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

Laboratoire/Entreprise : Centre National de Recherche Météorologique (CNRM)
Durée : 27 months
Contact : laure.raynaud@meteo.fr
Date limite de publication : 2021-10-31

Contexte :
This Post-doctoral position is part of the POESY project funded by the French National Research Agency.

Sujet :
High-Impact Weather (HIW) events have devastating effects on society, causing human losses, degradation of infrastructures and large economic impacts. Severe precipitating events, damaging thunderstorms and strong winds are among the most impacting events from a meteorological point of view, with various severe indirect effects such as flooding, landslides and marine submersion. Being rare, HIW events lie in the tail of climatological distribution of weather events. Although meteorological services such as Météo-France have done significant progress in predicting weather for the last decades, accurately predicting the occurrence, intensity, location and timing of HIW still remains challenging.
Currently operational weather forecasts rely on physically-based modelling approaches, and Numerical Weather Prediction (NWP) models are operated daily to determine the future atmospheric states and the risk of HIW. In particular, Ensemble prediction systems (EPSs) aim at sampling the probability distribution of future atmospheric states. They consist in running several NWP forecasts in order to account for the different sources of uncertainty. At Météo-France, the operational AROME-EPS, which runs 16 perturbed forecasts with a spatial resolution of 1.3km, is used to anticipate the risk of HIW. However, properly capturing the associated uncertainty requires very high resolution (few hundred meters) large-size (few hundred members) ensembles. Nonetheless, such enhanced systems are currently unfeasible for operational NWP because of the associated computational cost.
In this context, the main objective of the POESY project is to explore the scientific feasibility and relevance of an innovative hybrid EPS design, combining standard physical modelling with computationally-efficient Artificial Intelligence (AI) techniques, in order to produce disruptive probabilistic forecasts for high-impact weather.
The goal of this 27-month post-doctoral position is to improve the representation of forecast probability distributions by increasing the AROME-EPS sampling from O(10) to 0(1000) forecasts thanks to complementary AI-generated forecasts. For that purpose, physically-constrained deep generative models such as GANs and Variational AutoEncoders will be developed and evaluated. Besombes et al. (2021) provides a first example of GAN-based weather scenario. A crucial part of the work will be to adapt off-the-shelf learning architectures to the particularities of this geophysical problem. A specific attention will be paid to the following points : the learning of extremes, ensuring spatial, temporal and physical consistencies in the generated forecasts, mode collapse problem.

Profil du candidat :
PhD .
A strong background in deep learning algorithms, in particular convolutional neural networks and deep generative models
Experience in geophysical problems would be appreciated, at least a strong interest for applied research in atmospheric physics is highly recommended.

Formation et compétences requises :
The ideal candidate would have the following qualifications :
– Proficiency with Python programming and AI librairies
– Experience with processing large volumes of data
– Experience of working in a Linux-based environment
– Aptitude for scientific work, written and oral communication in English, meetings abroad possible
– A scientific curiosity, autonomy, rigor in the interpretation of the results

Adresse d’emploi :
CNRM, 42 Avenue Gaspard Coriolis, Toulouse, France.

Document attaché : 202109071343_PostdocPOESY.pdf

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

Laboratoire/Entreprise : INSA CVL – LIFAT (Blois/Tours)
Durée : 1 an de CDD puis CDI
Contact : jyramel@univ-tours.fr
Date limite de publication : 2021-10-31

Contexte :
L’Institut National des Sciences Appliquées Centre Val de Loire (INSA CVL) (http://www.insa-centrevaldeloire.fr/) recrute à compter du 3 janvier 2022 un enseignant-chercheur contractuel (ECC) d’un niveau assimilé à un professeur des universités, sur le campus de Blois. Un profil résumé est donné ici. Le profil complet est accessible sur https://www.insa-centrevaldeloire.fr/sites/default/files/documents/emplois/ecc_lifat.pdf

Sujet :
============
Enseignement
============
Le/la candidat(e) devra participer à des enseignements de type généraliste en informatique qui sont variés au sein de l’INSA, sur le campus de Blois. Le/la candidat(e) sera susceptible d’intervenir dans les domaines suivants :
– Algorithmique et programmation en langage C
– Programmation orientée objet (C++)
– Bases de données
ainsi que dans divers enseignements d’informatique de l’option ACAD (ACquisition Analyse et Décision) en 5ème année (apprentissage, traitement d’images, analyse des systèmes de production, …).

Contacts pour l’enseignement :
Michaël CALIEZ, michael.caliez@insa-cvl.fr
Roger SERRA, roger.serra@insa-cvl.fr
Jérôme FORTINEAU, jerome.fortineau@insa-cvl.fr

=========
Recherche
=========
Le/la candidat(e) rejoindra le Laboratoire d’Informatique Fondamentale et Appliquée de Tours (LIFAT -EA 6300). Les recherches menées au LIFAT portent sur plusieurs domaines scientifiques comme l’analyse d’images et de vidéos, l’apprentissage automatique, la fouille de données, le traitement des langues naturelles ou l’optimisation combinatoire. L’unité est divisée en trois équipes :
– Bases de données et traitement du langage naturel (BDTLN)
– Recherche opérationnelle, ordonnancement et transport (ROOT – ERL CNRS 7002)
– Reconnaissance de formes et analyse d’images (RFAI).
Le recrutement d’un ECC a pour objet prioritaire de renforcer les capacités d’encadrement, de structuration et d’animation de la recherche sur les thématiques déjà présentes au sein de l’équipe RFAI (Reconnaissance des Formes et Analyse d’Images) de l’INSA-CVL. Cette équipe articule ses recherches autour de 4 axes principaux : le traitement et l’analyse d’images et de vidéos, l’apprentissage statistique, la reconnaissance des formes à base de graphes. Les activités de l’ECC pourront également s’intégrer au sein des autres thématiques du LIFAT déjà présentes à l’INSA-CVL. Le/la candidat(e) devra avoir un excellent dossier scientifique et démontrer ses capacités à animer et fédérer la recherche, à monter des collaborations et des projets de recherche ambitieux au niveau national et international.
De manière alternative et sur la base de la qualité du profil du candidat, une intégration serait envisageable dans l’équipe ROOT (ERL CNRS 7002). Le/la candidat(e) devrait alors avoir montré sa maîtrise à gérer des projets en lien avec la Recherche Opérationnelle et ses domaines (modèles, complexité, approximation, méthodes exactes, méthodes approchées, …). Son recrutement devrait permettre de venir renforcer le développement de travaux portant sur la théorie de l’ordonnancement, ou/et sur l’optimisation des systèmes de transport, et/ou systèmes dynamiques à évènements discrets.
Eventuellement, une intégration dans l’équipe BDTLN serait aussi envisageable. Des besoins ont été identifiés notamment sur l’apport conjoint de l’apprentissage et de la fouille de données plus particulièrement dédiées aux données complexes telles que les graphes, les trajectoires, les séquences et avec des applications possibles au web sémantique et au Linked Open Data.

Profil du candidat :
Il est attendu des candidats nationaux qu’ils soient titulaires de l’habilitation à diriger des recherches.

Formation et compétences requises :
Il est attendu des candidats nationaux qu’ils soient titulaires de l’habilitation à diriger des recherches.
Durée: CDD d’un an avant renouvellement en CDI.

Adresse d’emploi :
INSA CVL – Blois (France)
LIFAT Tours

Contacts pour la recherche :
Julien MILLE, julien.mille@insa-cvl.fr
Hubert CARDOT, huber.cardot@univ-tours.fr
Khaled CHETEHOUNA, khaled.chetehouna@insa-cvl.fr

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

Laboratoire/Entreprise : L@abIsen – entreprise ACOME
Durée : 15 mois
Contact : benoit.lardeux@isen-ouest.yncrea.fr
Date limite de publication : 2021-11-01

Contexte :
ACOME: A la fois leader et spécialiste sur les marchés des réseaux télécoms et infrastructures, des réseaux
du bâtiment, de l’automobile et de l’embarqué, ACOME est aujourd’hui le 1er groupe industriel
coopératif français produisant des câbles, des tubes et de la fibre optique sur le territoire national
depuis 1932 et la 1ère SCOP de France (Société Coopérative et Participative) avec une forte
dynamique internationale et des implantations en Chine, en Afrique du Nord et au Brésil.
www.acome.fr

L’ISEN Yncréa Ouest est une école d’ingénieur post-bac reconnue comme un établissement
d’enseignement supérieur privé d’intérêt général sous contrat avec le ministère de l’Enseignement
Supérieur et de la Recherche Les activités de recherche de l’équipe d’accueil (L@bISEN de
l’Yncréa Ouest) sont essentiellement centrées sur le numérique et ses applications notamment
celles dans l’Usine 4.0, les réseaux de capteurs, le campus connecté, le traitement des données,
et l’Intelligence Artificielle. Le laboratoire de Recherche L@bISEN Yncréa Ouest est accrédité par
la HCERES.

