IA pour la transition numérique de l’industrie, dans le contexte du CMQ Industrie et Transition Numérique du territoire et de la candidature au Campus d’Excellence de ce même territoire et son orientation vers l’efficience écologique industrielle. Il serait impliqué dans :

– le pilotage des modules disciplinaires à destination d’étudiants de la spécialité Génie Industriel de l’école d’ingénieurs (EIL-Côte d’Opale);
– la participation au projet pédagogique dans le contexte d’une projection décennale de la spécialité du site dans le domaine de l’industrie du futur et ce, en lien avec les objectifs du projet recherche ;
– la participation à l’encadrement d’étudiants entre autres pour des projets d’innovation et de conception sur le thème de l’IA et l’industrie numérique ;
– l’intervention dans des séminaires scientifiques et l’encadrement d’étudiants en stage dans le cadre de la formation à et par la recherche.

Profil du candidat :
Profil du candidat :
Le candidat doit être titulaire d’une thèse de doctorat en automatique ou en informatique avec une solide expérience dans les domaines de l’intelligence artificielle tels que l’apprentissage automatique, la prise de décision automatique. L’excellence du candidat doit se traduire par une production scientifique significative (publications dans des revues à comité de lecture de premier plan, communications dans des conférences internationales à comité de lecture de premier plan dans son domaine).

Formation et compétences requises :
Formation et compétences requises :
Le candidat doit être capable de gérer des activités de recherche, de diriger des projets de recherche nationaux et internationaux et de superviser de jeunes chercheurs. Le candidat doit faire preuve d’aptitudes au travail en équipe.

Adresse d’emploi :
ULCO : Laboratoire LISIC & École d’Ingénieurs du Littoral – Côte d’Opale (EIL-CO)

Document attaché : 202311161939_CPJ LISIC-ULCO 2023 (3eme campagne)_.pdf

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : LIS UMR7020
Durée : CDD 1an renouvelable
Contact : marc-emmanuel.bellemare@lis-lab.fr
Date limite de publication : 2023-12-31

Contexte :
Dans le cadre du projet de recherche AMIDEX SEMENDO-BASE, Aix-Marseille Université recrute un ingénieur de recherche en analyse d’images biologiques. L’objectif est de mettre en place des méthodes et des outils de gestion et d’analyse des images générées par microscopie électronique à balayage. Le projet est co-développé par le LIS (UMR CNRS 7020, laboratoire d’informatique) et l’IHU Méditerranée Infection – APHM, Hôpital de la Timone.

Sujet :
Résumé du projet
L’endocardite infectieuse (IE) est une maladie grave dont le diagnostic est difficile et dont la morbidité et la mortalité sont élevées. Elle se caractérise par une infection bactérienne ou fongique de l’endocarde entraînant la destruction d’une valve cardiaque et la formation de végétations dues au développement d’un dépôt fibrino-plaquettaire inflammatoire et infecté. Nous avons récemment développé une approche innovante pour analyser les végétations. La microscopie électronique à balayage fournit des images à l’échelle nanométrique du tissu valvulaire afin d’observer les principaux composants de la végétation qui diffèrent en abondance selon l’espèce bactérienne. Le processus d’analyse actuel est manuel et dépend de l’opérateur. L’objectif du projet est de réaliser l’analyse des images par des approches d’apprentissage profond. Elles devraient permettre de détecter et de quantifier automatiquement chaque composant des végétations pour mieux comprendre leur développement et leur structure afin de proposer des thérapeutiques adaptées. L’objectif principal de cette mission est de mettre en place le pipeline principal depuis la collecte des données jusqu’au traitement des images.

Profil du candidat :
Description du poste / Missions principales
Les activités seront dédiées à :
– Utiliser la microscopie électronique à balayage (MEB) pour l’acquisition d’images d’essai et d’une base de données d’incrémentation.
– Établir le modèle des données et définir une procédure pour faciliter le transfert du microscope à la base de données dédiée au stockage des images.
– Annoter les images en fonction de la classe de microbes détectés dans le corpus d’images actuel.
– Mettre en place des modèles d’apprentissage profond.
– Réaliser les expériences d’apprentissage profond nécessaires.
– Participer à la rédaction des livrables.

Formation et compétences requises :
Profil du candidat
Le candidat mettra en place des outils informatiques de gestion et de traitement d’images.

Formation et compétences requises :
– Master ou diplôme d’ingénieur (Bac +5) ou doctorat en biologie, traitement d’images ou bio-informatique.
– Maîtrise des outils d’analyse d’images de microscopie.
– Maîtrise de Python et/ou Java pour le développement de logiciels.
– Connaissance de la microscopie.
– Connaissance de la gestion de bases de données.
– Capacité à travailler de manière indépendante et à collaborer efficacement au sein d’une équipe pluridisciplinaire.
– Maîtrise de l’anglais professionnel.
– La connaissance/expertise antérieure de l’apprentissage profond pour les images de microscopie biologique est un plus.

Modalités de la candidature
Le dossier de candidature doit comprendre une lettre de motivation ainsi qu’un curriculum vitae précisant les derniers diplômes obtenus et les éléments d’expérience professionnelle.
L’examen des candidatures débutera le 1er décembre 2023.
Date d’entrée en fonction prévue : début 2024.

Veuillez soumettre les documents de candidature par courrier électronique à :
• Dr. Marc-Emmanuel Bellemare : marc-emmanuel.bellemare@univ-amu.fr
• Dr. Jean-Pierre Baudoin : jpbaudoin@live.fr
• Pr. Laurence Camoin Jau : Laurence.CAMOIN@ap-hm.fr

Adresse d’emploi :
Laboratoire d’Informatique et Systèmes – LIS – UMR CNRS 7020 – Aix-Marseille Université
Campus scientifique de St Jérôme – Av. Escadrille Normandie Niemen -13397 Marseille Cedex 20
www.lis-lab.fr

Document attaché : 202311171647_Poste_IR_SEMENDO-Base.pdf

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : Laboratoires ICAR et LIRIS (Lyon)
Durée : 12 mois
Contact : frederic.armetta@univ-lyon1.fr
Date limite de publication : 2024-01-01

Contexte :
Bonjour à tous,

Nous recrutons en post-doctorat sur la thématique des agents conversationnels orientés but (apprentissage automatique, NLP (Natural Language Processing), HRI (Human-Robot Interactions), multi-modalité) à Lyon.

N’hésitez pas à rejoindre l’équipe du projet si vous êtes intéressés !

Sujet :
offre détaillée : https://partage.liris.cnrs.fr/index.php/s/5ycX9kHW4qLd7rb) pour une durée d’un an à discuter. N’hésitez pas à transmettre à toute personne qui pourrait être intéressée.

