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

Laboratoire/Entreprise : Mines Saint-Etienne
Durée : 1 an
Contact : batton@emse.fr
Date limite de publication : 2021-08-24

Contexte :
L’École Nationale Supérieure des Mines de Saint-Étienne (Mines Saint-Etienne), École de l’Institut Mines Télécom, sous tutelle du Ministère de l’Économie, des Finances et de la Relance est chargée de
missions de formation, de recherche et d’innovation, de transfert vers l’industrie et de culture scientifique, technique et industrielle.
Le Laboratoire d’Informatique, de Modélisation et d’Optimisation des Systèmes (LIMOS), qui sera lelaboratoire d’accueil, est une Unité Mixte de Recherche (UMR 6158) en informatique, et plus généralement en Sciences et Technologies de l’Information et de la Communication (STIC). Le LIMOS
est principalement rattaché à l’Institut des Sciences de l’Information et de leurs Interactions (INS2I) du CNRS et de façon secondaire à l’Institut des Sciences de l’Ingénierie et des Systèmes (INSIS). Il a pour tutelles académiques l’Université Clermont Auvergne et Mines Saint-Etienne (MSE).

Sujet :
Un des axes forts attendus mais non restrictifs sur ce poste, concerne le développement d’approches de modélisation stochastique communes à la prise en compte de données temporelles, multivariées, qualitatives ou qualitatives et souvent incertaines. Ce travail sera mené conjointement aux différents projets déployés dans l’équipe en lien avec des questionnements industriels.

Profil du candidat :
L’objectif de l’enseignant-chercheur contractuel est de contribuer aux travaux en Science des données réalisés au sein du LIMOS pour répondre aux questionnements en termes de prévision dans le domaine de la fiabilité et/ou du contrôle, de la conception optimale t/ou de l’aide à la décision en lien étroit avec les problématiques sous-jacentes à l’industrie du futur.

Formation et compétences requises :
Le candidat devra être titulaire d’un doctorat Mathématiques appliquées ou en Science des données.

Adresse d’emploi :
Ces missions s’exerceront sur le Campus de Saint-Etienne (42) de Mines Saint-Etienne

Document attaché : 202107071334_EMSE_FAYOL_post-doc_Maths_appli_ingenierie_math-2021.pdf

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

Laboratoire/Entreprise : UMS CPST (Data Terra)
Durée : 13 mois
Contact : jean-christophe.desconnets@ird.fr
Date limite de publication : 2021-08-25

Contexte :
Description des missions :
Le Titulaire sera en charge de mettre en œuvre les activités permettant de rendre interopérable les données produites dans le cadre du projet européen PHIDIAS. L’accent sera mis sur la conception et la création des ressources terminologiques et ontologiques pour améliorer la découverte, l’accès et le traitement des données environnementales.
Sur la base recommandations émises par l’IR Data Terra et associé au groupe de travail Catalogue, Vocabulaires de Data Terra, le Titulaire prendra part à la formalisation et à la représentation des connaissances pour le système Terre. Plus particulièrement et en s’appuyant sur les partenaires scientifiques du projet PHIDIAS venant des pôles de données surfaces continentales (THEIA), des océans (ODATIS) et de l’atmosphère (AERIS)n il sera force de proposition pour améliorer ces recommandations (schéma de métadonnées, ontologies et thésaurus dans les sciences de la Terre) à partir des cas d’utilisation proposés. Il assurera, avec les partenaires techniques privés, la standardisation des connaissances sous les formats et modèles adaptés (RDF, SKOS, OWL)et accompagnera l’implémentation des briques logicielles permettant leur diffusion et leur accès.
A ce titre il effectuera également un travail de veille sur les initiatives européennes et internationales (OGC, ENVRI-FAIR, Research Data Alliance) afin de proposer des améliorations et rendre les travaux conformes aux préconisations internationales.
Il sera en charge d’améliorer la structuration des métadonnées et des données et manipulées dans PHIDIAS. Le Titulaire travaillera également sur la caractérisation de la provenance des données. Ceci afin d’améliorer la réutilisation des données tel que préconisé par le concept FAIR (Findable, Accessible, Interoperable, Reusable) data. D’une manière générale, il appuiera ses travaux sur les vocabulaires et technologies proposées par le W3C, l’OGC et l’ISO et ceux plus spécifiques émanant des communautés de l’Observation de la Terre, de l’atmosphère et de l’océan.