Sujet :
Dans le secteur industriel, les entreprises sont soumises à des demandes toujours plus fréquentes
de nouvelles versions de leurs produits pour répondre aux besoins en perpétuel évolution du
marché.

L’industrie de la fabrication des câbles est particulièrement impactée par cette tendance de fond
qui pousse les laboratoires de conception des nouveaux produits à fournir toujours plus de recettes
des nouvelles fabrications en un temps réduit, en prenant en compte les normes imposées par les
clients.

Afin d’améliorer le temps de mise sur marché, un enjeu important est de minimiser le nombre de
tentatives pour fabriquer un nouveau produit afin de minimiser le temps de conception ainsi que
les déchets générés par un nombre trop important d’essais infructueux. Pour cela, le bureau
d’étude de l’entreprise peut utiliser l’expérience et les informations acquises lors des multiples
tentatives déjà enregistrées pour obtenir les produits actuellement commercialisés.

Des masses importantes de données sont donc à disposition pour permettre l’étude des
paramètres qui influent sur la qualité et les particularités des nouveaux câbles générés. La difficulté
consiste à analyser ces données afin d’identifier les paramètres de conception qui ont un impact
sur les indicateurs qu’il est nécessaire d’améliorer.
Le livrable principal pendant ce contrat sera de mettre en place l’architecture logicielle permettant
de collecter les données, les traiter et les analyser. Le jeune docteur pressenti pour ce poste devra
par ailleurs proposer de nouveaux modèles d’optimisation pour généraliser la prise en compte des
indicateurs principaux dans la production de nouveaux câbles. Des méthodes de recherche
opérationnelle et/ou d’intelligence artificielle permettront alors de résoudre ces problèmes clés pour
l’entreprise d’optimisation du processus de conception.

Ce CDD se déroule dans le cadre d’une chaire industrielle entre l’entreprise ACOME, leader
européen dans la création des câbles, et le L@bIsen le laboratoire de l’Ecole Supérieure de
l’Electronique et du Numérique.

Profil du candidat :
Le profil du candidat :
– Jeune docteur
– Appétence pour les problématiques dans l’industrie 4.0
– Une formation solide en outils d’aide à la décision informatique: Recherche Opérationnelle,
Intelligence Artificielle, réseaux de neurones
– Maîtrise des outils logiciels nécessaires à la collecte et le traitement des données
– Une connaissance des techniques de traitement des données massives

Formation et compétences requises :
Doctorat en informatique
Compétences en génie logiciel et génie industriel

Adresse d’emploi :
ISEN Yncrea Ouest – Nantes

Document attaché : 202107080936_postdoc_isen.pdf

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

Laboratoire/Entreprise : ICube
Durée : 1 an renouvelable 1
Contact : aurelie.leborgne@unistra.fr
Date limite de publication : 2021-11-01

Contexte :
L’offre d’outils numériques au service de l’activité professionnelle des enseignants est multiple et s’est révélée particulièrement utile au cours de ces 12 derniers mois dans le contexte de la crise sanitaire.
Devant ce constat, et pour favoriser la motivation intrinsèque des élèves, il est nécessaire d’avoir recours à la pédagogie adaptative, prenant en compte la variété intra- et inter-individuelle des profils des élèves de l’enseignement secondaire. Le frein majeur est que ce type de pédagogie est chronophage pour l’enseignant, d’autant plus que les effectifs des classes sont importants. Dès lors, et compte tenu de l’essor du numérique dans le monde de l’éducation, il devient alors possible de proposer des méthodes algorithmiques d’intelligence artificielle, et en particulier en optimisation [Deneubourg et al., 1990] [Valigiani et al., 2007], pour accompagner les enseignants dans un encadrement plus personnalisé de leurs élèves, notamment pour proposer à ceux-ci des enchaînements d’exercices devant aboutir à l’acquisition de compétences données.

Sujet :
Il s’agira, dans ce projet, de créer un une preuve de concept algorithmique permettant à chaque apprenant d’atteindre les objectifs visés par l’enseignant tout en poursuivant une progression adaptée à son propre profil. Pour ce faire, cet algorithme devra permettre à l’élève d’être acteur de son apprentissage et d’être guidé de manière individuelle dans le choix des exercices à réaliser. Il s’agira donc de proposer à l’apprenant de choisir parmi des exercices proposés en lui exposant une estimation du taux de réussite et des risques pour chacune des voies. Par conséquent, l’apprenant sera doublement impliqué dans ce processus :
– En résolvant des exercices ;
– En étant impliqué dans le choix de son cheminement dans la progression pédagogique
proposée par l’enseignant.
Pour répondre à cette problématique, la proposition ci-après repose sur trois piliers principaux, d’ores et déjà accessibles via le concept d’hommilière (reposant sur l’optimisation par colonies de fourmis) [Valigiani et al., 2007] :
– L’évaluation respective du niveau des apprenants et des ressources pédagogiques [Valigiani et al., 2006] ;
– La représentation de la progression des ressources pédagogiques [Valigiani et al., 2007] ;
– La personnalisation de la trajectoire pédagogique des apprenants [Valigiani et al., 2007] .

L’objectif du projet est, dans un premier temps, de mettre en œuvre un système d’hommilière complet et fonctionnel pour répondre à la problématique de l’accompagnement personnalisé des élèves. Dans un second temps, il s’agira de s’attacher à résoudre les verrous scientifiques suivants:
– Comment établir des profils de groupes et utiliser ces profils pour optimiser la trajectoire pédagogique des apprenants ? [Solon et al., 2021]
– Comment améliorer la mise à jour automatique de la progression pédagogique initiale selon les trajectoires des apprenants ? [Delhomme, 2017] [Clement, 2018] [Lopes et al., 2013]
– Comment permettre à l’enseignant une prise de recul grâce aux trajectoires globales et individuelles ayant émergées à partir de la progression pédagogique initiale ?

Références :
[Clement, 2018] Benjamin Clement. Adaptive Personalization of Pedagogical Sequences using Machine Learning. PhD thesis, 2018.
[Delhomme, 2017] Unification des notions de phéromone et de niveau ELO pour la rétribution d’arcs dans un graphe de progression pédagogique. Rapport de stage de magistère de mathématiques, 2017.
[Deneubourg et al., 1990] Deneubourg JL, S. Aron S, Goss S & Pasteels JM, The self-organizing exploratory pattern of the argentine ant. Journal of Insect Behavior, 3, 159-168, 1990.
[Lopes et al., 2013] Manuel Lopes, Benjamin Clement, Didier Roy, and Pierre-Yves Oudeyer. Multiarmed bandits for intelligent tutoring systems. CoRR, 2013.
[Solon et al., 2021] Yohan Solon, Anne Jeannin-Girardon et Pierre Collet, POEM : Personnalised Open Education for the Masses, workshop de l’Idip de Strasbourg « Mettre à profit l’expérience d’enseignement à distance contraint : au-delà des outils, les pratiques renouvelables », juillet 2021.
[Valigiani et al., 2006] Grégory Valigiani, Evelyne Lutton, Pierre Collet: Adapting the ELO Rating System to Competing Subpopulations in a “Man-Hill”. ISPE CE 2006.
[Valigiani et al., 2007] Grégory Valigiani, Evelyne Lutton, Cyril Fonlupt, Pierre Collet: Optimisation par “hommilière” de chemins pédagogiques pour un logiciel d’e-learning. Tech. Sci. Informatiques 26(10): 1245-1267, 2007.