Site du projet : https://aslan.universite-lyon.fr/projet-peppermint-231695.kjsp?RH=1525438355903

Profil du candidat :
Si vous avez une expérience concernant les agents conversationnels, ou souhaitez approfondir ce thème, n’hésitez pas à candidater ici :
https://emploi.cnrs.fr/Offres/CDD/UMR5191-MAXPEN-022/Default.aspx !
(le début est prévu dès que possible, avant fin 2023 si possible, les dates de contrat peuvent être discutées et aménagées)

Formation et compétences requises :
– Expérience de l’IA et de l’apprentissage automatique (idéalement une expérience dans le domaine du NLP)
– Une Ouverture d’esprit, travail en équipe, autonomie et capacité à interagir avec d’autres disciplines comme les sciences sociales. Intérêt pour la recherche interdisciplinaire

Adresse d’emploi :
https://emploi.cnrs.fr/Offres/CDD/UMR5191-MAXPEN-022/Default.aspx

Document attaché : 202310091538_offre-postdoc-PepperMint.pdf

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : Brain-C Lab, Sorbonne Université & CNRS, Institute
Durée : 2 years
Contact : christian.neri@inserm.fr
Date limite de publication : 2024-01-05

Contexte :
Brain-C Lab, Institute of Biology Paris-Seine (IBPS), Paris

see http://www.ibps.upmc.fr/en/research/biological-adaptation-and-ageing/brainc

Sujet :
A 2-year position is immediately available in the Brain-C Lab in Paris to address outstanding questions about the temporal and molecular dynamics of neurodegenerative disorders and define new therapeutic rationales for early-stage intervention in these disorders. The successful applicant will use BioGemix —our machine learning platform for biological precision in leveraging complex omics data— to analyze omics data (e.g., epigenomic data, transcriptomic data) obtained in models of amyotrophic lateral sclerosis (ALS) and compare resulting models to computational models of neurodegenerative disorders such as Huntington’s disease (HD). In addition to using existing approaches (feature selection, network inference, shape analysis), the successful applicant will also have the possibility to develop innovative machine-learning approaches for modeling and simulating gene regulatory networks and for performing optimal target selection, in collaboration with mathematicians and bioinformaticians inside and outside the team. This position is a unique opportunity to further develop expertise and skills in a multidisciplinary team and network of direct collaborators that cover systems modeling, cellular neurobiology, and preclinical/clinical research.

Profil du candidat :
The candidates are expected to be highly qualified and to have strong collaborative skills and commitment to teamwork along with a strong ability to work independently, and to have a track record of expertise & writing papers as demonstrated by publications and pre-prints. The position is full-time and on-site, and candidates should have less than 5 years of postdoctoral experience and a strong interest in research in biology.

Interested candidates should send a letter of motivation, a full CV, and the names and emails of two or three references to christian.neri@inserm.fr and lucile.megret@sorbonne-universite.fr

Formation et compétences requises :
Candidates should hold a Ph.D. in Informatics/Bioinformatics or Mathematics or Probability & Statistics or Physics. Candidates that hold a diploma from high-profile Engineer Schools (e.g. Ecole Polytechnique, Supelec, Centrale, EPFL, ETZ) are welcome to apply.
• Demonstrated experience and autonomy in probability and statistics for the analysis of complex datasets (probabilistic models, R)
• Good autonomy in machine programming (at least one of the following languages: Python, C/C++, Java).
• Skills in database management or web technologies (javascript, Php) are desirable but not mandatory.
• Knowledge of genome sciences and omics technologies will be a plus.

Adresse d’emploi :
IBPS, Campus de Jussieu
9 Quai St Bernard
75005 Paris – France

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : Brain-C Lab, Sorbonne Université & CNRS, Institute
Durée : 2 years
Contact : christian.neri@inserm.fr
Date limite de publication : 2024-01-05

Contexte :
Brain-C Lab, Institute of Biology Paris-Seine (IBPS), Paris
see http://www.ibps.upmc.fr/en/research/biological-adaptation-and-ageing/brainc)

Sujet :
A two-year position is immediately available in the Brain-C Lab in Paris for a bioinformatician at the Study Engineer (IE) level (post-master position). The selected candidate will work with a team of mathematicians, bioinformaticians, and neurobiologists on modeling time- and cell-resolved omics data to build computational models of molecular pathogenesis in neurodegenerative diseases such as amyotrophic lateral sclerosis (ALS), integrate data from other diseases such as Huntington’s disease (HD) and disseminate data via online platforms. The selected candidate will use BioGemix, our post-omics machine learning platform, and related databases. This position is a unique opportunity to further develop expertise and skills in a multidisciplinary team and network of direct collaborators that cover systems modeling, database development, and cellular neurobiology for breakthroughs in neurodegenerative disease research.

Profil du candidat :
The candidates should hold a Master in Bioinformatics or a Master in Informatics and they should have no more than 3-4 years of post-master experience. The position is full-time, on-site, and candidates should have strong collaborative skills and commitment to teamwork along with a strong ability to work independently in addition to a strong interest in research.

Interested candidates should apply immediately by sending a letter of motivation, a full CV, and the names and emails of two or three references to christian.neri@inserm.fr and lucile.megret@sorbonne-universite.fr

Formation et compétences requises :
• Programming autonomy on at least one of the following languages: python, R, C / C ++.
• Good knowledge of basic web technologies: PHP, MySQL, JavaScript, jQuery.
• Fluency in using Ubuntu.
• Hands-on experience with in-house server maintenance (Backup, shared space, and webserver).
• Scientific English essential
• Skills in data visualization will be a plus.
• Experience working with NGS data and performing respective bioinformatic pipelines to process sequencing data will be a plus.
• Basic knowledge of statistics and machine learning is desirable but not mandatory.

Adresse d’emploi :
IBPS, Campus de Jussieu
9 Quai St Bernard
75005 Paris – France

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : U2IS / ENSTA Paris
Durée : 3 ans (tenure track)
Contact : goran.frehse@ensta-paris.fr
Date limite de publication : 2024-01-12

Contexte :
ENSTA Paris est un établissement public d’enseignement supérieur et de recherche sous tutelle du ministère des Armées. Elle a pour mission la formation d’élèves ingénieurs généralistes de haut niveau, d’étudiants de masters et de doctorat ainsi que la conduite d’activités de recherche. Elle est membre fondateur de l’Institut Polytechnique de Paris (IP Paris).