Sujet :
Description des activités :
– Etendre et tester les modèles ontologiques proposés dans Data Terra pour prendre en compte la description de la provenance des données, les réseaux de capteurs,
– Formaliser et représenter les connaissances du domaine selon les standards du web de données,
– Contribuer à l’étude de solution pour la mise en place d’un portail d’information sémantique pour l’IR Data Terra,
– Organiser et animer des ateliers avec les partenaires pour aider à la formalisation des connaissances,
– Suivre et tester les réalisations produites dans le cadre du projet PHIDIAS,
– Assurer une veille technologique, notamment en lien avec l’IR Data Terra et dans un contexte européen et international.

Profil du candidat :
Description des compétences :
• Bonne connaissance des standards du web de données du web (recommandations W3C pour la représentation des connaissances)
• Bonne connaissance des standards de la communauté des sciences de la Terre (ISO, OGC, CF) sera un plus
• Comprendre les spécificités des données spatio-temporelles scientifiques
• Rédiger des rapports ou des documents techniques
• Assurer une veille technologique
• Autonomie et sens de l’initiative

Formation et compétences requises :
doctorat ou master en informatique ou en géomatique

Adresse d’emploi :
UMS CPST, maison de la télédétection, Montpellier

Document attaché : 202106251418_CNRS-PHIDIAS-IR14m Interop-V3.pdf

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

Laboratoire/Entreprise : LS2N
Durée : 12
Contact : philippe.leray@univ-nantes.fr
Date limite de publication : 2021-08-30

Contexte :
Projet ANR xCALE
Avec l’avènement des MOOC et le succès des plates-formes d’exercices, les environnements en ligne à grande échelle se généralisent. L’apprentissage autorégulé (AAR) est connu pour son potentiel de développement de l’autonomie et de maintien de la motivation des apprenants. Le développement de stratégies d’apprentissage autorégulées est également connu pour avoir un impact positif sur les résultats scolaires. L’objectif principal du projet xCALE est d’étudier comment soutenir avec succès l’apprentissage autorégulé à grande échelle, grâce à des modèles d’apprenants ouverts, en se basant sur des modèles graphiques probabilistes de type réseaux bayésien conçus pour estimer les niveaux de compétences acquises et les niveaux métacognitifs des étudiants pour leur proposer des interventions appropriées. Les méthodes développées seront testées au fur et à mesure avec des données issues de MOOC de l’IMT Atlantique et de France IOI, tous deux partenaires du projet xCALE, avec le CREAD pour les aspects liés à la Didactique.

Sujet :
Le ou la candidat(e) retenu(e) devra participer activement à la proposition et à l’implémentation de modèles graphiques probabilistes de type réseaux bayésiens pour modéliser et prédire différentes caractéristiques de l’apprenant, lieés tout d’abord à ses compétences, puis à ses objectifs pédagogiques dans le cadre de l’apprentissage autorégulé.

Il ou elle participera aussi à la vie du projet :
– organisation des ateliers
– participation aux réunions scientifiques
– interactions avec le doctorant recruté à Brest sur ce projet, et avec Capacités, prestataire support pour l’implémentation des modèles.
– participation à la rédaction des livrables du projet

Profil du candidat :
Doctorat en Informatique, avec des compétences en Modèles Graphiques Probabilistes et/ou en Learning Analytics

Formation et compétences requises :
Doctorat en Informatique, avec des compétences en Modèles Graphiques Probabilistes et/ou en Learning Analytics

Adresse d’emploi :
LS2N site de Polytech, Nantes.

Document attaché : 202102161426_profilPostDoc.txt

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

Laboratoire/Entreprise : IMT Atlantique/Lab-STICC
Durée : 16 mois
Contact : lucas.drumetz@imt-atlantique.fr
Date limite de publication : 2021-08-31

Contexte :
IMT-Atlantique, an engineering school under the supervision of the Ministry of Industry, is looking for a post-doc or research engineer for 16 months, to start at the earliest from June/July 2021. The position is based on the Brest
campus of the school. The candidate will join the Mathematical and Electrical Engineering (MEE) department, within the OSE (Observations, Signal, Environment) team of the Lab-STICC, whose research activities include signal and image processing for environmental data, and learning dynamical models using artificial intelligence. The open position is part of the SUBSEE4D project co-sponsored by Cervval, a company specializing in digital simulation and decision support in complex systems, France Energies Marines (FEM), the national research institute dedicated to Offshore Renewable Energy (ORE), and IMT Atlantique. Despite a significant offshore experience coming from the oil and gas (O&G) industry, several specificities of offshore renewable energy systems induce uncertainties of their subsea dynamics. Today, as any emerging technology, the efforts are focused on the system efficiency and robustness as part of the design stage. Very few works are dedicated to the in-service follow-up and the maintenance strategy which represent a critical point both technically and financially for the very next commercial farms. Within the SUBSEE4D project, FEM is in charge of the development of a mooring lines health monitoring software module. A multidisciplinary team including this position is being set-up to deliver software which will be offered to a floating wind farms operator for further customization and deployment on a scale 1:1 floating wind turbine pilot project. The software aims at improving the estimation of the fatigue life of the mooring components as well as the related alert systems using machine learning techniques, taking as input different kinds of data, including environmental (winds, waves etc). IMT Atlantique brings to the project its expertise in machine learning, in particular for dynamical systems: data assimilation, quantification and uncertainty propagation in dynamical systems learned from data, interpola- tion/reconstruction of time series [1, 2], emulation of physical models, physics-aware machine learning [3], forcing by explanatory variables, predictor importance assessment… In this context, the candidate will take part in the IT development of the data-processing platform. He / She will provide technical expertise and will prototype statistical and probabilistic modesl that will be used for variables estimation and related uncertainties, as well as supervised and unsupervised classification algorithms to evaluate the system state, before being integrated in the module developed by FEM.