Profil du candidat :
Nous recherchons un·e jeune docteur·e en informatique spécialisé·e en intelligence artificielle et en optimisation stochastique. Un intérêt pour les sciences de l’éducation et la pédagogie est un plus.
Le/la candidat·e doit être titulaire d’un doctorat obtenu durant les années universitaires 2019-2020 et 2020-2021

Formation et compétences requises :
programmation Java, programmation Python

Adresse d’emploi :
Laboratoire ICube dans le Bas-Rhin en Alsace.

Document attaché : 202107201544_postdoc_optimisation_trajectoires_pedago.pdf

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

Laboratoire/Entreprise : Institut de recherche de l’école navale
Durée : 12 mois
Contact : cyril.ray@ecole-navale.fr
Date limite de publication : 2021-11-12

Contexte :
Le projet ENDOUME vise à concevoir et développer une nouvelle solution pour sécuriser automatiquement une zone maritime côtière. Cette solution innovante, basée sur des algorithmes d’apprentissage automatique mais aussi sur des analyses à base de règles, répond à différents besoins en termes de sécurité maritime ; courses de voiliers, événements maritimes côtiers (ex : G7 / G20, festival de Cannes, Jeux Olympiques 2024…) ; approches portuaires, parcs éoliens, aire marine protégée… La solution ENDOUME consiste en (1) une station côtière autonome, comprenant un radar, des capteurs optroniques et un transpondeur AIS, et (2) un ensemble de balises communicantes déployées sur des navires coopératifs reliés par un réseau radio résilient et sécurisé.

Dans le cadre de ce projet financé, nous visons à détecter et à prévenir les événements maritimes tels que les intrusions dans une zone à accès contrôlé ou les comportements inhabituels qui peuvent présenter un risque pour un événement maritime (l’accent étant mis sur les courses à la voile) et son écosystème (y compris les zones terrestres) par une surveillance et une compréhension continues des mouvements maritimes.

Sujet :
La recherche à mener concerne le développement d’algorithmes d’analyse et d’apprentissage adaptés au traitement d’informations géographiques imparfaites combinés à une analyse basée sur des règles (et de l’inférence) pour soutenir la sécurité maritime. La recherche sera organisée par les différents travaux à mener :

– Définition, modélisation ou apprentissage de comportements réguliers, de motifs et de mouvements non désirés.
– Préparation, annotation, pré-traitement de l’ensemble des données (pour l’apprentissage et conception de scénarios).
– Conception et mise en œuvre d’algorithmes à base de règles et d’apprentissage.

La recherche sera basée sur les données historiques fournies par le système d’identification automatique (AIS) qui fournit la localisation des navires ainsi que des informations nominatives en temps-réel. Un flux de données fusionné combinant des données issues des capteurs optroniques, des données radar et des données AIS sera fourni par les partenaires du projet.

Profil du candidat :
postdoc / ingénieur R&D

Formation et compétences requises :
bonnes compétences en apprentissage automatique et en analyse de données ; connaissances en statistiques et en fusion de données. Langage de programmation préféré (Python, Java, C/C ++). Des connaissances en bases de données et en science de l’information géographique sont un plus. Bon niveau en anglais souhaité.

Adresse d’emploi :
École Navale, Lanvéoc (29)

Document attaché : 202110110746_Fiche de Poste ENDOUME 2021 Fr.pdf

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

Laboratoire/Entreprise : L@abIsen – entreprise ACOME
Durée : 15 mois
Contact : benoit.lardeux@isen-ouest.yncrea.fr
Date limite de publication : 2021-11-15

Contexte :
Type d’offre : Ingénieur de recherche, post-doc

Contexte : Chaire industrielle « Architecture de données pour l’Usine 4.0 ».

• Enterprise : ACOME
• Unité de recherche : L@bISEN Isen Yncrea Ouest .

Contrat : CDD – 15 mois

Salaire : 2700€ net/mois

Lieu de travail : Nantes

Spécialité : Architecture logicielle, manipulation de bases de données, infrastructure réseau, big data, analyse de données
Date limite de candidature souhaitée : avant 15/11/2021

Avantages :
• Possibilité d’embauche en CDI
• Déplacements pris en charge pour les missions entre ISEN et ACOME
• Mutuelle ( Possibilité d’ajouter des membres de la famille sans surcoût)
• Prévoyance
• Carte Tickets Restaurant
• Avantages CSE (Comité Social et Economique)
• Aide au déménagement (Aide plafonnée à 1 500 € + aide à trouver un logement par notre prestataire)

Contexte :

Ce contrat se déroule dans le cadre d’une chaire industrielle entre l’entreprise ACOME, leader européen dans la création des câbles, et le L@bIsen le laboratoire de l’Ecole Supérieure de l’Electronique et du Numérique.

ACOME – Mortain
A la fois leader et spécialiste sur les marchés des réseaux télécoms et infrastructures, des réseaux du bâtiment, de l’automobile et de l’embarqué, ACOME est aujourd’hui le 1er Groupe industriel coopératif Français produisant des câbles, des tubes et de la fibre optique sur le territoire national depuis 1932 et la 1ère SCOP de France (Société Coopérative et Participative) avec une forte dynamique internationale et des implantations en Chine, en Afrique du Nord et au Brésil.
www.acome.fr

L@bISEN site de Nantes
Yncréa Ouest est un Établissement d’Enseignement Supérieur Privé d’Intérêt Général (EESPIG) sous contrat avec le ministère de l’Enseignement Supérieur et de la Recherche. L’Association Yncréa Ouest est membre d’Yncréa, premier pôle privé associatif d’écoles d’ingénieurs en France. Yncréa Ouest gère l’école d’ingénieurs ISEN Yncréa Ouest, implantée sur les villes de Brest, Caen, Nantes et de Rennes. L’école forme des élèves ingénieurs dans les technologies du numérique et notamment les systèmes numériques embarqués, la robotique, l’énergie, les objets connectés (IoT), l’intelligence artificielle, le big data, l’environnement, le développement durable, les technologies marines et la cybersécurité.
Les activités de recherche de l’équipe d’accueil (L@bISEN de l’Yncréa Ouest, évaluée par la HCERES en 2021) sont centrées essentiellement sur le numérique et ses applications notamment celles dans l’Usine 4.0, le campus connecté, le traitement des données et l’Intelligence Artificielle.
https://isen-nantes.fr/recherche-4/

Sujet :
Dans le secteur industriel, les entreprises sont soumises à des demandes toujours plus fréquentes de nouvelles versions de leurs produits pour répondre aux besoins en perpétuel évolution du marché. L’industrie de la fabrication des câbles est particulièrement impactée par cette tendance de fond qui pousse les laboratoires de conception des nouveaux produits à fournir toujours plus de recettes des nouvelles fabrications en un temps réduit, en prenant en compte les normes imposées par les clients. Afin d’améliorer le temps de mise sur marché, un enjeu important est de minimiser le nombre de tentatives pour fabriquer un nouveau produit afin de minimiser le temps de conception ainsi que les déchets générés par un nombre trop important d’essais infructueux. Pour cela, le bureau d’étude de l’entreprise peut utiliser l’expérience et les informations acquises lors des multiples tentatives déjà enregistrées pour obtenir les produits actuellement commercialisés.

Des masses importantes de données sont donc à disposition pour permettre l’étude des paramètres qui influent sur la qualité et les particularités des nouveaux câbles générés. La difficulté consiste à organiser les données et à les rendre à la demande dans les différents départements de l’Usine. Par conséquent, une plateforme de gestion de données est nécessaire pour mise à disposition des données. Plusieurs modèles de bases de données sont à mettre en place pour suivre l’évolution des données et les préparer à la phase d’analyse qui permettra l’identification des paramètres de conception qui ont un impact sur les indicateurs qu’il est nécessaire d’améliorer.

Le livrable principal de ce post doc sera de mettre en place l’architecture logicielle permettant de collecter les données pour les traiter et les analyser. Si l’avancement des travaux le permet, le candidat pourra proposer de nouveaux modèles d’optimisation pour généraliser la prise en compte des indicateurs principaux dans la production de nouveaux câbles.