L’unité d’informatique & d’ingénierie des systèmes (U2IS) d’ENSTA Paris est particulièrement reconnue au niveau international pour son expertise dans le domaine de la robotique et des systèmes autonomes. Elle regroupe les activités de recherche et d’enseignement de l’École dans le domaine des sciences et technologies de l’information et de la communication. Elle développe des activités de recherche dans le domaine de la conception et de la fiabilité des systèmes intégrant des processus décisionnels autonomes avec des applications dans les domaines du transport intelligent, de la défense et de l’énergie. Les travaux de l’unité portent sur les problématiques de vision, robotique, intelligence artificielle, systèmes embarqués, traitement du signal et de l’image et de conception et d’analyse de systèmes hybrides.

Sujet :
Activités principales
Le titulaire du poste intègrera l’U2IS pour y développer son groupe de recherche en cohérence avec la stratégie et l’unité et participer aux enseignements gérés par cette dernière.

Activités de recherche
En termes de recherche, il est attendu des candidats d’être en mesure :
• de contribuer au développement et au renforcement de l’activité de recherche en intelligence artificielle de l’U2IS, et en particulier dans les domaines en lien avec la vision et la robotique ;
• de développer une activité de recherche partenariale avec les acteurs industriels partenaires d’ENSTA Paris ;
• de participer à la construction d’actions autour de l’intelligence artificielle au niveau de l’Institut Polytechnique de Paris.

La personne candidate devra avoir démontré sa capacité à conduire des activités de recherche aux standards internationaux dans l’un des domaines se reportant aux thématiques de l’équipe « systèmes autonomes et robotique » comme la mobilité en milieu structuré ou non structuré (navigation, contrôle, SLAM, …), l’interaction homme-robot, l’autonomie décisionnelle, les systèmes de systèmes, en utilisant notamment des techniques d’apprentissage automatique. L’activité de recherche devra s’inscrire en complément des activités déjà développées par l’unité, en particulier dans les domaines de l’intelligence artificielle, création de bases de données, large language models (LLMs), apprentissage profond. La personne recrutée disposera de la capacité, d’une part à mener des collaborations académiques (au niveau national et international), d’autre part à développer une recherche partenariale associant les entreprises.

Activités d’enseignement
ENSTA Paris forme des étudiants recrutés chaque année parmi les tout meilleurs (ENSTA Paris classée 4ème école d’ingénieur au classement de l’Etudiant). En termes d’enseignement, il est attendu :
• de contribuer à la mise en place d’un cursus par apprentissage spécialisé en intelligence artificielle ;
• d’enseigner dans les domaines d’expertise de l’unité au sein des différentes formations d’ENSTA Paris (cycle ingénieur, formations spécialisées) et d’IP Paris (masters et formation doctorale).

Pack d’accueil
La personne candidate retenue bénéficiera d’un « pack d’accueil » constitué :
– d’une bourse de thèse, ou deux demi-bourses de thèses (avec complément Hi!Paris ou CIEDS), pour engager des travaux de thèse dans son domaine de recherche dans les 18 mois qui suivront son recrutement ;
– d’une charge de formation réduite.

Profil du candidat :
Le poste proposé est un contrat à durée déterminée de 3 ans renouvelable une fois puis transformé à terme en CDI pour les candidats ayant démontré leur intégration et un bon niveau de réalisations académiques.

L’ENSTA Paris peut accueillir les personnels fonctionnaires en détachement, en particulier les Maîtres de Conférences et les Professeurs de l’université ou les Chargés et les Directeurs de Recherche des organismes de recherche (CNRS, INRIA, …). La qualification aux fonctions de Maître de Conférences ou de Professeur des Universités n’est pas requise mais sera appréciée.

Des candidatures « junior » ou « expérimentées » sont possibles. Un candidat expérimenté avec HDR pourra obtenir le titre de Professeur accordé par la commission d’appellation d’ENSTA Paris. Un salaire attractif sera proposé en adéquation avec le profil.

Formation et compétences requises :
La personne candidate, titulaire d’une thèse de doctorat, devra justifier :
• d’une expérience en recherche et enseignement en adéquation avec les besoins exprimés ;
• de publications scientifiques dans des revues de haut niveau et en lien avec la thématique mentionnée ;
• d’une capacité à travailler en équipe tant pour l’enseignement que pour la recherche ;
• de qualités pédagogiques ;
• de pouvoir prendre des responsabilités et notamment de pouvoir piloter/coordonner un parcours d’enseignement.

Adresse d’emploi :
ENSTA Paris
828, Boulevard des Maréchaux
91762 Palaiseau Cedex

Document attaché : 202311231415_ENSTA-U2IS-EC-Vision-IA-2024.pdf

Offre en lien avec l’Action/le Réseau : BigData4Astro/– — –

Laboratoire/Entreprise : CRIStAL UMR 9189 – Lille, France
Durée : 24 months
Contact : pierre.chainais@centralelille.fr
Date limite de publication : 2024-01-26

Contexte :
Postdoc Jan.2024 – Dec. 2025

The project is part of the ANR Chaire IA SHERLOCK (Fast inference with controlled uncertainty: application to astrophysical observations) led by Pierre Chainais (co-funded by Agence Nationale de la Recherche (ANR), I-SITE, Centrale Lille Institut and Région Haut-de-France). The successful candidate will be jointly supervised by Jenny Sorce (CNRS Researcher in cosmology), Pierre Chainais (Professor, Centrale Lille) and Pierre-Antoine Thouvenin (Assoc. Prof., Centrale Lille) in the CRIStAL lab (UMR 9189), Lille, France.
Access to the medium scale computing center from the Universtiy of Lille is acquired, with the possiblility to apply for computing resources from the national flagship Jean Zay supercomputer. In addition, 7 million cpu.hours have been secured at TGCC on the Irene/Rome partition. They will be used to produce the simulations required to trained the surrogate model.

Sujet :
According to the standard cosmological model, about 95% of the Universe is dark. Recent large survey analyses reveal tensions with this model. For instance, the local measurement of the expansion rate and the estimate of the Universe homogeneity differ by more than three standard deviations from those inferred with the first light of the Universe. The cosmological heated debate is to work out whether these tensions are a signature of new physics or of systematic biases in the observation processing pipeline. Part of this pipeline relies on cosmological simulations to act as the missing ground truth. However, the simulations only statistically reproduce the local cosmic web. A new type of simulations, qualified as constrained, is emerging. Initial velocity and density fields of such simulations stem from observational constraints.
This post-doctoral project is aimed at inferring the initial velocity and density fields of the local cosmic web from today’s luminosity distances and observational redshifts measurements. This high-dimensional astrophysical inverse problem is challenging. In particular, it will leverage a large number of measurements (Bayer et al. 2023; Prideaux-Ghee et al. 2023). The absence of ground truth data calls for reliable estimators with associated uncertainty quantification. This motivates the use of Markov chain Monte-Carlo (MCMC) algorithms to access posterior distributions. The hierarchical model relies on a costly cosmological simulator to describe the evolution of cosmological objects from the initial conditions. A first step will be to replace the black-box simulator in the inference algorithm by a tractable surrogate model trained on a grid of simulations, in the spirit of (Dai et al. 2023; Jindal et al. 2023; Raissi et al. 2019). The second step will focus on the design of a high-dimensional MCMC algorithm to infer the parameters of interest (Coeurdoux et al. 2023a,b; Durmus et al. 2018; Vono et al. 2020).