Sujet :
IMT-Atlantique, an engineering school under the supervision of the Ministry of Industry, is looking for a post-doc or research engineer for 16 months, to start at the earliest from June/July 2021. The position is based on the Brest
campus of the school. The candidate will join the Mathematical and Electrical Engineering (MEE) department, within the OSE (Observations, Signal, Environment) team of the Lab-STICC, whose research activities include signal and image processing for environmental data, and learning dynamical models using artificial intelligence. The open position is part of the SUBSEE4D project co-sponsored by Cervval, a company specializing in digital simulation and decision support in complex systems, France Energies Marines (FEM), the national research institute dedicated to Offshore Renewable Energy (ORE), and IMT Atlantique. Despite a significant offshore experience coming from the oil and gas (O&G) industry, several specificities of offshore renewable energy systems induce uncertainties of their subsea dynamics. Today, as any emerging technology, the efforts are focused on the system efficiency and robustness as part of the design stage. Very few works are dedicated to the in-service follow-up and the maintenance strategy which represent a critical point both technically and financially for the very next commercial farms. Within the SUBSEE4D project, FEM is in charge of the development of a mooring lines health monitoring software module. A multidisciplinary team including this position is being set-up to deliver software which will be offered to a floating wind farms operator for further customization and deployment on a scale 1:1 floating wind turbine pilot project. The software aims at improving the estimation of the fatigue life of the mooring components as well as the related alert systems using machine learning techniques, taking as input different kinds of data, including environmental (winds, waves etc). IMT Atlantique brings to the project its expertise in machine learning, in particular for dynamical systems: data assimilation, quantification and uncertainty propagation in dynamical systems learned from data, interpola- tion/reconstruction of time series [1, 2], emulation of physical models, physics-aware machine learning [3], forcing by explanatory variables, predictor importance assessment… In this context, the candidate will take part in the IT development of the data-processing platform. He / She will provide technical expertise and will prototype statistical and probabilistic modesl that will be used for variables estimation and related uncertainties, as well as supervised and unsupervised classification algorithms to evaluate the system state, before being integrated in the module developed by FEM.

Profil du candidat :
The available data sets for training will first come from realistic simulations of a floating wind turbine, and will be progressively enriched with in-situ sensor data. Machine Learning tools will be used to optimally combine simulations and observations, and to include physical or structural constraints to the learning algorithms. Methodological developments will also be expected, to complement and further improve research on dynamical systems learning from data performed in the IMT team. Publications in international conferences and journals will be issued from this work. Floating wind turbine global simulation involve coupled aero-hydro-servo-elastic physical models. The candidate will need to work in close collaboration with the project team to ensure the physical consistency the developed models from learning phase to validation phase. This position requires the ability to fit in a multidisciplinary team.

Formation et compétences requises :
The candidate must have (preferably) a PhD or possibly a Masters/Engineering degree in image or signal processing,
machine learning or related fields, or equivalent experience. Qualifications required:
• Machine/Deep Learning, Signal and Image Processing, Applied Mathematics, Dynamical Systems
• Programming in Python (numpy, scipy, matplotlib…)
• Experience in machine/deep learning methods and associated libraries in Python (Pytorch, Keras, Tensorflow,
scikit-learn…)
• An experience related to physical modeling of complex systems or renewable energies will positively appreciated

Adresse d’emploi :
The position is based at IMT Atlantique, Brest, France

Please send a resume and cover letter to lucas.drumetz@imt-atlantique.fr and Romain.Ribault@france-energies-marines.org.

