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

Laboratoire/Entreprise : LISIC / ULCO
Durée : 5
Contact : gilles.roussel@univ-littoral.fr
Date limite de publication : 2023-09-09

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 financières

– Traitement brut : 55 k€/an pendant 5 ans.
– 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.

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.

Date limite de dépôt des candidatures (Galaxie): 8 septembre 2023

Sujet :
Mots clés : Intelligence artificielle, Industrie du futur, jumeau numérique industriel, Machine Learning, Aide à la décision.

Projet de recherche :
La chaire de Pr junior devra s’inscrire dans la thématique IA et jumeau numérique appliquée à l’industrie 4.0 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) et du Master Ingénierie des systèmes complexes (MISC) ;
– la participation au projet pédagogique dans le contexte d’une projection décennale de la spécialité du site dans le domaine de l’industrie 4.0 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 :
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 :
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 :
LISIC Calais & Saint-Omer – Ecole d’Ingénieurs du Littoral – Côte d’Opale (Eil-CO)

Document attaché : 202308231321_CPJ LISIC-ULCO 2023 v2.pdf

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

Laboratoire/Entreprise : CNAM, CEDRIC
Durée : 3 mois
Contact : sle.contact@cnam.fr
Date limite de publication : 2023-09-10

Contexte :
Le travail s’effectuera au Centre d’Etudes et De Recherche en Informatique et Communications (CEDRIC) du Conservatoire Nationale des Arts et Métiers (CNAM). Les domaines d’expertise du laboratoire CEDRIC portent sur l’ingénierie des systèmes d’information et de décision, le datamining, des bases de données avancées, etc.

Sujet :
Dans le cadre d’un travail collaboratif avec l’Université Paris 1, il s’agit d’étudier le domaine des applications intelligentes. En effet, plusieurs applications ainsi que les appareils dits ‘intelligents’ apparaissent et se développent. Ce domaine étant en plein essor, il n’est pas encore structuré. Aucun travail n’existe qui énumère, classifie et organise les domaines concernés. L’objectif est de développer un outil d’analyse bibliométrique des métadonnées des publications scientifiques disponibles dans les bases telles que Scopus afin d’analyser la terminologie existante et d’établir les typologies des domaines et des appareils intelligents.

Pour postuler, merci d’envoyer votre candidature avant le 1 septembre 2023 à sle.contact@cnam.fr. La candidature doit inclure :
– Curriculum Vitae à jour,
– Lettre de motivation,
– Relevés des notes,
– Eventuellement une ou plusieurs lettres de recommandation.

Profil du candidat :
Capacités d’analyse, capacités rédactionnelles.

Formation et compétences requises :
Bac+3/Bac+5 en Informatique
Python souhaitable, Modélisation conceptuelle, Algorithmique.

Adresse d’emploi :
2, rue Conté, Paris 75003

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

Laboratoire/Entreprise : France Energies Marines
Durée : CDI
Contact : contactrh@france-energies-marines.org
Date limite de publication : 2023-09-22

Contexte :
Le nombre croissant de parcs éoliens offshore soulève des questions environnementales et sociétales essentielles quant à leur impact sur l’écosystème marin. Les espèces de la mégafaune marine, telles que les oiseaux marins, les mammifères marins et les poissons, pourraient être influencées par les parcs éoliens en ce qui concerne leur distribution, leur abondance et leur comportement, ce qui peut en fin de compte affecter la dynamique des populations. L’amélioration de notre compréhension des effets des parcs éoliens sur l’environnement marin dépend de notre capacité à (i) surveiller simultanément plusieurs compartiments de l’écosystème, (ii) adopter des suivis à long terme et (iii) assurer des suivis standardisés et applicables d’une région à l’autre. Dans ce contexte, des plateformes de recherche multi-instruments ainsi que des développements méthodologiques pour le traitement automatisé des données sont nécessaires.

L’intelligence artificielle, et en particulier l’apprentissage profond, sont prometteurs pour le traitement et l’analyse de la grande quantité de données disponibles. Ces méthodes s’avèrent notamment utiles pour l’identification automatique d’espèces à partir de données multi-sources (vidéos, données d’échosondage, enregistrements acoustiques). Le développement d’algorithmes automatisés pour le suivi à long terme des écosystèmes marins est un défi majeur dans le domaine, et émerge dans plusieurs projets de recherche à FEM, (OWFSOMM, SEMAFOR, MIGRATLANE & MMERMAID).

Le.a candidat.e sera chargé.e de renforcer les compétences de l’Institut dans le développement d’algorithmes automatisés et de R&D pour améliorer le suivi de la mégafaune marine en relation avec les paramètres environnementaux et les activités humaines – i.e. le bruit sous-marin – dans un parc éolien.

Sujet :

Les missions du/de la candidat.e seront les suivantes :

Utiliser, améliorer, développer des algorithmes de traitement du signal et/ou d’apprentissage profond pour détecter, identifier les espèces et à terme le comportement des espèces de la mégafaune marine ;
Traiter plusieurs sources acoustiques pour identifier, compter, localiser les espèces de la mégafaune marine et décrire le paysage sonore sous-marin ;
Collaborer à la mise en œuvre de modèles de données multisources ;
Contribuer à la mise en œuvre d’algorithmes automatisés sur le terrain pour la collecte, le traitement et la transmission des données en temps réel ;
Développer un ensemble de protocoles et de méthodologies standardisés transposables à différentes structures/sites en mer ;
Présenter les résultats des projets de recherche collaborative dans des revues à comité de lecture et lors de conférences ;
Initier, développer et gérer des projets de recherche technique et scientifique en collaboration avec des organismes de recherche et l’industrie dans le domaine de la faune marine et des parcs éoliens ;
Contribuer à l’offre de services de FEM pour le secteur des énergies marines renouvelables.

Profil du candidat :
Formation initiale

Doctorat/M.Sc/M.Eng en bioacoustique, traitement du signal ou informatique.

Formation et compétences requises :

Connaissances spécifiques et expériences professionnelles

Requises :

Expérience dans le traitement du signal, l’apprentissage automatique et/ou l’apprentissage profond appliqués aux données acoustiques.
Excellentes compétences en programmation en Python (la connaissance de l’un des logiciels d’apprentissage profond, tels que PyTorch ou Tensorflow, est indispensable).
Intérêt pour les questions environnementales appliquées.

Souhaitées :

Expérience professionnelle et connaissances sur la mégafaune marine.
Expérience de terrain dans le déploiement de dispositifs acoustiques.
Connaissance des enjeux environnementaux et de conservation

Qualités professionnelles

Grande rigueur scientifique.
Esprit d’initiative et ouverture multidisciplinaire.
Goût pour la recherche appliquée (recherche industrielle).
Aisance dans l’expression, l’argumentation et la communication dans un contexte de partenariat.
Goût pour le travail en équipe, mais capacité à travailler de manière autonome.