Keywords. Inverse problem, cosmological simulation model, Bayesian inference, MCMC algorithms.

Profil du candidat :
PhD in signal/image processing, computer science or applied mathematics.

Formation et compétences requises :
The project requires a strong background in data science and/or machine learning (statistics, optimization), signal & image processing. Very good
Python coding skills are expected. A B2 English level is mandatory.
Knowledge in C++ programming, as well as experience or interest in parallel/distributed code development (MPI, OpenMP, CUDA, …) will be appreciated.

Adresse d’emploi :
CRIStAL / Centrale Lille Institut
Centre de Recherche en Informatique, Signal et Automatique de Lille (UMR 9189 CRIStAL),
Avenue Henri Poincaré
59655 Villeneuve d’Ascq, France

Contacts:
Pierre CHAINAIS (pierre.chainais@centralelille.fr),
€ http://pierrechainais.ec-lille.fr/
Jenny SORCE (jenny.sorce@univ-lille.fr),
€ https://jennygsorce.appspot.com
Pierre-Antoine THOUVENIN (pierre-antoine.thouvenin@centralelille.fr),
€ https://pthouvenin.github.io/

Applicants are invited to email the following documents as a single .pdf file to all the co-advisors:
• a detailed curriculum, including a list of publications;
• link to the PhD manuscript (or PhD project if upcoming defense);
• reports from PhD reviewers if available;
• a cover letter;
• references: recommendation letters or names of 2 researchers/professors recommending your application.
For further information, please contact the co-advisors of the project:
• Jenny Sorce, jenny.sorce@univ-lille.fr
• Pierre-Antoine Thouvenin, pierre-antoine.thouvenin@centralelille.fr
• Pierre Chainais, pierre.chainais@centralelille.fr.

Document attaché : 202310260740_postdoc_Bayes_cosmology_Lille2024.pdf

Offre en lien avec l’Action/le Réseau : BigData4Astro/– — –

Laboratoire/Entreprise : LESIA, Observatoire de Paris-PSL
Durée : 18 to 24 months
Contact : baptiste.cecconi@obspm.fr
Date limite de publication : 2024-01-31

Contexte :
The EXTRACT project (EU, https://extract-project.eu) is currently conducting the design of an edge-to-cloud solution for heavy data processing based on Deep learning methodologies. One of the use case is the project Transient Astrophysics using SKA pathfinders (TASKA) that covers the processing of dynamical astronomical imaging data in radio using deep learning.

Radio astronomy imaging involves the inversion of set of Fourier domain samples acquired by an interferometer, observing a certain direction of the sky at a specific temporal and spectral rate.

The transformation from the recorded data (set of sparse and incomplete Fourier samples) to a multidimensional image cube containing scientific information, is a strong and ill-posed inverse problem.

For decades, « classical » radio interferometric imaging usually involved the production of single 2D image from the averaging (in time and frequency) of Fourier samples and solving the deconvolution problem to remove the instrumental impulse response. The target was to obtain a static image of the sky in radio. The classical CLEAN algorithm (1974) and CLEAN derivatives methods were historically the most widespread methods used to solve for the problem, mainly in the image space.

Sujet :
When the observed sky is steady, the accumulation of Fourier samples helps getting better images with improved signal-to-noise ratio (SNR) and image fidelity. However, if an astrophysical event (a.k.a. a radio « transient ») occurs during the observation, a long time integration can average out and prevent the detection of such short-lived event. Fast snapshot imaging using the same methods trying to follow fast variations of the sky provide a very limited SNR that would limit the detection level to only powerful astrophysical transients. In addition, extended time-variable emission (e.g., Solar flares, planetary emissions, etc.) are only poorly imaged using classical 2D imaging at a higher rate.

With the development of machine learning and deep learning (ML/DL) methodologies, solving for the imaging and deconvolution can be revisited to produce images cubes with the lowest possible bias while maintaining the integrity of the physical information measured from the sky. The imaging problem is analog to a video restoration problem where identified features are restored and tracked in time and spectral domains.

Hopefully, the astrophysical transients usually have a smooth behavior in time and spectral domains and can be located in a region of the sky. Therefore, the approach of this project is to model the varying source as a 4D structured signal that could be detected and restored with the appropriate approach of the data.

The developed networks will use trainings sets composed of simulated data as well as real data.

Profil du candidat :
(M/F) Post-Doc OR Research Engineer degree (>= 2 years experience in image processing)

Application domain: Applicant profile can come from various image processing and image restoration fields, such as medical imaging, astronomy, video restoration, industry, etc. Applications with a general scientific or signal processing background will be favoured.

Academic background: PhD or MsC degree in Computer Science or similar.

Formation et compétences requises :
We require candidates to have an moderate or advanced level of expertise in the following fields:
– Python/C++
– General knowledge in DL networks (e.g. CNN, GAN, Unet, mainly focused on image processing, image restoration or time series analysis etc.
– Knowledge of DL Frameworks (e.g. TensorFlow, keras, PyTorch
– (Optional) Inverse problem formulation and resolution
– (Optional) Fourier analysis and Fourier sampling
– (Optional) Data workflow management systems
– (Optional) Knowledge on edge/cloud technologies

Adresse d’emploi :
LESIA, Observatoire de Paris,
5 Place Jules Janssen,
92190 Meudon

Document attaché : 202312061248_Profil TASKA D-E-2.pdf

Offre en lien avec l’Action/le Réseau : – — –/Doctorants

Laboratoire/Entreprise : Université de Paris-Dauphine – PSL
Durée : 1 an renouvelable
Contact : bruno.chavesferreira@dauphine.fr
Date limite de publication : 2024-01-31

Contexte :
Créé au sein de l’Université Paris Sciences et Lettres (PSL) et hébergé à Paris Dauphine, l’Institut « Applied Computational Social Sciences » a pour vocation de renforcer la recherche sur les grandes problématiques sociétales (cohésion politique et sociale, transition écologique, transformation numérique, efficacité et compétitivité économique) en articulant sciences des données et sciences sociales.