Profil du candidat :
– Connaissances dans le déploiement d’outils de manipulation de données (Kafka, Kubernetes, etc.)
– Eventuellement, maîtrise des outils logiciels nécessaires à la collecte et le traitement des données massives (Spark, Scalla, Hadoop, etc.)
– Manipulation des bases de données (SQL, NoSQL)
– Appétence pour les techniques de l’IA, prise de décision et les problématiques dans l’industrie 4.0

Formation et compétences requises :
Diplôme équivalent Master, école d’Ingénieur ou Doctorat

Le contrat à durée déterminé de 15 mois est à pourvoir dès que possible, avec une opportunité intéressante de poursuivre en CDI.

Les candidats doivent fournir une lettre de motivation manuscrite, un curriculum vitae (2 pages max) et une notice individuelle ou un CV détaillé. Les 3 ou 4 meilleurs profils seront invités à faire un exposé de 20 à 30 minutes qui sera suivi d’une séance de questions devant la commission de spécialistes.

Adresse d’emploi :
33 avenue du Champ de Manoeuvre
44300 CARQUEFOU, FRANCE

Document attaché : 202110271055_postdoc_acomeisen_v2.pdf

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

Laboratoire/Entreprise : ICM – Institut du Cerveau (CNRS/Inria/Inserm/Sorbo
Durée : Permanent
Contact : scientific.affairs@icm-institute.org
Date limite de publication : 2021-11-15

Contexte :
The Paris Brain Institute (ICM – https://institutducerveau-icm.org/en/) is launching a call to recruit up to 3 team leaders at the starting, junior or mid-career levels and notably working in any area of computational methods for neuroscience and neurological disorders or theoretical neuroscience (including but not limited to computational systems biology, bioinformatics, modeling of neural circuits, data science, machine learning, signal processing…).

Note that we welcome applications of researchers who have not previously worked on applications to neuroscience but who have a strong background in any of the areas of computational sciences mentioned above and who will commit to work on neuroscience applications when they join the institute.

Partnership with Inria (www.inria.fr), the National Institute for Research in Digital Science and Technology, will provide opportunities to create a joint research team.

We welcome applications from talented individuals with the ambition to establish an internationally competitive research group.

The new team leaders will benefit from a competitive start-up package, recurrent core funding and access to state of the art core facilities.

Please find the link related to the call : https://jobs.sciencecareers.org/job/554584/group-leader-position/.

Expression of interest must include a short CV, a complete list of publications highlighting up to five significant papers, and a brief description of achievements and future research (2 pages). Expression of interest must be sent by November 15th, 2021 to: scientific.affairs@icm-institute.org

Short-listed applicants will be invited to submit a full application proposal by February 15th, 2022.

If you have any questions regarding the call, please contact scientific.affairs@icm-institute.org

Sujet :
Computational methods for neuroscience and neurological disorders or theoretical neuroscience (including but not limited to computational systems biology, bioinformatics, modeling of neural circuits, data science, machine learning, signal processing…).

Profil du candidat :
Starting, junior or mid-career level.

Formation et compétences requises :
Note that we welcome applications of researchers who have not previously worked on applications to neuroscience but who have a strong background in any of the areas of computational sciences mentioned above and who will commit to work on neuroscience applications when they join the institute.

Adresse d’emploi :
ICM – Institut du Cerveau (CNRS/Inria/Inserm/SorbonneUniversité)
47 boulevard de l’hôpital
Paris
France

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

Laboratoire/Entreprise : Laboratoire Hubert Curien
Durée : 1 year
Contact : singh.d.kamal@gmail.com
Date limite de publication : 2021-11-19

Contexte :
This Postdoc position is in the context of the CosWot project (“Constrained Semantic Web of Things” https://coswot.gitlab.io/), funded by the French National Research Agency. CoSWoT considers semantic web technologies for the Web of things (WoT). The objectives of the project are to propose a distributed WoT-enabled software architecture embedded on constrained devices with two main characteristics: 1) it uses ontologies to declaratively specify the application logic of devices and the semantics of the exchanged messages; 2) it adds rule-based reasoning [1, 2, 13, 14] functionalities to devices, so as to distribute processing tasks among them. Doing so, the development of applications including devices of the WoT will be highly simplified: our platform will enable the development and execution of intelligent and decentralised smart WoT applications despite the heterogeneity of devices.
The main objectives of this Postdoc are to provide contributions to distributed reasoning on the Web of Things.

The Postdoc will be a member of the LabHC Laboratory, St-Etienne, France.

Lab. Hubert Curien (https://laboratoirehubertcurien.univ-st-etienne.fr/en/index.html) is a joint research unit of CNRS (UMR 5516), Université Jean Monnet in Saint-Etienne, and the Institut d’Optique Graduate School, working on topics related to optics, photonics and microwave, computer science, telecom and image. The members from LaHC involved in the CoSWoT project include researchers of its team named as Data Intelligence. They specialise in AI and data processing.
Close collaboration will also be necessary with the LIRIS Lab. team where a PhD student works on incremental and embedded reasoning.

Sujet :
The objective of the Postdoc is to design and implement an efficient distributed reasoner for the Web of Things (WoT). The reasoner should be able to work on constrained (with limited processing capacity, memory and energy, i.e., sensor nodes and other embedded devices with micro-controllers) and autonomous devices. The target architecture is based on edge computing: main components, including sensors and actuators as well as intermediate nodes and gateways of various computing capabilities.

There are some existing works paving the way for such reasoners, including [1-12]. However, they are not suitable for WoT and diversely constrained objects. Such devices are not all capable of performing all reasoning tasks. We aim for edge intelligence where incremental reasoning concerns both sensor data streams and contextual data. As it is probable that all constrained objects will not be able to execute all reasoning tasks, distributing these data and tasks optimally over a network of WoT nodes will also be necessary [8-9].
The postdoc will define a method for the distribution of reasoning tasks among the edge and devices, where each device collaboratively performs a part of the reasoning tasks. At runtime, reasoning tasks must be distributed in an efficient manner and to the appropriate locations. This will be done while considering WoT constraints including proximity to the data source, capabilities and resources constraints, current computational load, bandwidth, etc.

References
—————
[1] Nenov, Y., Piro, R., Motik, B., Horrocks, I., Wu, Z., & Banerjee, J. RDFox: A highly-scalable RDF store. In ISWC: 3-20, 2015.
[2] Terdjimi, M., Médini, L., Mrissa, M. HyLAR: Hybrid Location-Agnostic Reasoning. In ESWC Devs Workshop 2015.
[3] Terdjimi, M., Médini, L., Mrissa, M. HyLAR+: Improving Hybrid Location-Agnostic Reasoning with Incremental Rule-based Update. In WWW 2016, companion volume.
[4] Terdjimi, M., Médini, L., Mrissa, M. Web Reasoning using Fact Tagging. In WWW 2018, companion volume
[5] Chevalier, J., Subercaze, J., Gravier, C., Laforest, F. Slider: an Efficient Incremental Reasoner. In SIGMOD 2015.
[6] Chevalier, J., Subercaze, J., Gravier, C., Laforest, F. Incremental and Directed Rule-Based Inference on RDFS. In DEXA 2016.
[7] Jacopo Urbani and Ceriel Jacobs. 2020. Adaptive Low-level Storage of Very Large Knowledge Graphs. In Proceedings of The Web Conference 2020 (WWW ’20). Association for Computing Machinery, New York, NY, USA, 1761–1772. DOI:https://doi.org/10.1145/3366423.3380246
[8] Seydoux, N., Drira, K., Hernandez, N., & Monteil, T. EDR: A Generic Approach for the Dynamic Distribution of Rule-Based Reasoning in a Cloud-Fog continuum. In Semantic Web Journal, 2019. http://semantic-web-journal.net/system/files/swj2238.pdf
[9] Su, X., Li, P., Riekki, J., Liu, X., Kiljander, J., Soininen, J. P., … & Li, Y. (2018, March). Distribution of semantic reasoning on the edge of internet of things. In 2018 IEEE International Conference on Pervasive Computing and Communications (PerCom) (pp. 1-9). IEEE.
[10] Maarala, A. I., Su, X., & Riekki, J. (2017). Semantic reasoning for context-aware Internet of Things applications. IEEE Internet of Things Journal, 4(2), 461-473.
[11] Ren, X., & Curé, O. Strider: A hybrid adaptive distributed RDF stream processing engine. In International Semantic Web Conference (pp. 559-576). Springer, Cham (2017).
[12] Su, X., Gilman, E., Wetz, P., Riekki, J., Zuo, Y., & Leppänen, T. (2016, June). Stream reasoning for the Internet of Things: Challenges and gap analysis. In Proceedings of the 6th Int. Conf. on Web Intelligence, Mining and Semantics (p. 1). ACM.
[13] Charles L Forgy. Rete: A fast algorithm for the many pattern/many object pattern match problem. InRea-dings in Artificial Intelligence and Databases, pages 547–559. Elsevier, 1989.
[14] William Van Woensel and Syed Sibte Raza Abidi. Optimizing semantic reasoning on memory-constrained platforms using the rete algorithm. In European Semantic Web Conference, pages 682–696. Springer, 2018

Profil du candidat :
PhD in computer science.
Salary: around 2192 € net per month during 1 year. There will also be an option to teach in the university.