Document attaché : 202105121310_fiche_de_poste_CDD_18_mois_dynamique_d’ancrage_en_new.pdf

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

Laboratoire/Entreprise : LISN (issu le 1-1-21 de la fusion du LISMI et d’u
Durée : 12 mois
Contact : anne.vilnat@lisn.upsaclay.fr
Date limite de publication : 2021-09-15

Contexte :
Nous recherchons un ingénieur de recherche/post-doctorant expérimenté pour travailler au sein du laboratoire LISN du CNRS et de l’Université Paris-Saclay, au sein du groupe ILES, en Traitement Automatique des Langues (TAL).

Il s’agit de travailler sur un projet d’assistant virtuel d’enseignement (chatbot dédié à l’éducation et la formation), qui fait l’objet d’une collaboration entre le laboratoire et l’entreprise The AI Institute qui travaille sur la mise au point de https://professorbob.ai/.
Ce projet est soutenu par la SATT de Paris-Saclay dans le cadre des projets de maturation.

Sujet :
Le but global du projet est d’assister un enseignant en l’aidant à répondre à des questions nombreuses et répétitives des apprenants. Il faut donc apprendre à répondre aux questions, en s’appuyant sur des données fiables, fournies par les enseignants. En s’appuyant sur les travaux récents dans le domaine du TAL, on sait qu’il est possible d’améliorer les systèmes classiques et basiques de réponses à des questions. Cependant, les données au sein des quelles les réponses devront être trouvées ne sont pas les données classiques utilisées dans les campagnes d’évaluation, mais des données en lien avec la discipline en cours d’apprentissage.
Dans ce contexte, il faut d’abord recueillir une importante quantité de données, afin de constituer un grand nombre d’associations de questions et de réponses, pour ensuite mettre en œuvre des technologies de TAL pour associer la bonne réponse à une question posée.
Dans une première étape, le travail consistera donc à formater les données pour constituer un corpus puis à modéliser comment constituer cet ensemble de paires question/réponse partir de données structurées ou non structurées en relation avec la discipline en cours d’apprentissage. Les données sont issues de sources diverses : livres universitaires, polycopiés de cours, sites autorisés en lien avec la discipline en cours d’apprentissage par l’apprenant. Il faudra ensuite évaluer quelles sont les modèles les plus adéquats . La difficulté vient également du fait que l’on souhaite ensuite pouvoir généraliser les recherches, et donc minimiser le travail qui sera à refaire quand on veut transférer le système soit à une autre langue, soit à une autre discipline.

Profil du candidat :
Niveau de Formation : Doctorat avec de l’expérience
Expérience en encadrement souhaitable

Formation et compétences requises :
Compétences Requises
• Connaissance des les outils du TAL :
◦ Modèles Deep Learning: connaissances théoriques et manipulation avancée des RNN, Auto-encoders, Transformers, etc..
◦ Bibliothèques et frameworks Machine Learning comme NLTK, Spacy, Scikit-learn, Keras, Tensorflow, Pytorch, etc..
• Algorithmique: bonne connaissance des algorithmes classiques sur les textes, arbres, graphe
• Statistiques: connaissances des techniques d’échantillonnage
• Anglais scientifique courant
• Compétences supplémentaires souhaitables : Moteurs de recherche et traitements textuelindexation, utilisation d’ElasticSearch ou SolR, formalisation et recherche d’expressions régulières

Adresse d’emploi :
LISN, rue du Belvédère, campus universitaire Université Paris-Saclay

Document attaché : 202107131011_poste1.pdf

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

Laboratoire/Entreprise : CY Cergy Paris Université
Durée : 1 an
Contact : dan.vodislav@u-cergy.fr
Date limite de publication : 2021-09-15

Contexte :
Le poste est lié aux Bachelors internationaux « Data Science and Big Data Technology » en collaboration avec la Zhejiang University of Science and Technology (ZUST), à Hangzhou, en Chine, et « Data Science » en collaboration avec l’Université de Maurice (UoM). Le service d’enseignement sera partagé entre les deux Bachelor et d’autres enseignements au sein du département de sciences informatiques de CYU. Dans le cadre des deux Bachelors, l’enseignant recruté participera activement au montage, à l’enseignement et au pilotage pédagogique des modules de Bachelor. L’enseignement dans les deux Bachelors se fait sur place, en Chine et à Maurice, lors de séjours de quelques semaines. Pour le Bachelor avec ZUST l’enseignement se fait en français, pour celui avec l’UoM l’enseignement se fait en anglais.

Sujet :
CY Cergy Paris Université (CYU) recrute un enseignant contractuel (service d’enseignement de 384 heures), titulaire d’un doctorat en informatique et pouvant enseigner en français et en anglais. Il s’agit d’un CDD initial d’un an, à partir d’octobre 2021, avec la volonté de proposer par la suite une extension avec un contrat de 3 ans.
Pour candidater, envoyer un CV et une lettre de motivation à Dimitris Kotzinos (dimitrios.kotzinos@cyu.fr) et Dan Vodislav (dan.vodislav@cyu.fr). Date limite de candidature: 5 septembre 2021

Profil du candidat :
Voir Formation et compétences requises

Formation et compétences requises :
Doctorat en informatique.
Expérience d’enseignement en informatique à l’université.
Capacité d’enseigner en anglais et en français.