L’Institut collecte et traite à larges échelle des données hétérogènes tant pour permettre des avancées scientifiques que pour contribuer à éclairer le débat public et la décision. Il réunit sur une équipe pluridisciplinaire de chercheurs et s’appuie sur une équipe d’ingénieurs qui apportent leurs expertises pour constituer des bases de données originales et opérer des traitements complexes. Ces projets sont initiés et portés par des laboratoires du CNRS, de Dauphine, de l’ENS, de l’INSP, et des MinesParis-Tech. Les résultats des travaux ont vocation à être largement diffusés auprès de partenaires institutionnels et du monde économique.

Sujet :
Dans le cadre du développement de l’Institut ACSS, l’Université PSL recrute une/un ingénieur(e) d’études (IE) en science des données. Elle/il sera chargé(e) de mettre en œuvre des méthodes et outils de collecte et traitement de données issues de sources variées (Web, bases de données institutionnelles, archives, etc.). Elle/il aura également la responsabilité de veiller au respect des bonnes pratiques en matière de développement et de gestion du code et des données. Enfin, ielle/il contribuera au développement de modèles statistiques ou d’apprentissage automatique (notamment dans le domaine du traitement automatisé de la langue naturelle).

Profil du candidat :
Formation :
Titulaire d’un master informatique, maths-info ou d’un diplôme d’école d’ingénieur.

Divers :
Peut convenir à un premier poste.
Il s’agit d’une création de poste sur CDD pour une durée de 1 an renouvelable
Rémunération suivant profil et expérience en fonction des grilles CNRS.
Le poste est basé à l’université de Paris Dauphine.

Formation et compétences requises :
Compétences nécessaires :
Connaissance approfondie de l’écosystème Python (et/ou R) en traitement, analyse et visualisation de données.
Maîtrise des bases de données relationnelles et NoSQL.
Méthodologies de développement : tests unitaires, gestion de versions (GIT).
Compréhension des méthodes scientifiques des sciences humaines et sociales.
Compétences additionnelles souhaitées :
Connaissance des paradigmes principaux d’apprentissage automatique (régression, classification supervisée, clustering, visualisation, etc.).
Pratique des services web modernes (architecture REST, formats JSON, XML, etc.) et des expressions régulières.
Une expérience en traitement de la langue naturelle (NLP) sera vivement appréciée.

Adresse d’emploi :
Université de Paris Dauphine
Pl. du Maréchal de Lattre de Tassigny, 75016 Paris

Document attaché : 202312051021_Ingenieur_IE_ACCS_2023_fr.pdf

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : Centre National de Recherches Météorologiques
Durée : 21 months
Contact : laure.raynaud@meteo.fr
Date limite de publication : 2024-01-31

Contexte :
In the past months several studies have proposed a new paradigm for weather prediction, demonstrating that data-driven forecasting models are now competitive with traditional physics-based models, on a number of variables and at a relatively coarse scale.
In this context, the main mission of the open position is to carry out innovative work to develop an emulator of numerical weather prediction model on a regional scale, based on state-of-the-art artificial intelligence methods (transformers, graph networks, generative models).
Application on CNRS portal : https://emploi.cnrs.fr/Offres/CDD/UMR3589-LAURAY-005/Default.aspx

Sujet :
In the current state of knowledge and progress, the areas to explore are:
1. the creation of learning datasets, based on simulations and/or observations;
2. the choice of a neural network architecture adapted to the problem, based on recent literature on the subject (transformers, graph networks, etc.);
3. implementation and training of the selected architecture on the available datasets;
4. evaluation of the emulator, using diagnostics and objective forecast scores, and analysis of high-impact weather situations.
The developments will be carried out in priority for high-resolution forecasting on a regional scale, over France and neighboring countries, but could be extended to forecasting on overseas areas or for forecasting on a global scale. The work will use the most innovative aspects of deep learning, and will require scientific watch on these techniques. The position holder will also be required to collaborate with other Météo-France services, scientists and industrials in the mathematical and IT fields, and European partners. He or she will be encouraged to participate in international institutional or scientific meetings, to contribute to national or European projects, and to participate to the publication of results in the form of scientific articles.

Profil du candidat :
We are seeking for a highly motivated candidate with a strong experience in deep learning with large-scale data.

Formation et compétences requises :
The ideal candidate will have the following qualifications:
– A master’s or engineering degree in computer science or statistics
– Recognized expertise in statistical learning methods (convolutional neural networks, Transformers, graph networks, GANs, etc.)
– Excellent capabilities in Python programming and classic development environments for deep learning (PyTorch, Tensorflow)
– Experience in using GPU processors and code optimization (parallelization)
– Experience in handling very large datasets
– An ability to work scientifically in a team, with internal and external collaborators, and to communicate results in English, both written and orally
– Scientific curiosity, rigor, autonomy
– An interest in the application to atmospheric sciences; a first experience in this field will be an advantage.

Adresse d’emploi :
CNRM, Toulouse, France.
The National Center for Meteorological Research (CNRM) is a Joint Research Unit (UMR) with dual supervision from Météo-France and CNRS. The CNRM conducts research in conjunction with the missions of Météo-France and other organizations, notably the CNRS and universities. The CNRM participates in major international or European scientific programs in its field of expertise.
The position holder will be part of the Predictability team, located on the Météopole site in Toulouse. The team’s research focuses on the development of operational ensemble forecasting systems at Météo-France and the integration of AI methods in atmospheric modeling.

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : Sorbonne Université
Durée : 12 moths
Contact : maria-victoria.eyharabide@sorbonne-universite.fr
Date limite de publication : 2024-01-31

Contexte :
1 Context

This research will be developed within the framework of the ANR BHAI project. The general aim of the project is to combine computer vision, NLP, knowledge engineering, and mathematical modeling of spatial relationships to help with the interpretation of Byzantine seals. This research aims to (i) fully recover the text on seals, (ii) work on the recognition of objects to analyze iconographic scenes, (iii) estimate the inception date of Byzantine seals, and (iv) propose solutions based on hybrid AI techniques to interpret damaged areas based on existing insights.

Sujet :
2 Information about the internship

• Project: ANR BHAI https://anr.fr/Project-ANR-21-CE38-0001
• Project’s members:
– Victoria Eyharabide, STIH Laboratory, Sorbonne Université (Project coordinator)
– Laurence Likforman-Sulem, Departement IDS, Telecom Paris
– Isabelle Bloch, LIP6 Laboratory, Sorbonne Université
– Beatrice Caseau, UMR 8167 Orient et Méditerranée, Sorbonne Université
• Location: Maison de la recherche, Sorbonne Université – 28 rue Serpente, 75006 Paris.
• Duration: 12 months
• Keywords: Deep Nets, Character recognition, NLP, Instance segmentation, Fuzzy Logic, Knowledge representation and reasoning, Byzantine sigillography.