Expected starting date: October 2021 or later

To apply, candidates should send the following:
– A motivation letter
– A CV
– All documents attesting the required skills and knowledge
– 2 selected publications
– Contact information of 2 professors who can provide recommendation on the candidate

The applications should be sent to singh.d.kamal@gmail.com

Formation et compétences requises :
Skills in semantic web knowledge representation, rule-based reasoning and distributed algorithms are required.
Proficiency in the English language for speaking, writing and reading are necessary.
Programming skills in C, JavaScript are a plus.
French language skills are not a prerequisite.
Depending on the candidate native language, French or English will be the working language.

Adresse d’emploi :
Laboratoire Hubert Curien,
18 Rue Professeur Benoît Lauras Bâtiment F,
42000 Saint-Étienne

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

Laboratoire/Entreprise : ENSTA Paris et Ecole polytechnique
Durée : 1 an renouvelable
Contact : alexandre.chapoutot@ensta-paris.fr
Date limite de publication : 2021-11-20

Contexte :
L’Institut Polytechnique de Paris recherche un(e) ingénieur(e) en robotique dans le cadre d’une initiative commune entre l’École polytechnique, l’ENSTA Paris et Télécom Paris. Le poste sera hébergé au sein de l’Unité d’Informatique et d’Ingénierie des Systèmes (U2IS) de l’ENSTA Paris et sera orienté sur la programmation de robots mobiles en simulation ou sur plateformes.

Sujet :
L’objectif du poste est le développement d’outils de simulation pour la mise en place d’expériences virtuelles de missions de robotiques mobiles en essaims ou en meute. Ces outils auront pour vocation à l’évaluation d’algorithmes issus de la recherche et également serviront pour la mise en place de challenges étudiants. Les simulateurs de type ROS Gazebo ou Simple Playgrounds seront utilisés lors de la mission.
Le poste a également pour objectif de transférer les algorithmes sur plateformes réelles. Plusieurs plateformes mobiles seront utilisées durant la mission : Clearpath Husky, DJI Tello, voitures du concours F1 Tenth.
Les missions principales seront les suivantes :
• Mettre en œuvre l’environnement de simulation et d’expérimentation dédié à la flotte de drones en intégrant les capteurs appropriés au projet ;
• Mettre en œuvre des algorithmes de contrôle, de localisation et de cartographie d’une flotte de drones sur les plateformes ;
• Participer à la maintenance et au développement des plateformes ;
• Encadrer des équipes étudiantes dans le développement de solution pour les challenges étudiants ;
• Rédiger les documentation techniques et utilisateurs ;
• Participer aux réunions de projet et échanger avec les membres du projet.

Profil du candidat :
• Connaissance de la robotique mobile et de l’informatique ;
• Connaissance des langages de programmation (Python, C++) ainsi qu’une connaissance de l’environnement ROS ;
• Compétences en intégration logicielle et matérielle (intégration de capteurs externes type Lidar, carte Raspberry Pi, etc.) ;
• Bonne maîtrise de l’anglais, à l’oral et à l’écrit ;
• Autonomie et capacité à travailler en équipe.

Formation et compétences requises :
Formation d’ingénieur en robotique ou équivalent voire docteur en robotique

Adresse d’emploi :
828 boulevard des maréchaux 91120 Palaiseau

Document attaché : 202110131226_fiche-ingenieur-faro.pdf

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

Laboratoire/Entreprise : IMT Atlantique, AI Chair OceaniX
Durée : 24 mois
Contact : ronan.fablet@imt-atlantique.fr
Date limite de publication : 2021-11-21

Contexte :
Interested by AI and oceans? We have an open 2-year position for a junior R&D scientist in our team (https://cia-oceanix.github.io/) in collaboration with CLS (https://www.cls.fr/).

Sujet :
The successful applicant will participe to the development of deep learning methods for the monitoring of the oceans from multimodal (e.g., SAR-optical) satellite imaging data. Applciations of interest include among others, ship detection and recognition, oilspill monitoring, inversion of geophysical parameters,…

Profil du candidat :
We look for a young professional with a MSc. and/or engineer degree in AI/Data science/Computer Vision/Applied Math and strong interest in R&D activities at the interface between ocean science and AI.

Formation et compétences requises :
Some experience with deep learning frameworks (pytorch, tensorflow, keras) would be expected.

Adresse d’emploi :
IMT Atlantique, Brest

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

Laboratoire/Entreprise : IMT Nord Europe et Groupe TERA
Durée : 24 mois
Contact : christelle.garnier@imt-lille-douai.fr
Date limite de publication : 2021-11-21

Contexte :
Dans le cadre du plan de relance visant à préserver l’emploi en Recherche et Développement (R&D), IMT Nord Europe et Groupe TERA recrutent pour répondre aux défis d’un projet collaboratif ayant pour objectif de développer un démonstrateur à taille réelle de la potentialité de la mesure sur un site industriel complexe alliant déploiement optimisé de capteurs et traitement en temps réel des données pour visualiser la dynamique temporelle à très fine résolution (moins d’une minute) et à haute résolution spatiale (moins de 50 mètres) des concentrations en PM (Particulate Matter).
Pour ce faire, un partenariat sera établi avec un industriel de la zone industrielle de Fosse-Berre et l’AASQA de la région concernée ATMO SUD. 
En accord avec les objectifs du plan de relance, ce post-doc peut déboucher sur un poste dans le département R&D du Groupe TERA. 

Sujet :
Ce poste a pour objectif la réalisation d’une cartographie permettant la spatialisation en temps quasi réel de la pollution à l’échelle d’une zone à risque.
Les principales actions à conduire sont les suivantes :
• Définir une méthodologie permettant d’établir une stratégie de déploiement (définition des dynamiques spatiale et temporelle des capteurs) suivant l’objectif, l’échelle et le niveau de qualité de la cartographie. Ces travaux permettront ensuite d‘optimiser le nombre et la répartition spatiale des capteurs / points de mesures en intégrant si besoin des point(s) de référence sur la zone géographique délimitée (via une ou des station(s) de mesures hautes performances),
• Développer des méthodes de reconstruction à partir de l’état de l’art (krigeage avec processus Gaussiens) et d’outils plus récents, comme l’apprentissage profond utilisant des architectures de réseaux de neurones. Il faudra prendre en compte la qualité des informations (incertitudes suivant capteurs) et l’intégration de données exogènes (météo, topologie…) pour améliorer la qualité de la cartographie.

Profil du candidat :
Doctorat en science des données, traitement du signal ou des images, intelligence artificielle, informatique ou mathématiques appliquées obtenu au cours des années 2019, 2020 ou 2021.

Formation et compétences requises :
• Connaissance des méthodes d’apprentissage automatique, en particulier d’apprentissage profond, et/ou des méthodes d’interpolation spatio-temporelle (krigeage).
• Eventuellement, connaissances de base en sciences de l’environnement.
• Utilisation des outils actuels de science des données : langage Python et framework de deep learning (comme PyTorch, TensorFlow ou Keras).

Adresse d’emploi :
IMT Nord Europe, Lille (contrairement à ce qui est indiqué sur le site de l’IMT). Quelques missions à prévoir dans la société Groupe TERA à Marseille. 