Adresse d’emploi :
Localisation : Brest (29), Nantes (44), Le Havre (76) ou Marseille (13) – France Energies Marines

Document attaché : 202309140819_230829-P3-chercheur-deep-learning-acoustique-FR.pdf

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

Laboratoire/Entreprise : PSL
Durée : 5 year
Contact : alexandre.allauzen@dauphine.psl.eu
Date limite de publication : 2023-09-25

Contexte :
The Data Program of PSL supervise the teaching activities in AI and datascience.

Sujet :
Les objectifs du poste sont de participer à la construction, la mise en place de hackathons dont les sujets tourneront autour de la thématique “AI for the Sciences” et pilotée par le programme DATA de PSL
Within the Data program, the person will be in charge to:
– collect and build datasets in interaction with colleagues in PSL from diverse scientific fields
– be involved in the development of our plateform
– pedagogical support

Profil du candidat :
Master in data-science or similar skills

Formation et compétences requises :
– Data managment (sql, spark, hadoop, pandas, … )
– Numerical analysis of data (numpy, scipy, … )
– Knowledge in Deep Learning is welcome

Adresse d’emploi :
Dauphine Université

Offre en lien avec l’Action/le Réseau : FedSed/Innovation

Laboratoire/Entreprise : EPIONE Inria
Durée : 24 mois
Contact : marco.lorenzi@inria.fr
Date limite de publication : 2023-09-30

Contexte :
As a research engineer, you will be attached to the Department of Experimentation and Development (SED) and to EPIONE Research Group. You will integrate the personnel staff for engineering innovation and Inria technology transfer and work on the development of the project Fed-BioMed. This project is the result of the synergy between research and engineering teams for the development of an open framework for federated learning in healthcare. The project is in collaboration with an international network of clinical collaborators and hospitals, that will provide clinical use cases for the translation of the development work into the real world. The project is based on Agile development methods, and is supported by the transfer, innovation and partnerships service (STIP) of the center, responsible for prospecting and helping the team in the implementation of research contracts and technology transfer.

At the end of this experience, you will have consolidated a broad range skills in software engineering with application to a unique scientific context, through the deployment of top-notch Data Science paradigm. This experience will allow you to consider careers as an engineer in research and development in national organizations ( Inria, INRAE, CNRS, CEA), industrial research centers, SMEs and digital start-ups.

Sujet :
The engineer will be mainly involved in the software developments within the framework of the project Fed-BioMed. She / He will also participate in the design and development of highly innovative scientific software platforms for scientific research and experimentation activities.
The engineer will also work on the co-development of prototype software integrating the technological core ideas proposed by the researchers. The engineer will work within a software development team using agile methodologies (mixed Scrum-Extreme Programming method), in a context where she / he will be able to constantly improve her / his skills.

Profil du candidat :
This position is intended for PhD, Post-docs or Engineers in the field of computer sciences (IT, image processing, robotics, bioinformatics, automation, simulation and high-performance computing), with a demonstrable background in machine learning and AI-related topics.

• Software development / software engineering.
• Solid experience in software development.
• Experience in project development, preferably using Agile methodology.
• Experience in Linux development
• Training and / or experience in one or more of the following fields: Data science / Statistics, Machine Learning, Artificial Intelligence, Optimization,
• ML libraries (e.g. Pytorch, TensorFlow, Keras, Julia),
• Medical data analysis,
• Database management;
• Knowledge / experience in an R&D environment (public or private sector).

Formation et compétences requises :
Skills / know-how:
• Programming languages: Python, C, C ++
• Experience with Machine Learning libraries (e.g PyTorch, TensorFlow, Keras, Julia)
• Know how to implement the methods and tools underlying the compilation, version control, continuous integration and development through testing in a context of agile methods
• Knowledge of agile methodology
• Good writing and communication skills
• Good level of technical and scientific English, both oral and written.
• Knowledge in one or more of the following tools is also a plus:
o version management, continuous integration, packaging and deployment (git, jenkins, cpack, conda, docker)
o graphical interfaces: Qt, Electron, Gtk, …

Benefits

• Subsidized canteen,
• public transport partially reimbursed
• Leave: 7 weeks of annual leave + 10 days of RTT (full-time basis) + possibility exceptional absence authorizations (e.g. parental leave, moving)
• Possibility of teleworking (after 6 months of seniority) and working time arrangement
• Professional equipment available (videoconferencing, loan of equipment, computers, etc.)
• Social, cultural and sports benefits (Association for the management of social works Inria)
• Access to vocational training
• Social Security

Salary

Depending to experience

Adresse d’emploi :
Inria Sophia Antipolis
2004 Route des Lucioles,
06902 Sophia Antipolis

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

Laboratoire/Entreprise : Lab-STICC/IMT Atlantique
Durée : 5 years
Contact : ronan.fablet@imt-atlantique.fr
Date limite de publication : 2023-09-30

Contexte :
Chaire de Professeur Junior “AI and Climate Extremes@ at IMT Atlantique/Lab-STICC/Odyssey. Successful applicants will first be hired on a ‘CDD de projet’ contract and tenure will occur at IMT Professor level.

Location: IMT Atlantique, Brest campus

Hosting research team: INRIA team Odyssey (https://team.inria.fr/odyssey/)

Key words : AI, applications to earth systems, extreme climate events, machine learning, dynamical systems, observing systems

Sujet :
The details of the position are available here: https://institutminestelecom.recruitee.com/o/chair-of-junior-professor-in-ai-climate-extremess-contrat-projet-5-ans

Profil du candidat :
See https://institutminestelecom.recruitee.com/o/chair-of-junior-professor-in-ai-climate-extremess-contrat-projet-5-ans

Formation et compétences requises :
See https://institutminestelecom.recruitee.com/o/chair-of-junior-professor-in-ai-climate-extremess-contrat-projet-5-ans

Adresse d’emploi :
IMT Atlantique, Brest campus

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

Laboratoire/Entreprise : LIFAT (EA 6300), Université de Tours
Durée : 18 months
Contact : nicolas.ragot@univ-tours.fr
Date limite de publication : 2023-09-30

Contexte :
The JUNON project, driven by the BRGM, is granted from the Centre-Val de Loire region through ARD program (« Ambition Recherche Développement ») which goal is to develop a research & innovation pole around environmental resources (agriculture, forest, waters…). The main goal of JUNON is to elaborate large scale digital twins in order to improve the monitoring, understanding and prediction of environmental resources evolution and phenomena, for a better management of natural resources.
JUNON will focus on the elaboration of digital twins concerning quality and quantity of ground waters, as well as emissions of greenhouse gases and pollutants with health effects, at the scale of geographical area corresponding to the North part of the Centre-Val-de-Loire region.
The project actors are: BRGM, Université d’Orléans, Université de Tours, CNRS, INRAE, and ATOS and ANTEA companies.