Adresse d’emploi :
CY Cergy Paris Université
Site Saint Martin
2 avenue Adolphe Chauvin
95300 Pontoise

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

Laboratoire/Entreprise : Laboratoire ETIS (UMR 8051) – CY Cergy Paris Unive
Durée : 1 an
Contact : dan.vodislav@u-cergy.fr
Date limite de publication : 2021-09-18

Contexte :
Recrutement d’un MCF et d’un enseignant contractuels, en lien pour la partie enseignement avec les Bachelors internationaux « Data Science and Big Data Technology » avec la Zhejiang University of Science and Technology (ZUST), à Hangzhou, en Chine, et « Data Science » avec l’Université de Maurice (UoM).
En recherche, le MCF sera intégré au laboratoire ETIS (UMR 8051), dans l’équipe MIDI, dont les travaux portent sur l’intégration, l’indexation, l’interrogation et l’analyse de grandes masses de données de divers types, allant des données structurées au texte et à l’image.
Pour chaque poste, le contrat initial est d’un an, avec la volonté de proposer par la suite une extension de contrat de 3 ans.

Sujet :
CY Cergy Paris Université (CYU) recrute un enseignant-chercheur (équivalent MCF) et un enseignant (service d’enseignement de 384 heures) contractuels, titulaires d’un doctorat en informatique et pouvant enseigner en français et en anglais.
Le service d’enseignement sera partagé entre les deux Bachelor et d’autres enseignements au sein du département de sciences informatiques de CYU. Dans le cadre des deux Bachelors, les candidats recrutés participeront activement au montage, à l’enseignement et au pilotage pédagogique des modules de Bachelor. L’enseignement dans les deux Bachelors se fait sur place, en Chine et à Maurice, lors de séjours de quelques semaines. Pour le Bachelor avec ZUST l’enseignement se fait en français, pour celui avec l’UoM l’enseignement se fait en anglais.
En recherche, l’intégration à l’équipe MIDI du laboratoire ETIS se fera sur des thématiques autour de l’intégration et l’analyse de grandes masses de données de natures diverses (web de données, contenu et graphe des réseaux sociaux, données de mobilité, etc.), ainsi que l’élaboration et l’étude de méthodes d’apprentissage automatique pour l’analyse et la gestion de ces données.
Pour candidater, envoyer un CV et une lettre de motivation à Dimitris Kotzinos (dimitrios.kotzinos@cyu.fr) et Dan Vodislav (dan.vodislav@cyu.fr), en précisant le poste visé (MCF ou enseignant).
Date limite de candidature: le 15 septembre 2021

Profil du candidat :
Doctorat en informatique. Pour les candidats au poste MCF, de préférence une qualification MCF section 27.
Expérience d’enseignement en informatique à l’université.
Pour le poste MCF, profil recherche compatible avec une intégration dans l’équipe MIDI, tel que décrit dans le sujet.

Formation et compétences requises :
Voir Profil du candidat

Adresse d’emploi :
CY Cergy Paris Université
Site Saint Martin
2 avenue Adolphe Chauvin
95300 Pontoise

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

Laboratoire/Entreprise : LICIT (Transport and Traffic Engineering Laborator
Durée : Three years
Contact : angelo.furno@univ-eiffel.fr
Date limite de publication : 2021-09-26

Contexte :
In the last decade, the multi-modal mobility system of large cities has been profoundly jeopardized by a variety of sudden and extreme perturbations [1]. According to the World Economic Forum’s Global Risks Report 2019, extreme weather events are among the global risks of highest concern. Heavy precipitation, along with associated flooding in urban mega-regions, has been on the rise both in intensity and frequency under the dual forcings of climate change and rapid urbanization [2]. Similarly, in recent times, the COVID-19 pandemic has radically transformed human mobility habits, leading to globally unprecedented decline in transit ridership as well as drastic reduction of capacity of transit as a consequence of social distancing [3].

These factors of vulnerability related to transport are exacerbated by the fact that a transportation network is a complex entity composed of multiple interdependent subsystems (underground, train, tramway, bus transit, and road network), which are spatially constrained and that also rely on other urban infrastructure systems such as the power grid and communication networks. Thus, even limited disruptions in one component of this complex system, often triggered by exogenous and hardly predictable events, can lead to a severe loss of lifeline functions via cascading failures. Furthermore, as urban mobility systems are becoming increasingly connected and autonomous, one should also consider the growing threat of opportunistically targeted cyber-attacks designed to take advantage of natural hazard events [2].