Document attaché : 202109280851_2021_Fiche_Postdoc_Cartographie_Polluants.pdf

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

Laboratoire/Entreprise : L3i – La Rochelle Université
Durée : 2 ans
Contact : antoine.doucet@univ-lr.fr
Date limite de publication : 2021-11-21

Contexte :
Joining a young group the crossroad between document analysis and NLP, located in a historical town by the Atlantic Ocean? And walk 10 minutes from the lab to the beach. We have open positions in the context of 2 ongoing Horizon 2020 projects: Embeddia and NewsEye as well as subsequent projects. In 2020-2021, we have among others published long papers in CORE A* and A conferences ACL, JCDL, ICDAR, CoNLL, DAS COLING, ICADL.. We coordinate the H2020 NewsEye project, focused on improving access to large European collections of historical newspapers. We developed the NewsEye platform for navigating through such collections, a platform it will build upon in future years. Full details on the NewsEye project are available on its website – http://newseye.eu/

Sujet :
Applications are invited for a postdoctoral researcher position on the separation of articles from digitized newspapers, in particular historical newspapers. This task is a critical first step for any use of digitized newspapers, which are initially only split per “page image” files.

Your goal will be to study the state of the art and devise methods combining visual and textual features so as improve the performance of article separation on a large scale. In particular, we seek for methods that function with limited training data and that function for several languages.

Profil du candidat :
Who we search for:
– proven record of high-level publications in one or more of those fields

Keywords: digitized documents, combination of visual and textual features, layout analysis, statistical NLP, language-independent approaches, deep/machine learning.

Formation et compétences requises :
– PhD in document analysis, NLP, IR, or ML, ideally followed by postdoctoral experience
– fluency in written and spoken English (French language skills are not relevant)

Adresse d’emploi :
Laboratoire L3i
Université de La Rochelle
Ave EINSTEIN
F-17000 LA ROCHELLE

Document attaché : 202109281405__2021-PosteANNA.pdf

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

Laboratoire/Entreprise : Mines Saint-Etienne (Gardanne, 13) – LIMOS
Durée : 12 mois
Contact : dauzere-peres@emse.fr
Date limite de publication : 2021-11-30

Contexte :
Un poste de Maître Assistant Associé en sciences de données et optimisation pour la production et la logistique est ouvert à Mines Saint-Etienne (Campus de Gardanne, à proximité d’Aix-en-Provence), département Sciences de la Fabrication et de la Logistique avec un rattachement à l’UMR CNRS 6158 LIMOS.

Sujet :
The SFL department, related to the CNRS (LIMOS), develops researches on two main axes. The first axis is related to manufacturing sciences and logistics for microelectronics, and in particular in semiconductor manufacturing, including Advanced Process Control and the modeling and optimization of manufacturing at different decision levels. The second axis develops original optimization models and approaches to answer challenges induced by the numerical revolution in production and transportation.

Profil du candidat :
An expertise in data sciences is essential in both research axes, and complementary to the existing expertise in operational research, industrial engineering and microelectronics. In particular, the candidate should be involved in the Advanced Process Control theme, which aims at controlling in real time manufacturing processes and equipment, which is required to face the evolution of manufacturing technologies.

The candidate will have to work in strong partnership with French industries, in particular in semiconductor manufacturing, and to develop collaborations at the national and international levels. The candidate will integrate and participate to the management of national and European research projects. The candidate will participate in the supervision of PhD students and Master’s students.

Formation et compétences requises :
The successful applicant will have to hold a PhD and have demonstrated his abilities in research (publications, conferences, participation to industrial or cooperative projects, …). An academic experience combined with an industrial experience would be very much appreciated.

Adresse d’emploi :
Mines Saint-Etienne, Campus Georges Charpak Provence, 13541 Gardanne

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

Laboratoire/Entreprise : IRIT
Durée : 24 mois
Contact : hernande@irit.fr
Date limite de publication : 2021-11-30

Contexte :
XP-event project (2021-2024)
An event is defined as “anything that happens, anything that fits over time”: meetings, phone calls, purchases, but also business buyouts, change of management, health crises, etc. The events are shared at through various communication channels that can be private (internal documentation, emails, Slack, Teams, phone, etc.) or public (press, Twitter, Facebook, etc.). Knowledge of these events is essential for humans to make decisions which themselves will have an impact on future events. Many innovative applications can benefit or even emerge from a technology capable of extracting events from various sources, representing them, aggregating them and exploiting them to predict future events. We can for example cite: anticipating demand for sanitary products, the supervision of cultural, advertising or festive events, but also the study of competition, the study of commercial markets, etc. .
One of the main obstacles to the deployment of these applications is the excessively high cost of their development when it is carried out on an ad hoc basis by competing players. The XP-Event project proposes to respond to this difficulty by setting up a common base for all the applications organized around the notion of event. This project is led by a consortium naturally formed by two companies (GeoTrend and Emvista) and a research team from the IRIT laboratory sharing this vision and each having significant scientific and technological heritage in the field.

Sujet :
The candidate will contribute to the tasks in which IRIT is involved, and will be more particularly in charge of realizing and implementing the proposed solutions. The first task concerns the representation of event graphs. The first task will be to define an adapted ontology and a process allowing to exploit it to access or represent in RDF the graphs of the industrial partners of the project, which are graphs of quite different nature. The second task aims at defining a process to evaluate the quality of the event graphs. Evaluation will be based on the ontology structure as well as on reasoning from the knowledge graph. The third task concerns the enrichment of these graphs. Two types of approaches will be implemented in the project, and for each of them research will be needed to advance the state of the art. The first approach consists in extracting information from texts. Each of the industrial partners already has its own processing chain that it will improve and unify. The second approach consists in exploiting the current state of a graph but also the structure of an event in the ontology to suggest the addition of new nodes or new relations to the graph. This approach will be implemented through learning algorithms from graph.

Profil du candidat :
Applicants are required to have a PhD in computer science, and strong background ideally in two areas of artificial intelligence: semantic web technologies (ontology engineering, linked data management and querying, SPARQL, SHACL, RuleML, …), and machine learning from graphs and vector representations, recursive neural networks, etc.

Formation et compétences requises :
Good programming skills (Python, OWL API) and experience in participating in collaborative projects is required. In addition, the candidate must have a taste for innovation, and the ability to dialogue and collaborate with industrial partners. Experience in managing graph warehouses (Virtuoso, Strabon, Neo4j…) is desired. Fluency in written / spoken English is required too. Fluency in French language will be a plus.

Adresse d’emploi :
Location : Institut de Recherche en informatique de Toulouse (IRIT) – UPS, 118 Route de Narbonne F-31062 Toulouse Cedex – France and et UT2J, 5 allées Antonio Machado 31300 Toulouse
Duration: 24 months – starting on January 1st, 2022
Host team: MELODI https://www.irit.fr/en/departement/dep-artificial-intelligence/melodi-team/
The candidate will work with four academic researchers from MELODI (F. Benamara, Ph. Muller, N. Aussenac-Gilles and N. Hernandez). He will collaborate with the partner companies in the project, namely Geotrend, located in Toulouse, and Emvista, located in Montpellier.
Income: between 2300 and 2800 euros before taxes (brut) monthly according to past experience
Applicants should upload their application files before November 1st 2021 on the following web page : . Application files should contain at least a full Curriculum Vitae including a complete list of publications, a cover letter indicating their research interests, achievements to date and vision for the future, as well as either support letters or the name of 2 persons that have worked with them.
Candidates should contact: N. Aussenac-Gilles and N. Hernandez

Document attaché : 202109271225_ProfilPostDoc.pdf

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

Laboratoire/Entreprise : L3i – La Rochelle Université
Durée : 2 ans
Contact : antoine.doucet@univ-lr.fr
Date limite de publication : 2021-11-30

Contexte :
Interested in joining a young NLP group of 10+ people located in a historical town by the Atlantic Ocean? And walk 10 minutes from the lab to the beach. We have open positions in the context of 2 ongoing Horizon 2020 projects: Embeddia and NewsEye as well as related projects. In 2020-2021, we have among others published long papers in CORE A* and A conferences ACL, JCDL, CoNLL, ICDAR, COLING, ICADL, etc.