Sujet :
While the BRGM will have in charge to collect and arrange data (ground waters levels at different locations) and to benchmark predictions with mechanistic models as well as with classical prediction AI tools, the goal of the postdoc will be to build new prediction models able to integrate several sources of information like:
– meteorological data
– spatial information, i.e. geolocalization of sensors and locations of predictions to be made; topological information such as altitude
– integration of knowledge from mechanistic models as well as from expert knowledge (impact of attributes and variables used)
– etc.
The scientific locks are clearly related to:
– multivariate time series
– short-term to long term predictions (horizon)
– going from local predictors to ‘connected predictors’, i.e. how to use information coming from sensors spread over the area of study
And if possible:
– considering heterogenous data (time series, climatic data, topological information, combination with other models…)
– having an idea of how continuous learning (work of a PhD) could be done on such models.
Studying transformers and Spatio-Temporal Graph Neural Networks will be particularly investigated.
Of course, models will have to be implemented, learnt and compared with classical models on benchmarks.

Profil du candidat :
The candidate should be experimented with machine learning (Python) and time series.

Formation et compétences requises :
PhD in machine learning (computer sciences or applied mathematics)
Skills:
– a strong experience in data analysis and machine learning (theory and practice of deep learning in python) is required
– experiences/knowledge in time series prediction and environmental science is welcome
– curiosity and ability to communicate (in English at least) and work in collaboration with scientists from other fields
– ability to propose and validate new solutions and to publish the results
– autonomy and good organization skills

Adresse d’emploi :
Affiliation: Computer Science Lab of Université de Tours (LIFAT), Pattern Recognition and Image Analysis Group (RFAI)

Document attaché : 202307171132_Fiche de poste Pdoc Junon.pdf

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

Laboratoire/Entreprise : Service Hydrographique et Océanographique de la Ma
Durée : X ans
Contact : recrutement@shom.fr
Date limite de publication : 2023-10-01

Contexte :
Le Shom est l’opérateur public pour l’information géographique maritime et littorale de référence.

Établissement public administratif sous tutelle du ministère des Armées, il a pour mission de connaître et décrire l’environnement physique marin dans ses relations avec l’atmosphère, avec les fonds marins et les zones littorales, d’en prévoir l’évolution et d’assurer la diffusion des informations correspondantes.

L’exercice de cette mission se traduit par trois activités primordiales :

1) l’hydrographie nationale, pour satisfaire les besoins de la navigation de surface, dans les eaux sous juridiction française et dans les zones placées sous la responsabilité cartographique de la France ;
2) le soutien de la défense, caractérisé par l’expertise apportée par le Shom dans les domaines hydro-océanographiques à la direction générale de l’armement et par ses capacités de soutien opérationnel des forces ;
3) le soutien aux politiques publiques de la mer et du littoral, par lequel Shom valorise ses données patrimoniales et son expertise en les mettant à la disposition des pouvoirs publics, et plus généralement de tous les acteurs de la mer et du littoral.

Contexte du poste:
Le poste est situé au sein du laboratoire d’innovation qui est en charge d’introduire des ruptures technologiques dans les actions de modernisation des processus de production et de prototyper des produits et services en anticipation des besoins futurs.

Sujet :
Les missions principales du poste au sein de ce laboratoire sont les suivantes :
• Proposer une approche opérationnelle pour gérer les connaissances contenues dans les textes des instructions nautiques[1] et en dériver des produits novateurs pour les marins ;
• Développer et tester des outils pré-opérationnels, accompagner leur mise en production ;
• Assurer la veille technologique en ingénierie des connaissances et participer à développer les compétences du Shom dans ce domaine.

Dans un premier temps vous prendrez connaissance du sujet et de l’état de l’art. Vous analyserez le potentiel de l’ontologie qui modélise les connaissances contenues dans les Instructions Nautiques et du démonstrateur d’extraction et de peuplement pour créer une base de connaissance de celles-ci, développés dans le cadre d’une thèse. Ce démonstrateur met en œuvre un modèle de langue à base d’apprentissage profond de type transformer pour la reconnaissance des entités spatiales et de leurs relations, et des technologies du web sémantique pour le peuplement de la base de connaissances.
Suite à cette étape vous ferez évoluer ce prototype de manière à concevoir un outil plus complet de peuplement de la base de connaissance, à le tester sur une zone d’étude suffisamment étendue et à évaluer la qualité du résultat, afin de valider le modèle ontologique et l’extraction.

Dans un second temps, vous proposerez un système prototype qui permette de consolider et valider dans un environnement représentatif une chaîne de gestion et de traitement des connaissances nautiques qui permette de créer des textes (équivalent des INs) mais également de concevoir d’autres produits et services de manière agile. Vous travaillerez pour cela en étroite collaboration avec les experts métiers du Shom.
Vous pourrez vous appuyez sur les résultats des travaux académiques existants et/ou réutiliser des modules libres non contaminants et/ou développer des modules et réaliser les entrainements nécessaires.

Vous contribuerez à la veille technologique, en lien avec les partenaires académiques du Shom, et jouerez un rôle primordial en développant les savoirs et la montée en compétence de vos collègues sur le sujet de l’ingénierie des connaissances. Vous pourrez soumettre des publications.

[1] Les instructions nautiques sont des documents officiels destinés aux navigateurs. Ils contiennent entre autres des descriptions physiques des zones de navigation, des phénomènes océanographiques et météorologiques (courants, vents, vagues, …), le balisage principal, les routes de navigation, les dispositifs de séparation du trafic, la description et les formalités d’accès aux ports, la, la réglementation …. et ils doivent être utilisés en complément des cartes marines.

Profil du candidat :
Vous êtes de niveau BAC +5 en ingénierie des connaissances, data science, statistiques, mathématiques, traitement de l’information. Une thèse de doctorat dans le domaine de l’ingénierie des connaissances est un plus.
Une expérience professionnelle de 2 ans est souhaitée.