Profil du candidat :
3 Profile of applicant

Applicants are required to have:
• A PhD in Computer Science.
• Advanced skills in Python programming are mandatory.
• A strong background in Machine Learning & Deep Learning on images and/or text using related libraries (scikitlearn, Tensorflow, Pytorch, etc.).

Formation et compétences requises :
• Fluency in written and spoken English is essential.
• Communication skills in French are a plus but not required.
• A good publication record will be a plus.

The position is open immediately. Review of applications will begin as soon as applications are received and continue until the position is filled.

Adresse d’emploi :
Maison de la recherche, Sorbonne Université
28 rue Serpente, 75006 Paris.

Document attaché : 202312051608_Postdoc_BHAI_2024.pdf

Offre en lien avec l’Action/le Réseau : – — –/Doctorants

Laboratoire/Entreprise : LIRIS
Durée : 1 year
Contact : andrea.mauri@univ-lyon1.fr
Date limite de publication : 2024-01-31

Contexte :
We are looking to hire one Postdoctoral Researcher to work on Human Data-Intensive Applications for Health. The position will be based at the Université Claude Bernard Lyon 1 in the Laboratoire d’InfoRmatique en Image et Systèmes d’information ((https://liris.cnrs.fr/liris).

In particular, the candidate will be part of the Database Team (DB) and co-supervised by Prof. Angela Bonifati and Dr. Andrea Mauri.

Sujet :
As a part of the role, you work on the integration of machine and human intelligence to design healthcare data-intensive systems more scalable, efficient, effective, and sustainable. This includes the investigation of how to integrate different kinds of data (from social media, sensors, lab studies, clinical trials, interviews, etc..), how to embed technology in a usually human-driven process, and how to provide trustworthy human-machine interactions in data-intensive applications.

You’ll be responsible for writing academic papers, technical reports, as well as attending academic conferences or meetings to present your findings and serve as a representative for the team.

Profil du candidat :
A Ph.D. in Computer Science or related topics such as Data Management, Human-Computer Interaction, Human-Centered AI, etc..

Formation et compétences requises :
Provable fluency in at least one programming language, e.g., Python/R, Java, C++, Rust.
Curiosity and passion for learning
Not being afraid of multidisciplinarity and transdisciplinarity
Experience in the health domain is a plus.

Adresse d’emploi :
Bâtiment Nautibus
Campus de la Doua
25 avenue Pierre de Coubertin
69622 Villeurbanne Cedex

To apply send an email to andrea.mauri@univ-lyon1.fr and angela.bonifati@univ-lyon1.fr with attached a single PDF containing
– Cover letter in which you describe your motivation and qualifications for the position.
– A research statement (max 2 pages, excluding references) where you describe the research you would like to do.
– Curriculum vitae, including a list of your publications and the contact information of three references.

We strongly encourage interested candidates to contact us to learn more about the position before sending the application.

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : LIRIS
Durée : 13 mois
Contact : hamida.seba@univ-lyon1.fr
Date limite de publication : 2024-01-31

Contexte :
A full-time 1 year postdoctoral position in Computer Science is available at the Laboratoire d’Informatique en Image et Systèmes d’information (LIRIS), Université Lyon 1 on Graph mining and learning

Sujet :
Research in graph mining and learning.
The position does not come with teaching duties, thus French is NOT mandatory.
Duration: 13 months
Staring: ASAP
Salary: according to experience (~2000-2500EUR of monthly net salary)
Location: Villeurbanne
There might be opportunities for the recruited candidate to supervise or co-supervise master students.

Applications include a detailed CV with a complete list of publications and should be sent to hamida.seba@univ-lyon1.fr

Profil du candidat :
* Completed PhD in Computer Science
* Strong academic background on graph algorithms and mining/learning methods.
* An interest on implementation aspects with Python/C++

Formation et compétences requises :
Phd in computer science

Adresse d’emploi :
Laboratoire d’Informatique en Image et Systèmes d’information (LIRIS), Université Lyon 1, Villeurbanne France

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : XLIM, university of Poitiers
Durée : 12 months
Contact : olfa.ben.ahmed@univ-poitiers.fr
Date limite de publication : 2024-01-31

Contexte :
We are looking for an outstanding and highly motivated Postdoctoral researcher in artificial intelligence, data science, or related fields to work on Meta-learning for low-prevalence disease detection. This postdoctoral position is part of the ANR JCJC MIMIC research project.

Sujet :
Context:

Deep learning-based approaches have seen an impressively good performance in the computer vision domain. However, huge, labeled datasets are needed to train on. Collecting such extensive annotated data is time and resource-consuming and it is not feasible for real-world applications, especially in the medical domain [1]. Developing deep learning approaches in the medical domain presents several challenges namely the scarcity and heterogeneity of data. In this position, the selected candidate will work on proposing data-efficient medical image analysis methods by addressing the current limitations of deep learning models in the medical domain.

Objectives:

This position aims to develop efficient deep-learning models using a small available medical imaging dataset for low-prevalence disease detection. We will investigate the recent development of meta-learning approaches [2] to facilitate quick adaptation of deep neural networks trained on data samples of common diseases for the identification of diseases with much less annotated data. Specifically, the selected candidate will focus on developing supervised meta-learning approaches taking into account the specificity of medical images. The work includes also leveraging the limited number of labeled images, along with potentially available unlabeled images to enhance the performance of the trained meta-learner.
The proposed methods will be tested and evaluated on medical diagnosis tasks representing real-world scenarios of low-prevalence disease detection, assessing the models’ ability to detect disease from small amounts of data.

Data used to implement different methods will be issued from our archives of imaging data collected in previous and current projects that involve Poitiers University Hospital. In addition, we will use several SOTA publicly available medical imaging datasets.
References :

[1] Chen, Xuxin, et al. “Recent advances and clinical applications of deep learning in medical image analysis.” Medical Image Analysis 79 (2022): 102444.
[2] Ouahab, Achraf, Olfa Ben-Ahmed, and Christine Fernandez-Maloigne. “A Self-attentive Meta-learning Approach for Image-Based Few-Shot Disease Detection.” MICCAI Workshop on Resource-Efficient Medical Image Analysis. Cham: Springer Nature Switzerland, 2022.