To address this very project, the project team will consist of senior staff, 2 post-doctoral researchers and 2-3 PhD students, one of which is jointly supervised in the Józef Stefan Institute in Ljubljana, coordinator of H2020 Embeddia. In this context, you will first be in charge of building a state of the art of existing related approaches, tools and resources, then to conduct further research and experiments, as well as participate in the supervision of PhD students.

Sujet :
Applications are invited for a postdoctoral researcher position around the topic of project Termitrad: keyword and terminology alignment 1) across languages and 2) across domains. In short, the overall objective of the project is to improve the relevance of the keywords describing research papers (and, time allowing, the quality of abstracts). One the one hand (cross-lingual alignment), we will rely on a corpora of journal articles with both French and English keywords and abstracts, both in as written by authors and in versions curated by experts. On the other hand (crossdomain alignment), we will work with use cases provided by researchers from different fields using different terms to describe similar concepts.

Profil du candidat :
Who we search for:
– PhD in statistical NLP, IR, or ML, ideally with further postdoctoral experience
– proven record of high-level publications in one or more of those fields
– fluency in written and spoken English (French language skills are irrelevant)

Keywords: terminology alignment, cross-lingual word embeddings, named-entity recognition and linking, deep/machine learning, statistical NLP, (text) mining.

Formation et compétences requises :
Who we search for:
– PhD in statistical NLP, IR, or ML, ideally with further postdoctoral experience
– proven record of high-level publications in one or more of those fields
– fluency in written and spoken English (French language skills are irrelevant)

Keywords: terminology alignment, cross-lingual word embeddings, named-entity recognition and linking, deep/machine learning, statistical NLP, (text) mining.

Adresse d’emploi :
La Rochelle Université, Avenue Einstein 17000 La Rochelle

Document attaché : 202109231621__2021-PosteTermitrad.pdf

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

Laboratoire/Entreprise : CRCL et LBMC, ENS de Lyon.
Durée : 1 an
Contact : franck.picard@ens-lyon.fr
Date limite de publication : 2021-12-31

Contexte :
Dans le cadre du projet Plascan (https://anr.fr/ProjetIA-17-CONV-0002), nous disposons d’un financement d’un CDD pour un an pour travailler sur des données transcriptomiques spatiales, obtenues dans le cadre de l’étude des tumeurs hypophysaires.

Pour postuler envoyer un CV et les coordonnées de deux référent·e·s à Olivier.Gandrillon@ens-lyon.fr et franck.picard@ens-lyon.fr

—————————————————————————————-

Within the frame of the Plascan project (https://anr.fr/ProjetIA-17-CONV-0002), we obtained a funding for a fixed-term contract for one year to work on spatial transcriptomic data, obtained within the framework of pituitary tumors studies.

To apply send a CV and the contact details of two referees to Olivier.Gandrillon@ens-lyon.fr and franck.picard@ens-lyon.fr

Sujet :
Le projet concerne le développement de méthodes d’apprentissage statistique spatialisées pour la modélisation de la signalisation moléculaire spatiale et la cartographie de tumeurs par immunohistochimie.

The project will be to develop spatial machine learning methods to study spatial molecular signaling and immunohistochemical mapping approaches.

Profil du candidat :
Le·la candidat·e devra avoir une solide formation en bioinformatique et/ou machine learning. Une connaissance préalable des approches en cellules uniques sera appréciée mais non nécessaire. Une compétence en statistique spatiale serait un plus. Le contrat peut démarrer rapidement.

Formation et compétences requises :
The candidate should have a solid background in bioinformatics and/or machine learning. Prior knowledge of single cell approaches will be appreciated but not mandatory. Prior knowledge in spatial statistics would be very helpful. The contract can start quickly.

Adresse d’emploi :

Ce projet associe deux équipes, l’une dirigée par Philippe Bertolino, au CRCL et l’autre dirigée par Olivier Gandrillon au LBMC, ENS de Lyon. Les aspects machine learning seront encadrés par Franck Picard (LBMC, ENS Lyon)

This project involves two teams, one led by Philippe Bertolino, at the CRCL and the other led by Olivier Gandrillon at the LBMC, ENS de Lyon. Machine Learning developments will be supervised by Franck Picard (LBMC, ENS Lyon)

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

Laboratoire/Entreprise : Valda (DI ENS, ENS, CNRS, PSL University ; Inria)
Durée : 2 years
Contact : hiring@dissem.in
Date limite de publication : 2021-12-31

Contexte :
Valda is hiring an engineer to work on the Dissemin platfom for a two-year position at École normale supérieure. Dissemin is a tool to detect research articles behind paywalls and to help their authors upload them in an open repository. Dissemin is an open-source project with various contributors, organized as a non-profit.

Candidates can submit their application (CV, motivation letter, references, link to past projects) as a single PDF document to hiring@dissem.in. Applications will be evaluated on a rolling basis. Early applications are recommended.

See also https://team.inria.fr/valda/en/engineer-position-in-the-valda-team/

Sujet :

The role of the engineer will be to turn Dissemin from a proof-of-concept work into a production-ready tool, in particular to be used by French researchers to help them deposit their works on open-access platforms, as required by their employers or funders. Some specific tasks include:
– day-to-day management of the Dissemin platform and bug fixing;
– integration of Crossref and BASE data, in connection with HAL;
– optimization of the data ingestion from Crossref and BASE;
– possible migration of the platform to a different hosting and architecture;
– interaction with the Valda research team on subjects related to the analysis of the scientific corpus (e.g., possible co-supervision of Master’s students).

Profil du candidat :
The applicant should be familiar with or ready to learn the following technologies:
– the Python programming language;
– the Django Web application framework;
– the PostgreSQL database management system;
– RESTful Web APIs;
– processing of large datasets.

The applicant should be familiar with an open-source development workflow (basics of Git, merge requests, proficiency in technical English) and willing and interested to work in an academic environment on a project related to academic publishing. The candidate should be able to work autonomously, in interaction with a remote team of developers.

Formation et compétences requises :
The applicant should hold a Master or engineering diploma in a field related to computer science or computer engineering. Candidates holding a PhD on a relevant topic are also welcome, with the experience of the PhD recognized and useful for the project.

The applicant need not be French-speaking.

Adresse d’emploi :
The engineer will be hosted at École normale supérieure in the 5th district of Paris and employed by ENS on a one-year contract renewable once, for a total planned duration of two years.

For a full-time position, the work week is 37.5 hours (flexible hours), with 49 vacation days yearly; part-time positions can be discussed. The engineer will work under the supervision of the head of the Valda team, Pierre Senellart. The salary will follow the ENS salary scale for technical employees (typically 26 to 36 k€ gross yearly salary depending on experience and degree).

The position is expected to start at the earliest in June 2021 and at the latest in January 2022.

The work will be conducted within a dynamic research team, also in interaction with the PRAIRIE institute for artificial intelligence research in Paris. The engineer will be encouraged to participate in the life of the team (research seminars, discussions with PhD candidates and researchers, etc.). This position can also serve as a gateway for applicants considering a PhD thesis in related areas. All development will be open-source. Contributing to third-party open-source projects useful to Dissemin is also encouraged.

ENS is an equal-opportunity employer, with ENS and Dissemin committed to diversity and professional equality in terms of gender, handicap, and origin. For this reason, applicants need not mention any personal information (such as age, family situation, photo) on their application.

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

Laboratoire/Entreprise : U. Reims — CReSTIC
Durée : 12-24 mois
Contact : nicolas.passat@univ-reims.fr
Date limite de publication : 2021-12-31

Contexte :
The recruited person will be integrated within the framework of a scientific project carried out in partnership between the Reims Mathematics Laboratory (LMR) UMR CNRS 9008, the CReSTIC EA 3804, and the neonatology service at the University Hospital of Reims. This project is focused on the issue of data processing from EEG / aEEG signals, biological data and MRI images for the newborn. It is funded by the National Research Agency and the American Memorial Hospital Foundation.
In this context, the work will consist more precisely in processing and analyzing data from a ancillary study of a cohort of approximately 800 term newborns as part of the LyTONEPAL study one of the objectives of which is to study the predictive factors of unfavorable outcome (neuropathologies, disorders psychomotor) at 3 years.
The work will consist in analyzing predefined biomarkers which will be confronted with characteristics extracted from standard EEG signals using statistical and machine learning tools. In parallel, it will also be a question of providing treatment and visualization tools adapted to clinical research to determine the neuroprotection measures to put in place, in particular for the management pre-hospital anoxo-ischemic encephalopathies.