Formation et compétences requises :
Aptitudes techniques :

Expérience en développement logiciel
Expérience en apprentissage machine appliqué à du texte
Très bonnes connaissances et expérience en manipulation de données textuelles
Connaissances en SIG
Connaissance et expérience des technologies du web sémantique
Connaissance en base de données

Compétences humaines (soft skills) :

Savoir travailler en équipe
Savoir communiquer en particulier auprès de néophytes en IA, pédagogie
Sens de l’initiative et autonomie
Organisation et synthèse
Curiosité et intérêt des problématiques métiers

Adresse d’emploi :
13 Rue de Châtellier, 29200 Brest

Document attaché : 202309081041_data-scientist-h-f-shom.pdf

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

Laboratoire/Entreprise : LISIC / ULCO
Durée : 5
Contact : gilles.roussel@univ-littoral.fr
Date limite de publication : 2023-10-04

Contexte :
Extension de la date limite de dépôt des candidatures  (Galaxie) : 2 octobre 2023

Mots clés : Intelligence artificielle, Industrie du futur, jumeau numérique industriel, Machine Learning, Aide à la décision.

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.

Durée du contrat : 5 ans
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 pendant 5 ans.
– 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 4.0 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) et du Master Ingénierie des systèmes complexes (MISC) ;
– la participation au projet pédagogique dans le contexte d’une projection décennale de la spécialité du site dans le domaine de l’industrie 4.0 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 :
LISIC & Ecole d’Ingénieurs du Littoral – Côte d’Opale (Eil-CO)

Document attaché : 202309141458_CPJ LISIC-ULCO 2023 v2.pdf

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

Laboratoire/Entreprise : Institut Pasteur
Durée : 23 mois
Contact : herve.menager@pasteur.fr
Date limite de publication : 2023-10-31

Contexte :
The ShareFAIR project (PEPR “Digital Health”) aims to promote the sharing and exchange of health data and their analysis, with a focus on interoperability, reusability, and transparency.

Bioinformatic analyses are complex and rely on various tools that need to be configured and chained together. In this context, improving the reproducibility of the obtained results is of paramount importance, especially in the field of health. This is typically achieved through the design, implementation, and execution of workflows (e.g. Snakemake, Nextflow), which offer numerous advantages, such as improving the reproducibility of analyses and better tracking of data provenance.

These workflows are generally scattered across public repositories, poorly annotated, and difficult to query. Challenges, therefore, include the standardization and annotation of datasets and workflows, as well as their synthesis into interoperable, shareable, and reusable workflows.

More information here:

Bioinformatician (M/F) – Description, Storage, and Standardization of Datasets and Workflows

Sujet :
Within the scope of this project, we are seeking an engineer specialized in bioinformatics workflows, data, and knowledge engineering to contribute to the definition and implementation of standards and best practices to achieve these objectives. The successful candidate will work closely with a multidisciplinary team, including bioinformatics researchers and engineers, developers, and data management experts.

Main responsibilities:
– Identification of standards for the representation and annotation of workflows:
– Perform an in-depth analysis of existing standards such as RO-Crate, EDAM, and others that are relevant.
– Evaluate their applicability to the specific needs of the ShareFAIR project.
– Recommend and justify appropriate choices of standards for the representation and annotation of workflows.
– Construction of a knowledge base integrating the identified standards:
– Design and implement an infrastructure for the creation of a consolidated knowledge base, using the selected standards.
– Develop automated pipelines for the integration and management of data from different sources.
– Collaborate with the team to ensure the quality, consistency, and accuracy of data in the knowledge base.
– Adaptation and improvement of concepts borrowed from standards:
– Examine the scope and limitations (in terms of quality and coverage) of the identified standards.
– Propose improvements and adaptations to meet the specific needs of the ShareFAIR project.
– Implement these improvements in collaboration with the development team.
– Depending on the profile, assume the role of project manager

Profil du candidat :
Bachelor’s degree (Bac +5) in computer science or bioinformatics.

The Hub of Bioinformatics and Biostatistics and Institut Pasteur are committed to promoting gender equality, and female candidates are encouraged to apply.

Formation et compétences requises :
– Proficiency in Python and/or Java for software development.
– Solid knowledge of databases, including SQL and/or NoSQL.
– Familiarity with knowledge representation formats such as JSON and RDF.
– Understanding of ontologies and bioinformatics workflows (an advantage).
– Ability to work independently and collaborate effectively within a multidisciplinary team.
– Good communication and documentation skills.
– Proficiency in professional English.

Adresse d’emploi :
Institut Pasteur, Paris, France

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

Laboratoire/Entreprise : AgroParisTech – ICube
Durée : 12 mois
Contact : gancarski@unistra.fr
Date limite de publication : 2023-11-24

Contexte :
Projet ANR Hérelles “Hétérogénéité des données – Hétérogénéité des méthodes : Un cadre collaboratif unifié pour l’analyse interactive de données temporelles”

https://seafile.unistra.fr/f/6453ca212850438684bc/

Salaire : de 2000€/mois à 2300€/mois (net) en fonction de l’expérience.
Contact : Antoine Cornuéjols antoine.cornuejols@agroparistech.fr et Pierre Gançarski, pierre.gancarski@unistra.fr

Sujet :
La personne recrutée devra proposer et définir des mécanismes originaux permettant à des méthodes supervisées et non-supervisées de collaborer de façon efficace pour arriver à un consensus de classification. Les modalités d’échange d’information entre celles-ci devront être précisées. Elle devra aussi définir un protocole d’interaction entre l’utilisateur et les méthodes d’apprentissage à travers l’utilisation de contraintes. Enfin, elle devra implanter concrètement les approches proposées pour permettre le test et la validation de celles-ci. Un ingénieur dédié à la plateforme FoDoMuST l’aidera dans cette tâche.

Profil du candidat :
Doctorat en informatique et spécialisé en apprentissage automatique/fouille de données.

Formation et compétences requises :
– Connaissances solides en Science des Données et plus particulièrement sur les méthodes standards de classification et de clustering. Une première expérience sur l’utilisation de modèles collaboratifs/ensemblistes ou d’intégration de contraintes serait un plus.
– Bonnes compétences en communication verbale (anglais ou français) et écrite (anglais).
– Compétences interpersonnelles et la capacité à travailler individuellement ou en tant que membre d’une équipe de projet.