This thesis focuses on the cutting-edge issue of characterizing, monitoring, and improving the resilience and robustness of complex systems, and, particularly, urban mobility systems of large metropolises. To advance the state-of-the-art in the field it is nowadays necessary to mobilize knowledge and skills from multiple research domains, including artificial intelligence and data science, mathematical optimization and graph theory.

In this context, it is expected to investigate hybrid approaches leveraging the combination of graph theory and data science, machine learning and, possibly, mathematical programming tools towards:
– advancing the understanding and characterisation of the resilience of temporal multi-modal urban mobility systems by means of graph modelling, network metrics and the analysis and learning of historical data available for a real-world multi-modal transport network (Lyon, France);
– defining original techniques and tools to design complex disruptive scenarios, that could couple targeted attacks, weather-related phenomena as well as sudden variations of the mobility demand and offer of the transport system induced by exogenous factors (floods, pandemic, etc.);
– evaluating their impacts on the performance of the existing transit system in terms of network science metrics and, possibly, by means of simulation.

The thesis may also explore solutions for resilience enhancement based on network redesign strategies, including:
– topological optimization based on network metrics computation, graph representation learning, and graph nodes/edge addition/removal;
– design and virtual deployment of on-demand mobility facilities (e.g., park-and-ride) that could help to support the dynamic adaptation of the system to such variations and rapid recovery from extreme perturbations with increased resilience.

Sujet :
Main activities

The thesis program will develop around the following scientific challenges:
– Modelling and coding of the multi-modal transport network of the Lyon urban area, by focusing on its transit system (bus, tramway, underground) and the city road network. An approach based on multi-layer networks [1, 4, 5] could be leveraged by relying on data from the National Institute of Geography (IGN) and from the local provider of the transit system of Lyon (Keolis-Sytral). The augmentation of the model with travel demand information and travel time data will be considered as an essential research direction, based on previous work from the team [6].
– Identification of complex networks metrics to describe the resilience and robustness of the multi-modal transport network. In particular, the size of the giant connected component (GCC), network efficiency, adapted to the context of multi-layer modelling and cascading failures [2], will be a potential candidate for robustness quantification in dynamic configurations. Additional metrics related to vulnerability, robustness, and resilience for characterizing the performance of transport systems under disturbance will be explored as well [7].
– Definition of a framework for the injection of multiple joint failures in the multi-modal transport system (disruptive scenario testing). More traditional strategies based on random failures as well as more complex approaches involving flood probability modelling and high centrality node failures will be investigated to simulate high-risk scenarios and evaluate their impact on the aforementioned robustness metrics. The expected solutions should allow modelling of compound disruptions, including flood scenarios combined with targeted attacks as well as global reduction of the transit capacity or travel demand.
– Analysis of optimization strategies for improvement of network robustness. Solutions based on optimal graph augmentation [8, 9], identification of the most critical sub-network, as well as the optimal allocation of on-demand mobility facilities (e.g., park-and-ride facility location [10]) for increased network robustness, will be investigated.

The PhD program is highly flexible and can be adapted based on the profile and skills of the candidate.

Profil du candidat :
Level of qualifications required:

Master-2 degree, 5-years engineer diploma or equivalent in Computer Science, Data Science, Machine Learning, Statistics, Mathematics or strictly-related field.

Skills:

The ideal candidate should be highly motivated in carrying out research activity, possess high scientific curiosity and a high-degree of autonomy, and own a documented expertise in network science, data science, programming, and machine learning. A Master 2 or equivalent degree in one of the fields above is required.

Good knowledge of R and/or Python languages is also required.

Proven written and verbal communication skills with fluency in written and spoken English are a must.
Knowledge or previous experience with operations research tools, transport modelling, (traffic) simulation will be helpful and highly appreciated during the selection process.

The phd program is highly flexible and can be adapted based on the profile and skills of the candidate.

How to apply
Please send an email to:

angelo.furno@univ-eiffel.fr
nour-eddin.elfaouzi@univ-eiffel.fr
including the following elements:

A curriculum vitae;
The complete record of master grades (relevé de notes M1 and M2 for French candidates)
A two-page-most motivation letter discussing how the candidate’s background and research interests relate to the proposed subject and bibliographic references.
Recommendation letter from supervisors, if any.
All applications without the elements above will be ignored.
Selection process
All received applications will be short-listed upon reception. The candidate will receive a reply only in case her/his application is selected for an interview. Multiple interviews could be necessary.