Sujet :
The recruited person will be in charge to: develop new algorithms and digital methods; participate in the optimization and development of the project’s digital tools; contribute to the porting of codes on the supercomputers made available; participate in the dissemination of knowledge through conferences, articles, training sessions around the tools developed.

Activities

• Develop data processing and analysis methods (biomarkers, EEG signals)
• Develop digital calculation and visualization tools
• Exploit the ROMEO supercomputer
• Collaborate closely with the neonatology service of the CHU de Reims
• Participate in the dissemination of knowledge

Profil du candidat :
Statistics and/or signal processing and/or machine learning

Formation et compétences requises :

Skills

• Expertise in statistics and data analysis
• Computer skills and programming languages (Python, C/C++, R)
• Knowledge of signal processing
• Knowledge of machine learning methods (GAN, autoencoders, . . . )
• Knowledge of parallelism CPU/GPU (MPI, openmp, cuda/opencl)
• Correct level in English
• Ability to work in a team and independently
• Ability to communicate

Adresse d’emploi :
Université de Reims Champagne-Ardenne, Reims

Document attaché : 202110051616_2021_fiche_de_poste_eeg.pdf

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

Laboratoire/Entreprise : L2S
Durée : 12 months (possibili
Contact : nicolas.gac@l2s.centralesupelec.fr
Date limite de publication : 2021-12-31

Contexte :
SKA computing, an HPC challenge The exascale radio telescope Square Kilometre Array (SKA) [1] will require supercomputers with high technical demands. The Science Data Processor (SDP) pipeline [2] in charge of producing the multidimensional images of the sky will have to execute in realtime a complex algorithm chain with data coming from telescopes at an incredible rate of several Tb/s and limited storage possibilities. The SDP will also have to be as green as possible with an energy budget of only 1 MWatt for 250 Petaflops.

FPGA as an alternative to GPU. Aside from the GPU mainstream architecture, alternative accelerators present better power-efficiency and cannot be already aside the road for the final SDP implementation. Among the alternative solutions, FPGA is an hardware architecture offering a unique fine-grain task and data parallelism compared to architectures based on processors like CPU, GPU or Kalray MPPA with a design dedicated to algorithms. However, the usual synthesis flows require hard- ware expertise and long implementation time. One of the promises of the emerging High Level Synthesis (HLS) tools is to make FPGA development accessible by software engineers with hardware implementa- tions generated from software programming languages like C, C++, or OpenCL. Afterwards, the FPGA design can be optimised gradually with the integration of hardware blocks. The dedicated FPGA solutions usually outperform GPU ones using the whole available computing power and avoiding memory congestion. First results obtained by the Astron Team for radioastronomy are already encouraging [3].

A collaborative work. This work will part of the ANR project, Dark-Era [4] which aims to : (i) build SimSDP, a rapid prototyping tool providing exascale simulations from dataflow algorithm descrip- tion, (ii) explore low power accelerators like FPGA or Kalray MPPA as alternatives to mainstream GPU architecture and (iii) be source of proposals for SKA computing and promoting french contribu- tions such as ddfacet [5]. Dark-Era gathers from the SimGrid [6] development Team at IRISA, the PREESM [7] development team at IETR, the inverse problem team at L2S, and two radio astron- omy teams at Observatories of Paris and Cˆote d’Azur. The inverse problems team (GPI) has a mixed expertise in architecture and signal processing with a long-term experience in deconvolution applied to astronomy ; On that topic, a PhD is in progress working on GPU acceleration in collaboration with Atos-Bull [8]. The GPI has driven research works on Intel FPGA acceleration through HLS tools since 2016 for tomography reconstruction, another inverse problem [9, 10].

Sujet :
PostDoc Goal. Exploration of the potential of FPGA acceleration with High Level Synthesis tools will be done through the design of an SDP prototype for NenuFAR [11] ; this very large low-frequency radio telescope located at Nan ̧cay Observatory has been inaugurated in Oct. 2019. It will produce visibility throughput about one hundred times lower than SKA1-LOW and adjustable to the single node prototype capabilities. The FPGA prototype will be designed through Intel FPGA SDK for OpenCL ; The FPGA prototype will be set up at Nanc ̧ay, connected to the correlator output visibility stream, to run in realtime its SDP pipeline. A main interest of this study is to deliver performance feedbacks in time, memory and energy to SimSDP. Indeed evaluation of the performance gain using FPGA inside HPC nodes in this specific use case, will be particulary useful to assess which role FPGA could play in future SKA like HPC projects.

Profil du candidat :
Candidate Profile.
1. PhD in computer science (or signal processing);
2. Experience in computing acceleration on FPGA (Intel or Xilinx) or GPU (Cuda/OpenCL);
3. Good background in signal processing;
4. Experience in publishing high quality research papers.

Formation et compétences requises :
*

Adresse d’emploi :
https://l2s.centralesupelec.fr/job/dark-era-postdoc/

Document attaché : 202105311255_postdoc_Dark-Era.pdf

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

Laboratoire/Entreprise : laboratoire ERIC
Durée : 12 mois
Contact : julien.velcin@univ-lyon2.fr
Date limite de publication : 2022-01-01

Contexte :
Ce contrat constitue l’élément central du projet POIVRE, financé par le programme IRSDI de la fondation Jacques Hadamard (https://www.fondation-hadamard.fr/). Le projet implique des chercheurs du laboratoire ERIC et d’EDF R&D. Les membres du laboratoire ERIC, en collaboration avec leurs partenaires, travaillent depuis quelques années sur le traitement des données textuelles et sur l’apprentissage automatique de représentations adaptées aux réseaux de documents.

Sujet :
Le projet POIVRE vise à construire des nouvelles solutions pour analyser les points de vue, solutions qui seront appliquées à l’analyse des débats sur Twitter au sujet du nucléaire dans la campagne présidentielle française. En effet, cette plateforme d’échange est un réseau d’information hétérogène qui permet aux individus de communiquer en postant des messages (information textuelle) via différents mécanismes (relation de suivre ou d’être suivi, faire suivre le message par ReTweet, aimer ou mentionner). Or, ce type de réseau est un lieu privilégié d’échange de points de vue où s’opèrent des phénomènes de diffusion de l’information, de regroupements partisans, d’influence.

L’objectif du post-doctorant.e est de concevoir des nouvelles méthodes pour analyser les points de vue tels qu’ils se figent dans un réseau d’information hétérogène comme Twitter. Pour cela, l’idée principale consiste à avoir recours à des approches de deep learning comme les Graph Neural Networks (GNN) en les adaptant aux différentes caractéristiques liées à la question du point de vue. En effet, celui-ci peut dépendre de la position du noeud dans le graphe mais également de différents éléments (par ex. les arguments) développés dans le contenu textuel des messages. Les méthodes développées doivent pouvoir être utilisées pour identifier des communautés aux points de vue similaires.

Les méthodes développées dans ce travail seront notamment testées sur un jeu de données issue de Twitter, récolté à l’occasion de la campagne présidentielle qui débute en France. Ce jeu de données portera en particulier sur les débats que suscitent les questions sur l’énergie (nucléaire, énergies renouvelables). En plus du support de chercheurs en Informatique avec une expérience en machine learning et en analyse des réseaux sociaux, le.a post-doctorant.e pourra bénéficier de l’expertise de sociologues spécialistes des questions de l’étude des représentations sur le sujet de l’énergie.

Profil du candidat :
Nous recherchons principalement un docteur en machine learning ayant travaillé sur des données en réseau (graphes). Une expérience en NLP serait un vrai plus, ainsi qu’un intérêt pour le travail collaboratif en étroite collaboration avec les sciences sociales.

Formation et compétences requises :
Doctorat en Informatique avec des compétences en machine learning et si possible en NLP.

Adresse d’emploi :
Laboratoire ERIC – Université Lyon 2, campus de Bron