Adresse d’emploi :
Lieu : Saclay (Campus d’AgroParisTech, 22 place de l’Agronomie, 91120 Palaiseau) ou au choix
Strasbourg (ICube, 300 bld Sébastien Brant 37400 Illkirch)
Durée : Un an
Date : Au plus tôt

Document attaché : 202310261121_Sujet_HERELLES_2023.pdf

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

Laboratoire/Entreprise : CEA
Durée : 12 months
Contact : etienne.thevenot@cea.fr
Date limite de publication : 2023-11-30

Contexte :
Mass Spectrometry (MS) based metabolomics is a powerful technology for the discovery of biomarkers that can stratify patients. Within the MetaboHUB French infrastructure for metabolomics and fluxomics, a significant effort is dedicated to the development of innovative computational methods, software libraries and workflows for the processing, analysis, and interpretation of metabolomics data.
Determining the 2D structure of a metabolite from MS data is a major challenge. Since spectral libraries of reference compounds are scarce, in silico strategies have been developed to match experimental spectra directly to molecules, for which the structure is known, but no spectra is available [1]. The current reference method relies on the prediction of a vector of chemical descriptors using a set of Support Vector Machines; this fingerprint can subsequently be matched to those from known compounds in databases [2]. Performances, however, remain currently limited to 30% of correct structures [3]. Recently, alternatives based on artificial neural networks have been suggested to further take into account the interactions between features [4].

[1] Nguyen et al. (2019) Recent advances and prospects of computational methods for metabolite identification: a review with emphasis on machine learning approaches. Briefings in Bioinformatics, 20, 2028–2043.
[2] Dührkop et al. (2015) Searching molecular structure databases with tandem mass spectra using CSI:FingerID. PNAS, 112, 12580–12585.
[3] Schymanski et al. (2017) Critical Assessment of Small Molecule Identification 2016: automated methods. Journal of Cheminformatics, 9, 22.
[4] Fan et al. (2020) MetFID: artificial neural network-based compound fingerprint prediction for metabolite annotation. Metabolomics, 16, 104.

Sujet :
The first task will focus on the benchmark of the recent prediction tools against the consortium’s data (peakforest.org), as well as against those from the CASMI challenge data [3]. The model will then be enriched with new input features and output molecular properties, and the architecture will be optimized to improve the performances. Finally, the algorithms will be implemented into FAIR software libraries and computational workflows for high-throughput and reproducible structure recommendation.
Main responsibilities:
– Identify the open source prediction tools
– Implement a pipeline for FAIR comparison of their performances
– Build a training database of all publicly available spectra
– Build a comprehensive list of molecular descriptors
– Propose alternative learning architectures to increase the prediction performances
– Implement the selected solution in FAIR software libraries and computational workflows

Keywords: machine learning, deep learning, cheminformatics

Profil du candidat :
Bachelor’s degree (Bac +5) or PhD in machine learning, deep learning, cheminformatics or computational mass spectrometry.

MetaboHUB and CEA are committed to promoting gender equality, and female candidates are encouraged to apply.

Formation et compétences requises :
– Proficiency in Python and PyTorch
– Familiarity with RDKit
– Familiarity with QSAR approaches (an advantage)
– Familiarity with Singularity containers (an advantage)
– Ability to work independently and collaborate effectively within a multidisciplinary consortium.
– Good communication and documentation skills.

Adresse d’emploi :
You will join the metabolomics data science team (Odiscé; odisce.github.io) at CEA Saclay and interact with the colleagues from the MetaboHUB consortium.

Document attaché : 202310271615_CDD_Offer_MetaboHUB_MS2learning_madics.pdf

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

Laboratoire/Entreprise : LISTIC
Durée : 12 mois
Contact : abdourrahmane.atto@univ-smb.fr
Date limite de publication : 2023-11-30

Contexte :
Après avoir créé le réseau ROMANsns en décembre 2020, avec le nivologue Alain Duclos et l’association data-avalanche, nous possédons aujourd’hui une base de données originale de près de 550 tests nivologiques, réalisés à l’échelle des massifs Alpins de 4 départements français. Leur vocation est de permettent de caractériser la propension du manteau neigeux à permettre le déclenchement d’une avalanche.

Sujet :
Systématiquement réalisés à l’endroit le plus instable d’un secteur, ces tests manquent encore d’un processus pour l’extrapolation spatiale de leurs résultats. Quelle tranche d’altitude serait similaire, avec quelles orientations, quelles caractéristiques topographiques et à quelle échelle (pente, secteur, massif, département, etc.) ? En mettant en oeuvre des outils mathématiques tels que la logique floue ou encore les ondelettes dans le but de réaliser un système de fusion d’informations (domaine d’expertise du laboratoire LISTIC). L’objectif est de fiabiliser une démarche d’agrégation déjà riche et prometteuse et prédire des niveaux de risque avalancheux dont les bénéficiaires sont les professionnels de la montagne, les pratiquants amateurs, mais également les collectivités territoriales pour la sécurisation des voies de communication.

Profil du candidat :
De solides compétences en traitement de données incertaines sont primordiales.
Une première expérience dans la mise en oeuvre de la théorie des sous-ensembles flous et / ou d’une représentation en ondelettes sera également demandée.
La maîtrise des SIG ainsi qu’une culture montagne et la pratique du ski de randonnée seront particulièrement appréciés.

Formation et compétences requises :
Thèse de doctorat dans l’un des domaines : Science des données, Informatique, Signaux, Mathématiques ou tout autre domaine connexe.

Adresse d’emploi :
Université Savoie Mont Blanc
Laboratoire : LISTIC
5 chemin de bellevue, Annecy-le-Vieux
74940 ANNECY, FRANCE

Document attaché : 202309210912_2023_Offre_Post-Doc_EraDA.pdf

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

Laboratoire/Entreprise : Artificial and Natural Intelligence Toulouse Insti
Durée : 24 months
Contact : asher@irit.fr
Date limite de publication : 2023-11-30

Contexte :
This posdotoral position on conversational agents is proposed in the framework of the Audio Mobility 2030 (AM2030) project, which started in April 2023. AM2030 aims at enabling car manufacturers to have their own in-car audio application, regardless of the operating system. They will be able to deploy a global audio experience and offer the best content and proactive services to drivers. It is positioned as a true road companion that will help consumers adopt eco-responsible behaviors: vehicle self-diagnosis and maintenance reports, advice on driving and the use of on-board equipment.
Project partners: ETX Studio (Lead), Continental Automotive FRANCE SAS, Université Fédérale de Toulouse Midi -Pyrénées – ANITI, École Polytechnique de Paris

ANITI’s role in the project is related to working on human-computer interactions, in particular on natural language understanding. This will include a conversational model that can exploit conversational structure as well as content provided by modern transformer based models. The model will learn constraints on the user’s preferences, from the conversation and from his previous choices.

Sujet :
The post doc will work on including a conversational model that can exploit conversational structure as well as content provided by modern transformer based models. The model will learn constraints on the user’s preferences, from the conversation and from his previous choices.

The conversational assistant will go considerably beyond the art of current finite state dialogue systems but offering a transparency, guarantees and explainability that large transformer models by themselves cannot. It will interact with voice based components as well as a recommendation model for actions based on the information acquired by the conversational assistant.