After the interviews with tutors, the candidate will be asked to prepare a presentation discussing the Ph.D. topic, personal research ideas, as well as a tentative schedule to carry out the research activities, according to her/his own perception of the subject.

A final interview with an external committee (expected around mid-September) will take place to validate the candidature.

Formation et compétences requises :
Research Objectives
The PhD student will have to advance current methodologies developed within the team on resilience analysis and optimization of complex transportation networks.
She/he will have to develop as well novel and efficient approaches based on network science, resilience metrics, and perturbation scenario design towards characterization of the resilience of the multimodal transport system.
It is expected that the successful candidate will contribute to top-tier network science, machine learning, data analytics and transportation conferences and journals (NetSci, Networks, Applied Network Science, IEEE Transactions on Network Science and Engineering, International Conference on Data Mining, KDD, Transportation Research Board, IEEE Intelligent Transportation Systems, Transportation Research Part B, C, E, etc.).

Adresse d’emploi :
The Transport and Traffic Engineering Laboratory (LICIT) is a Joint Research Unit under the dual administrative supervision of the French University Gustave Eiffel (UGE) and the National Post-Graduate School of Public Civil Engineering (ENTPE). It is recognized for its work on traffic modelling and engineering. The laboratory has already developed many successful applications for both traffic information and simulation tools.

Address: 25, avenue François Mitterrand, Cité des mobilités. F-69675 Bron (France)

More information on the lab are available here: http://licit-lyon.eu

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

Laboratoire/Entreprise : StatSC, Oniris
Durée : 1 an, renouvelable
Contact : evelyne.vigneau@oniris-nantes.fr
Date limite de publication : 2021-09-30

Contexte :
Oniris, établissement public d’enseignement supérieur et de recherche du Ministère de l’Agriculture, et de l’Alimentation (MAA) forme des docteurs vétérinaires, des ingénieurs, des docteurs en sciences, des masters et des techniciens supérieurs. Le poste est basé sur le site d’Oniris à La Géraudière, Nantes

Sujet :
Poste d’Enseignant-Chercheur contractuel en Sciences des données, avec une valence informatique, rattaché à l’unité d’enseignants-chercheurs en Mathématiques, Statistique et Informatique d’Oniris et à l’unité de recherche StatSC d’Oniris. Le poste est basé sur le site de la Géraudière, filière en ingénierie agro-alimentaire.

Profil du candidat :
Doctorat ou dernière année de doctorat : Science des données (sections CNU 26 ou 27)

Formation et compétences requises :
Aptitudes recherchées : travail en équipe, en interdisciplinarité et en interaction avec le monde de l’entreprise.

Adresse d’emploi :
Oniris Campus ingénieur
Rue de la Géraudière, CS 82225, 44322 Nantes

Document attaché : 202106261053_fiche_annonce_cerc_scdonneesinfo.pdf

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

Laboratoire/Entreprise : IMT Nord Europe et Groupe TERA (région Sud)
Durée : 24 mois
Contact : christelle.garnier@imt-lille-douai.fr
Date limite de publication : 2021-09-30

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.

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 :
Le poste est situé dans la région Sud, dans la zone de l’étang de Berre. Déplacements à prévoir sur les différents sites du Groupe TERA et à l’IMT Nord Europe (Lille).

Document attaché : 202109081418_2021_Fiche_Postdoc_Cartographie_Polluants.pdf

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

Laboratoire/Entreprise : DVRC/ESILV
Durée : CDI
Contact : nicolas.travers@devinci.fr
Date limite de publication : 2021-09-30

Contexte :
L’ESILV, Ecole Supérieure d’Ingénieurs Léonard de Vinci est une école d’ingénieurs généraliste au cœur des technologies du numérique. Elle recrute principalement au niveau Baccalauréat ainsi qu’au niveau des CPGE et forme des ingénieurs opérationnels s’insérant parfaitement dans le monde professionnel. Le projet pédagogique de l’ESILV s’articule autour des sciences et des technologies numériques ainsi qu’une forte transversalité avec 20% de son cursus en commun avec une école de management (EMLV) et une école du digital (IIM) dont un parcours Ingénieur Manager en 5 ans, double diplômant. Les spécialisations proposées portent sur la finance (ingénierie financière, actuariat et fintech), l’informatique (Data & IA, Objets connectés & sécurité), la mécanique (Modélisation & mécanique numérique, Industrie 4.0), l’énergie (Energie & villes durables) et la santé (Santé Biotech). Elle propose également deux Bachelors en Ingénierie Numérique et en Technologie & Management. 3100 élèves. Labellisée EESPIG, l’ESILV est membre de la CGE, de l’UGEI, de la CDEFI, de Campus France et de Talents du Numérique. Site web : www.esilv.fr

Rattaché directement au Responsable du Département Informatique, l’enseignant-chercheur sera membre du De Vinci Research Center (DVRC) au sein du Pôle Léonard de Vinci.