Profil du candidat :

• Ph.D. in Computer science and signal processing / Applied mathematics/ Artificial Intelligence, data sciences
• Strong skills in deep learning, mathematics, science, and data analysis…
• Programming experience in Python
• Experience in the medical imaging field would be a plus
• Experience in meta-learning will be a plus
• Excellent oral and written communication skills

Formation et compétences requises :
Salary :
Remuneration and social benefits are based on the collective wage agreement for public-sector employees at the national French level, considering previous years of experience. Salary between €2905 and €4081 gross monthly, depending on experience.

Start date and duration: The exact starting date is flexible and will be arranged with the candidate, and it should take place between February and April 2024. The position is funded for 12 months with a possible extension.

How to apply: Send your CV with a publications list, 2 names of references, and a motivation letter to olfa.ben.ahmed@univ-poitiers.fr

Adresse d’emploi :
Xlim site de Futuroscope, university of Poitiers

Offre en lien avec l’Action/le Réseau : DOING/– — –

Laboratoire/Entreprise : LIMICS, ISIR, LIB
Durée : indéterminée
Contact : xavier.tannier@sorbonne-universite.fr
Date limite de publication : 2024-01-31

Contexte :

LIMICS – UMRS 1142 : Le Laboratoire d’Informatique Médicale et d’Ingénierie des Connaissances en e-Santé (www.limics.fr) est une unitéinterdisciplinaire constituée de chercheurs et chercheuses Inserm, d’enseignantes-chercheuses etd’enseignants-chercheurs en informatique et d’hospitalo-universitaires (médecins, pharmaciens et pharmaciennes).
Par ailleurs, pour une partie de ses activités, le laboratoire travaille étroitement avec les deux entrepôts de données desanté du CHU de Rouen et de l’AP-HP, avec un intérêt pour les approches combinant les données structurées, lesdonnées non structurées (en particulier textuelles) et les ressources externes (bases de connaissances, terminologies),ayant pour objectif une meilleure représentation des patients dans des tâches de caractérisation (phénotypage), deprédiction ou d’aide à la décision.C’est sur cet axe de recherche lié à l’apprentissage et l’analyse de données de santé, qu’elles proviennent d’entrepôts dedonnées, de bases de données locales ou des patients eux-mêmes, que le laboratoire souhaite mettre l’accent dans lecadre de ce poste.

LIB – UMR 7371 : Le LIB mène des recherches et développement en imagerie et biophysique avec transfert vers des plateformes d’imagerieprécliniques et cliniques. Le laboratoire dispose de larges bases de données d’images médicales expertisées et annotées (cardiaques, vasculaires,cerveau, moelle épinière, tumorales etc.) et des logiciels innovants d’analyse d’images. Plus d’informations sur lesrecherches du LIB peuvent être trouvées sur le site : https://www.lib.upmc.fr/.
Le LIB recherche un(e) candidat(e) ayant des compétences en IA (ex. apprentissage profond sur des images statiques oudes séries dynamiques, apprentissage par transfert inférence statistique) pour proposer des outils d’analyse d’imagesautomatisés (segmentation des structures, analyse des textures, anonymisation des images, control qualité des images,…) ainsi que la mise en place d’outils de classification et de prédiction en fusionnant des biomarqueurs extraits dedifférentes modalités d’imagerie non-invasive (IRM, échographie, scanner, médecine nucléaire), ou de différents organes(cœur-foie, artères-cerveau, …) dans un objectif ultime de médecine personnalisée.

ISIR – UMR 7222 :L’ISIR s’intéresse au développement de robots et de systèmes intelligents capables d’opérer de façon autonome dans des environnements non contrôlés, et d’interagir, de façon aussi naturelle que possible avec des humains. L’autonomie porte ici sur la capacité à faire face à des situations variées et non nécessairement anticipées.
Les travaux correspondants se focalisent en particulier sur des architectures cognitives dédiées ou sur des méthodesd’apprentissage, quel que soit l’apprentissage : avec ou sans gradient, statistique, heuristique ou bio-inspiré, sur un agentisolé ou dans un contexte social ou collectif. L’interaction (IHM) peut de même prendre diverses formes (verbale, gestuelle,etc.) et s’appuyer sur la conception de dispositifs, d’interfaces et de techniques d’interaction dédiées. L’étude de cesinteractions pourra se faire en particulier sous l’angle de l’apprentissage humain. La candidate ou le candidat devra développer des méthodes sur une ou plusieurs de ces thématiques et rejoindra un deséquipes du laboratoire, toutes étant potentiellement concernées par ce poste.

Sujet :
ENSEIGNEMENT

La personne recrutée interviendra de façon équilibrée sur les différents niveaux de formation, du L1 au M2.Elle contribuera significativement aux enseignements en Licence d’informatique dont les besoins couvrent l’ensemble de ladiscipline (algorithmique, programmation (notamment objet, concurrente, fonctionnelle, web …), mathématiques discrètes,structures de données, système, architecture, réseaux, compilation, bases de données …).

En Master, la personne recrutée renforcera les enseignements des différentes parcours en IA.

RECHERCHE

Le poste est ouvert à tous les domaines relatifs aux systèmes intelligents, incluant des approches logiques et/ounumériques d’intelligence artificielle.La personne retenue intégrera l’un des laboratoires ISIR, LIB, LIMICS selon ses thématiques de recherche, et pourraréaliser ses projets au sein de SCAI (Sorbonne Center for Artificial Intelligence). Les laboratoires manipulent des larges bases de données de santé (données de vie réelle hospitalières, imageriemédicale), de biologie et de robotique.

Profil du candidat :
La personne retenue intégrera l’un des laboratoires ISIR, LIB, LIMICS selon ses thématiques de recherche.
Les profils précis attendus par chaque laboratoire sont précisés ci-dessus, ainsi que sur cette fiche : https://dropsu.sorbonne-universite.fr/s/jxfHk4Q635Xrya6

Formation et compétences requises :
Titulaire d’un Doctorat en Informatique (ou un diplôme équivalent)

Adresse d’emploi :
Sorbonne Université
Pour l’ISIR : 4 place Jussieu, PARIS
Pour le LIB et le LIMICS : 15 rue de l’école de médecine, PARIS

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : Université Paris Cité, LIPADE
Durée : Poste permanent
Contact : laurent.wendling@u-paris.fr
Date limite de publication : 2024-01-31

Contexte :
Un poste de maître de conférences en informatique (section CNU 27) est susceptible d’être vacant au département informatique de l’IUT Paris Rives de Seine (Université Paris Cité) pour une intégration scientifique possible dans l’équipe SIP (https://sip.mi.parisdescartes.fr/) du Laboratoire LIPADE (http://lipade.math-info.univ-paris5.fr/).