Profil du candidat :
Applicants should ideally have a PhD in machine learning. Good programming skills are essential; and English communication skills are also required.

Formation et compétences requises :
Good programming skills are essential; and English communication skills are also required.

Adresse d’emploi :
APPLICATION PROCEDURE
Formal applications should include detailed cv, a motivation letter and reference letters.
Samples of published research by the candidate will be a plus.
applications should be sent by email to: asher@irit.fr
More information: https://aniti.univ-toulouse.fr/¬¬

Document attaché : 202309050852_postdoctoral researcher on conversational agents(1).docx

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

Laboratoire/Entreprise : ICube laboratory
Durée : 2 years
Contact : Lafabregue@unistra.fr
Date limite de publication : 2023-11-30

Contexte :
We consider sequential data and want to predict a property such as the remaining useful life. There are many applications, in industry 4.0 or in personalized medicine.
Predictive maintenance is an arising issue due to reduced cost of sensor deployment and improvement of machine learning techniques capacity. This research topic is particularly important in the medical and industrial fields, and is the subject of numerous studies [1] .
In Intensive Care Units (ICU), it is useful to predict the length of stay of a patient to organize care.
However, even if obtained predictions are reliable, it is essential to be able to explain them, as the information provided could enable the user to better understand the causes of future failures. Numerous explainability methods are already proposed in the literature that already take into account the time dimension. Nevertheless, only few studies have been conducted on methods such as LSTM. Moreover, we could focus on mispredictions and investigate where they come from and propose ways to improve our algorithm.

Sujet :
Main tasks :
● Evaluation of state-of-the art methods on two application datasets in health and industry.
● Proposition of methods to improve existing method

Collaboration and supervision :
The person recruited will be co-directed by Nicolas Lachiche, specialist of complex data mining, and Baptiste Lafabrègue (50%), time series analysis specialist. He or she will actively collaborate with the SDC team at ICube in Strasbourg, and more particularly with Nassime Mountasir, a 2nd-year PhD student working on predictive maintenance issues and Ben Cissoko a 4th-year PhD student working on ICU data.

Profil du candidat :
● Solid knowledge of Data Science and more particularly of explainability methods.
Experience in time series analysis and/or predictive maintenance would be also valuable.
● Good verbal (English or French) and written (English) communication skills.
● Interpersonal skills and the ability to work individually or as part of a project team.

Formation et compétences requises :
PhD in Computer Science, specializing in machine learning/explainability.

Adresse d’emploi :
Illkirch, south of Strasbourg (Pôle API, 300 Bd Sébastien Brant, 67400 Illkirch-Graffenstaden)

Document attaché : 202310020938_XAI_Offer.pdf

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

Laboratoire/Entreprise : Groupe de recherche en informatique, image, automa
Durée : permanent
Contact : bertrand.cuissart@unicaen.fr
Date limite de publication : 2023-11-30

Contexte :
L’équipe CODAG (Contraintes, Ontologies, Données, Annotations, Graphes) est fortement susceptible de recruter un maître de conférences au printemps 2024.
CODAG est l’une des six équipes de recherche du GREYC (UMR CNRS 6072) ; elle est composée d’une petite trentaine de membres dont douze enseignants-chercheurs de l’université de Caen Normandie.
Le périmètre de recherche de l’équipe correspond à l’informatique pour la science des données, il est développé à la fin de l’annonce.

Si vous êtes intéressé par ce poste, vous pouvez initier un premier contact avec nous, via un membre de l’équipe ou via son responsable (bertrand.cuissart@unicaen.fr)
Nous pourrons ensuite échanger afin d’identifier des domaines d’intérêt communs.

N’hésitez pas à prendre contact avec nous,
Cordialement,

—
Bertrand Cuissart, pour CODAG

Sujet :

Contour de l’équipe :

L’équipe CODAG (Contraintes, Ontologies, Données, Annotations, Graphes) participe activement aux évolutions de la science des données en associant des chercheurs issus de cultures scientifiques complémentaires. Le périmètre des recherches englobe l’ensemble de la chaîne de traitement des données, depuis leur préparation jusqu’à la conception de modèles pour exprimer les résultats. Les travaux de recherche de l’équipe portent principalement sur les thèmes suivants : les approches déclaratives en optimisation sous contraintes, l’exploration de données, le traitement automatique des langues, l’ingénierie des connaissances, l’apprentissage et l’aide à la décision.

L’équipe s’investit fortement dans des projets interdisciplinaires en collaborant avec des experts d’autres domaines: des spécialistes du traitement des données sportives, de l’information chimique ou les données textuelles, parmi d’autres.

Particulièrement reconnue pour des résultats s’appuyant sur la diversité de ses compétences scientifiques, CODAG a pour objectif de poursuivre dans cette direction.

Profil du candidat :
A travers ses ses recrutements, l’équipe souhaite développer sa capacité à intégrer les techniques actuelles de l’informatique pour la science des données comme par exemple celles rencontrées en apprentissage machine, que ce soit comme objets d’étude, comme paradigme ou simplement par la pratique. Dans cette optique, nous sommes aussi intéressés par l’exploitation des petits jeux de données, la fouille interactive, l’analyse formelle de concepts, la programmation par contraintes ou la gestion ontologique des connaissances.

Formation et compétences requises :
Doctorat en informatique, qualification aux emplois de maître de conférences

Adresse d’emploi :
Campus 2, Bâtiment F, 6 Boulevard Maréchal Juin, 14000 Caen

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

Laboratoire/Entreprise : ICube Laboratory – University of Strasbourg
Durée : 32 months
Contact : wemmert@unistra.fr
Date limite de publication : 2023-12-01

Contexte :
Primary liver cancers define a wide spectrum of tumors including hepatocellular carcinomas (HCC), cholangiocarcinomas (CCA) and combined hepatocellular-cholangiocarcinomas (cHCC-CCA) sharing both components. Due to high intratumor heterogeneity, accurate diagnosis of cHCC-CCA is still challenging. In addition, studies aiming to evaluate its prognosis provided discordant outcomes, with tumor behavior closer either to HCC or CCA. Considering the different management and prognosis of the types of primary liver cancers, improving their morphological characterization and recognition is needed and helpful to accurately identify cHCC-CCA.
In order to provide a comprehensive morphological signature of cHCC-CCA, we aim to develop a multiscale morphological approach (from molecular to microscopic) integrating molecular pathology using MALDI imaging (a global in situ proteomic approach), histology and immunohistochemistry (IHC). Firstly, phenotypical features of cHCC-CCA will be derived from direct comparison with HCC and CCA. Secondly, we will search for specific phenotypical features of cHCC-CCA in order to develop a diagnostic application and a prognostic correlation on the clinical outcomes. For this purpose, specific artificial intelligence algorithms based on deep learning will be developed to extract useful information and features from each image modality. The project will benefit from the collaboration and the expertise of computer scientists specialized in data and image analysis, pathologists, analytical chemists specialized in molecular imaging by mass spectrometry and clinicians. We aim to build a comprehensive exhaustive classification of cHCC-CCA based on their multilevel morphological features and identify prognostic subgroups allowing to propose a tailored management of patients

Sujet :
The candidate recruited will be in charge of developing and testing new models of deep neural architecture for multi-modal analysis of mass spectrometry and histopathology data.
We propose a sparing and original approach, relying on the use of a common backbone unsupervisely trained in an autoencoder. For that, we will rely on a pre-trained model that has proved its capacity to accurately identify and classify liver tumors between HCC and CCA. This model will be fine-tuned on our own dataset of pure HCC, pure CCA, and mixed tumors. To have enough data and a more robust model, patches from TMA and WSI will be used for that task. Once the autoencoder is trained, the first layers to the latent space will be kept and used to train simultaneously 3 fully connected classifiers: one to distinguish between HCC and CCA, one to evaluate the mVI and one to quantify the fibrosis of the tumor (the 3 features associated to clinical outcomes). This architecture will be trained on the annotated TMA: each TMA image will be divided into small tiles associated with the pathologist annotation. Finally, the trained models will be applied in a patch-based manner and evaluated on WSI. The evaluation will rely on the annotations provided by the pathologists. For each patch on the WSI our networks will provide a probability on the three aspects of the disease (tumor composition, mVI and fibrosis). Thus, for each WSI, we will obtain spatial information on the different features: which part of the tumor is considered as CCA or HCC, parts of the tissue that indicate that there is or not a vascular invasion and localization of the fibrosis.

Profil du candidat :
– Qualifications/knowledge:
PhD in Computer Science, specialized in machine learning.
Solid knowledge of Data Science and more particularly of supervised and unsupervised deep learning methods.
Experience in (medical) image analysis would also be valuable.

– Operational skills/expertise:
Good experience in Python programming and deep learning libraries (Keras, PyTorch…).
Good verbal (English or French) and written (English) communication skills.

– Personal qualities:
Interpersonal skills and the ability to work individually or as part of a project team.

Formation et compétences requises :
PhD in computer science, with knowledge and experience in data mining and image analysis.

Adresse d’emploi :
ICube – UMR 7357
300 boulevard Brant
67400 ILLKIRCH

Document attaché : 202310111158_Fiche_poste_anglais.pdf

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

Laboratoire/Entreprise : CALMIP Toulouse
Durée : CDI
Contact : jean-luc.estivalezes@imft.fr
Date limite de publication : 2023-12-15

Contexte :
Le mésocentre régional de calcul CALMIP – https://www.calmip.univ-toulouse.fr – situé à Toulouse, propose un poste CNRS de type Noémie ouvert à la mobilité pour un chef.fe de projet ou expert en ingénierie logicielle. Cette personne évoluera dans un contexte de valorisation de la donnée issue du HPC. Il/elle sera placé(e) sous la responsabilité hiérarchique du directeur.

Sujet :
Ses missions s’articuleront autour de la gestion et de la valorisation de la donnée scientifique : il/elle contribuera au support et à l’évolution de l’offre de service PADIRE développée à CALMIP, avec comme élément central le portail Callisto ( https://callisto.calmip.univ-toulouse.fr/ ) basé sur DataVerse et l’accompagnement des utilisateurs pour la FAIRisation de leurs données.

Le détail du poste et les modalités de candidature sont accessibles à l’adresse suivante :

https://mobiliteinterne.cnrs.fr/ords/afip/owa/consult.affiche_fonc?code_fonc=Y56026&type_fonction=&code_dr=14&code_corps=IR&code_bap=E&nbjours=&page=1&colonne_triee=1&type_tri=ASC

Profil du candidat :
Agent CNRS en mobilité interne
IIngénieur de recherche en informatique

Formation et compétences requises :
Thèse en informatique ou niveau équivalent

Adresse d’emploi :
Unité d’accueil
UAR3667 http://www.calmip.univ-toulouse.fr

TOULOUSE

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

Laboratoire/Entreprise : LASTIG
Durée : 3 ans (CDI très prob
Contact : clement.mallet@ign.fr
Date limite de publication : 2023-12-15

Contexte :
L’Unité Mixte de Recherche (UMR) LASTIG, sous la tutelle de l’IGN et de l’Université Gustave Eiffel, mène des recherches variées en sciences de l’information géographique pour la ville durable et les territoires
numériques. Il comporte plus de 60 membres, permanents et contractuels. Le LASTIG est confronté à des problématiques de recherche fondamentale et opérationnelle sur les sujets suivants :
— l’acquisition et le traitement de données massives et multimodales (équipe ACTE) ;
— la géovisualisation, l’interaction et l’immersion (équipe GEOVIS) ;
— la médiation et l’enrichissement de données géographiques (équipe MEIG) ;
— l’analyse de la dynamique spatio-temporelle des territoires (équipe STRUDEL).

Le Service Innovation Maturation Valorisation de l’IGN a pour but d’accompagner le transfert technologique entre recherche et production et entre l’IGN et ses partenaires. Les missions du service sont :
— l’animation de l’innovation au sein de l’IGN et aussi à destination des partenaires,
— la montée en maturité des codes de recherche vers les souches de production,
— la validation de méthodes, d’algorithmes et de technologies dans l’objectif d’aider à l’amélioration des souches de production,
— le maintien des plateformes d’innovation et leurs relations avec les plateformes de recherche (amont) et de développement (aval),
— la veille technologique et méthodologique

La constitution d’un Jumeau Numérique National (JNN) est un projet ambitieux de l’IGN qui vise entre autres la cartographie précise en 3D de l’ensemble du territoire français pour de multiples usages : développement durable, gestion énergétique, urbanisme, sécurité, smart city, gestion des réseaux enterrés, tourisme… Cette cartographie 3D s’appuiera sur l’intégration de données d’acquisition multicapteur (image/LiDAR) et multiplateforme (aérien/terrestre fixe et mobile), de données topographiques et de données thématiques multi-sources, multi-dimensionnelles et multi-échelles (pays, région, département, ville, quartier, rue, bâtiment). Il met en jeu des problématiques de recalage, de reconstruction de maillages et d’objets structurés, de texturation et de sémantisation, par des approches automatiques ou semi-automatiques interactives, de détection de changement et de mise à jour, tout en visant un passage à l’échelle sur des données de plus en plus massives et de plus en plus précises.