– Date d’ouverture des candidatures : 02/02/2024

– Date de fermeture des candidatures : 06/03/2024

– Date de prise de fonction : 01/09/2024

Fiche Galaxie :

https://www.galaxie.enseignementsup-recherche.gouv.fr/ensup/ListesPostesPublies/FIDIS/0755976N/FOPC_0755976N_465.pdf

Sujet :
Recherche :

La personne recrutée intégrera et renforcera l’équipe de recherche Systèmes Intelligents de Perception (SIP) du LIPADE. L’objectif de l’équipe SIP est de développer des méthodes issues de la reconnaissance de formes, de l’analyse d’images et de la théorie de l’intelligence artificielle afin de fournir des solutions fonctionnelles.

Trois axes thématiques de recherche sont particulièrement explorés (image de documents, satellitaire et médicale) où la sémantique de l’image est très forte.

Le profil recherche est axé en priorité sur les thématiques de recherche du pôle SIP, notamment quelqu’un pouvant apporter ses compétences dans un de ces axes et/ou dans le développement de nouveaux algorithmes et méthodes pour traiter et analyser des images complexes (comme la segmentation d’images multi-sources, la reconstruction d’images 3D, la fusion d’images, la modélisation de relations spatiales, l’indexation et la recherche sémantique d’images…).

Mots-clés : Image, Vision par ordinateur, Reconnaissances des formes

Enseignement :

Le maître de conférences recruté s’intégrera à l’équipe pédagogique du département Informatique de l’IUT de Paris – Rives de Seine. Les enseignements s’adressent principalement à des étudiants de BUT 2 Informatique et la licence MIAGE.

Il se verra confier des enseignements variés, tant dans le contenu que dans les formes d’enseignement (cours, TD, TP, projets tuteurés…). Par ailleurs, il interviendra dans les projets personnels à caractère professionnel, les Situations d’apprentissage et d’évaluation (SAé), les suivis de stages et participera à la vie du département notamment par des prises de responsabilités.

Les candidatures présentant des compétences en algorithmique fondamentale, en structures de données abstraites, en programmation impérative / objet (C, C++, Java, VB, mobile, Web, …), en conception de logiciel seront particulièrement appréciées et plus généralement dans l’un des champs disciplinaires couverts par le programme national du BUT Informatique.

Le Bachelor Universitaire de Technologie Informatique et la licence générale MIAGE : https://iutparisseine.u-paris.fr/informatique/

Contacts :

Recherche (équipe SIP, LIPADE) :

– Laurent Wendling (responsable équipe),

– Florence Cloppet

Enseignements (IUT) :

– Jérôme Fessy (directeur du département Informatique de l’IUT Paris Rives de Seine)

Profil du candidat :
na

Formation et compétences requises :
na

Adresse d’emploi :
Université Paris Cité
85 boulevard Saint-Germain, 06e arr.
75006 Paris

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : NORM3D
Durée : CDI
Contact : contact@norm3d.com
Date limite de publication : 2023-09-01

Contexte :
NORM3D est une entreprise qui crée des solutions innovantes de traitement de données 3D en menant une activité de recherche et développement. Les solutions créées s’appuient sur un socle de connaissances et de savoir-faire dans le domaine de la 3D avec des travaux scientifiques reconnus internationalement.

L’entreprise NORM3D propose une plateforme de services de traitements de données 3D, pour apporter des solutions adaptées aux entreprises dans le domaine de la 3D. Les champs d’applications incluent notamment le Building Information Modeling (BIM) pour fournir un gain de temps dans la reconstruction de maquette numérique 3D, la numérisation 3D pour la personnalisation d’objet (industrie 4.0), la valorisation du patrimoine culturel, ou la correction de la géométrie d’un maillage 3D pour l’impression 3D.

Sujet :
Votre mission sera d’étudier, de prototyper et améliorer des algorithmes de traitement sur nuage de points 3D. Vous contribuerez à la recherche et l’innovation en étant force de proposition dans l’élaboration de traitements adaptés.

Vous devrez :
– Effectuer des missions de veille technologique pour vous tenir informé des évolutions technologiques.
– Réaliser des études de recherches appliquées et des analyses pour l’élaboration de nouveaux procédés.
– Concevoir et développer de nouveaux traitements sur nuage de points 3D.
– Recherche sur l’amélioration des services déjà existants, en fonction des besoins et des retours émis par les utilisateurs.

Profil du candidat :
BAC+8, doctorat en informatique

Formation et compétences requises :
spécialisé traitement d’image

Adresse d’emploi :
NORM3D
2, rue Jean Perrin
14460 Colombelles

Document attaché : 202306071331_NORM3D_offre_emploi_ir.pdf

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : GREYC UMR CNRS 6072
Durée : 22 mois
Contact : olivier.lezoray@unicaen.fr
Date limite de publication : 2024-02-01

Contexte :
Dans le cadre du projet COSURIA (COmpletion de SURfaces par Intelligence Artificielle), le post-doctorat devra concevoir des méthodes et des algorithmes permettant de compléter la géométrie et les couleurs sur des maillages colorés en 3D.

Sujet :
Le post-doctorant aura la responsabilité principale de :
– Réaliser une bibliographie sur la complétion de maillages 3D par modèles génératifs
– Concevoir et mettre en oeuvre une méthode de complétion de la géométrie et de la couleur de maillages 3D à partir d’auto-encodeurs
– Appliquer la méthode développée pour la complétion de maillages 3D couleur de scans de personnes

Profil du candidat :

– Solide dossier de publication dans le domaine de la vision artificielle et/ou de l’apprentissage profond
– Connaissance approfondie de l’apprentissage automatique et des méthodologies d’apprentissage profond
– Maîtrise de Python (en particulier des cadres d’apprentissage profond) et éventuellement de la programmation C++.
– Capacité à rédiger des rapports scientifiques et à communiquer les résultats de la recherche lors de conférences en anglais.

Formation et compétences requises :
– Doctorat en intelligence artificielle ou en informatique
– Master ou diplôme d’ingénieur dans un domaine lié à l’informatique, ou aux mathématiques appliquées.

Adresse d’emploi :
Le laboratoire GREYC (UMR CNRS 6072) est une Unité Mixte de Recherche en sciences du numérique sous la tutelle de l’ENSICAEN, du CNRS et de l’Université de Caen Normandie (UNICAEN). Les travaux seront effectués au sein de l’équipe Image dont les activités de recherche sont centrées sur le développement de nouvelles méthodes de traitement et d’analyse de signaux/images/vidéos.
Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l’autorité compétente du MESR.

Document attaché : 202308240922_COSURIA_PostDoc.pdf