Sujet :
L’ENSG souhaite recruter un·e ingénieur·e dont l’objectif principal sera de développer des méthodes et des outils sur ces problématiques de cartographie 3D à large échelle, en se reposant sur des travaux du LASTIG en recalage, en reconstruction automatique ou semi-automatique (interactive) de modèles de ville 3D+T (c’est à dire incluant les problématiques de détection de changements et de mise à
jour), en structuration pour leur diffusion dans une visualisation interactive. Il s’agira ainsi de participer au développement d’outils et de faciliter la consolidation et le prototypage de méthodes produites par des membres du laboratoire LASTIG pour répondre à des besoins exprimés par l’IGN, ses tutelles, ses partenaires, ainsi que les collaborateurs du LASTIG.

Les missions principales de la personne recrutée seront de :
— Contribuer au développement des méthodes et des outils pour la reconstruction et la visualisation interactive du jumeau numérique national ;
— Participer à la capitalisation sur les travaux et le code produits lors de projets, thèses, stages après la fin de ceux-ci ou lors de leur dernière phase, et en lien avec les missions du poste ;
— Participer à la valorisation des activités de recherche (y compris publications) ;
— Développer des prototypes et participer aux activités d’innovation de l’IGN utilisant les recherches du LASTIG ;
— Participer aux enseignements de l’ENSG ;

En particulier, la personne recrutée contribuera à 3 axes du projet de Jumeau Numérique National :
1. L’axe 1 consistera à concevoir, prototyper et consolider des méthodes en acquisition et en modélisation automatique ou interactive fondées sur des données LiDAR HD et des données
PCRS (Plan de Corps de Rue Simplifié : imagerie aérienne très haute résolution, 5cm ou mieux) pour une reconstruction fine des différents thèmes du Jumeau numérique (bâtiments, végétation, réseaux, ouvrages d’art,…), et à travailler à l’intégration de données multi-sources et multi-échelles adaptées à des usages multiples (visualisation, concertation, simulation, …).
2. L’axe 2 consistera à concevoir, prototyper et consolider des méthodes d’analyse de données multi dates pour s’assurer que le Jumeau Numérique National reste fidèle à l’évolution temporelle du
territoire en s’intéressant en particulier à la détection de changements et à la mise à jour à partir de sources de données diverses (données d’acquisition, autres bases de données).
3. L’axe 3 consistera à concevoir, prototyper et consolider des méthodes de structuration 3D+T de données et de méta-données d’acquisition possiblement multi-sources : aérien (notamment images PCRS ou LiDAR HD) et terrestre (cartographie mobile et fixe) : entrepôt de données hétérogènes, recalage, diffusion pour la visualisation, la saisie interactive et la réalité augmentée.

Profil du candidat :
L’ENSG recherche un ingénieur diplômé, disposant des compétences suivantes :

Compétences techniques:

Maîtriser des environnements et langages de programmation (python, Java, JavaScript, C++, etc.)
Avoir des notions en architecture de données massives (Hadoop, etc.)
Maîtriser les outils DevOps (intégration continue, etc.) et de développement Agile
Maîtriser des outils libres en géomatique (PostGreSQL/ PostGIS, QGIS)
Savoir expertiser et assurer la qualité scientifique de résultats
Pratiquer un anglais technique et/ou scientifique
Savoir rédiger des articles scientifiques

Formation et compétences requises :
Compétences organisationnelles :

Savoir transmettre un savoir, une technique, une compétence
Savoir concevoir et mettre en œuvre des solutions nouvelles et efficaces
Savoir publier et diffuser de l’information dans un système informatisé
Savoir mener une veille sur son domaine d’activité
Avoir le sens de la responsabilité, de l’autonomie, de l’initiative

Compétences relationnelles :

Savoir collaborer et travailler en équipe
Savoir encourager la synergie et partager ses connaissances et ses expériences

Adresse d’emploi :
IGn, 73 avenue de Paris, 94160 Saint-Mandé

Document attaché : 202301111300_Offre_d_emploi_LASTIG_JNN.pdf

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

Laboratoire/Entreprise : IMT Atlantique
Durée : 12 mois
Contact : cecile.bothorel@imt-atlantique.fr
Date limite de publication : 2023-12-15

Contexte :
IMT Atlantique est une grande école d’ingénieurs française de renom, formant les futurs professionnels de l’innovation, des technologies et du management, dont les thématiques d’enseignement se situent à l’intersection de l’ingénierie, de l’informatique, des télécommunications et de l’énergie. Le laboratoire Lab-STICC est une unité de recherche interdisciplinaire reconnue, traitant de questions liées à l’informatique,
l’électronique et les sciences de l’information. Fortement axé sur l’innovation, ce laboratoire favorise la collaboration entre chercheurs pour résoudre des problématiques complexes.

L’équipe DECIDE du Lab-STICC et du département Data Science d’IMT Atlantique vise à exploiter des synergies entre l’aide à la décision et la science des données pour répondre aux enjeux scientifiques, industriels et sociétaux émergeant de problèmes de décision dans les systèmes complexes (environnement, transport, énergie, réseaux sociaux, santé, défense).

Dans ce cadre, l’équipe recherche un(e) post-doctorant(e) pour un projet de recherche innovant sur le partitionnement de réseaux complexes centré sur les besoins des utilisateurs.

Sujet :
Vous participerez au développement d’une nouvelle approche de partitionnement de réseaux complexes (social, transport, énergie, etc.) guidée par les préférences de l’utilisateur. Votre rôle sera de :
– Définir les propriétés caractérisant les partitions selon les besoins des utilisateurs
– Intégrer la dimension temporelle dans les partitions
– Explorer l’espace des solutions candidates via des algorithmes d’optimisation
– Prendre en compte les préférences non-monotones des utilisateurs
– Générer des explications sur les partitions obtenues Cette approche pluridisciplinaire fait appel à l’optimisation multi-objectif, l’aide à la décision et l’analyse de réseaux complexes.

Profil du candidat :
Doctorat en informatique, mathématiques appliquées ou aide à la décision.

Formation et compétences requises :
Compétences en optimisation, algorithmique et analyse de réseaux complexes. Bonnes compétences en Python et idéalement en utilisation de solveurs de programmation mathématique (Gurobi, Cplex, …).

Adresse d’emploi :
IMT atlantique
Technopôle Brest-Iroise CS 83818
29238 Brest Cedex 3

Document attaché : 202312151310_annonce-en.pdf