Sujet :
MISSIONS GENERALES DU POSTE ET RESPONSABILITES

Enseignement
Assurer des enseignements et suivre des projets d’élèves
Prendre la responsabilité de cours et coordonner une équipe de chargés d’enseignement
Effectuer le suivi académique des étudiants
Conseiller les étudiants
S’impliquer dans les réflexions collectives sur les évolutions de programmes et l’amélioration de la qualité des enseignements
Recherche
Développer ses recherches au sein du DVRC et publier des articles dans des revues scientifiques à comité de lecture
Initier des collaborations de recherche avec des membres du DVRC et/ou vers l’extérieur
Participer aux activités du laboratoire de recherche (séminaire, réunions)
Présenter ses résultats de recherche au sein du laboratoire, dans des colloques et congrès
Participer à la recherche de projets de recherche financés
Relations extérieures et coopération avec les services supports
S’impliquer dans les campagnes de promotion de l’ESILV auprès des jeunes et des familles (JPO, salons, forums, conférences, presse, …)
Participer au développement de collaborations (enseignement et/ou recherche)
Activités transversales
Participer en termes de réflexions et de propositions au développement d’activités transversales entre les différentes écoles du Pôle Léonard de
S’impliquer activement dans la mise en œuvre effective des projets transversaux retenus

Profil du candidat :
THEMATIQUES DE RECHERCHE

Afin de répondre aux nombreux défis et enjeux actuels de notre société, le DVRC souhaite recruter une chercheuse ou un chercheur en apprentissage automatique et en système complexe dont les travaux sont motivés par des applications réelles. Au-delà̀ d’une base théorique solide, un goût avéré pour la modélisation et une réelle expérience dans les applications seront essentiels.

Le DVRC privilégiera deux types de profil :

Apprentissage
Apprentissage machine, profond ou statistique, classification supervisée ou non supervisée,
Apprentissage par renforcement et incertitude,
Un accent particulier sur la thématique de l’apprentissage à partir de données hétérogènes, multimodales ou de données sous forme de graphe sera apprécié
Système complexe, multi-agent, optimisation en grande dimension

Dans le cas du premier profil, bien que centré sur l’apprentissage machine et ses applications, la candidate ou le candidat devra mener une analyse basée sur des outils complémentaires pour mieux comprendre les mécanismes d’apprentissages et surmonter leurs défauts, en particulier l’explicabilité des résultats.

Les thèmes d’application sont ceux du laboratoire et de l’école : smart city, transition énergétique et environnementale, matériaux, finance/actuariat, santé, tourisme.

Dans le cas d’un recrutement plus sénior, la ou le candidat.e devra avoir une expérience avérée dans l’animation et la valorisation de la recherche. Pour tous les profils, une expérience industrielle sera appréciée.

DISCIPLINES D’ENSEIGNEMENT

Les enseignements confiés se répartiront sur le cycle Licence, Master (les enseignements dispensés dans le cycle Master se font en anglais) et/ou de Bachelors dans les domaines suivants :

Machine Learning,
Traitement et visualisation des données,
Programmation et Algorithmique,
Devops et Design Pattern,…

Formation et compétences requises :
Le ou la candidat.e devra être titulaire d’un doctorat, une habilitation à diriger des recherches sera appréciée dans les sections CNU 27 et/ou 61. Il/elle devra s’inscrire dans les connaissances suivantes :

Connaissances

Machine Learning,
Optimisation,
Apprentissage machine dans le contexte de projets académiques et industriels,
Algorithmes d’intelligence artificielle,
Science des données et visualisation,
Enseignement supérieur,
Tissu économique et métiers.

Connaissances opérationnelles

Méthodes pédagogiques (présentiel, classe inversée, distanciel avec outils digitaux, MOOC, SPOC, COOC …)
Outils bureautiques
Conduite de projet
Communication

Connaissances comportementales

Réactivité et disponibilité
Excellent relationnel
Aisance orale
Autonomie

Adresse d’emploi :
ESILV, Paris la Défense
https://www.devinci.fr/carrieres/enseignant-chercheur-informatique-f-h-algorithmique-et-data/

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

Laboratoire/Entreprise : Entreprise Jeolis et LIMOS
Durée : 1 ou 2 ans
Contact : christophe.rey@uca.fr
Date limite de publication : 2021-10-01

Contexte :
Collaboration entre un laboratoire LIMOS / CNRS et une jeune entreprise innovante Jeolis Solutions, les deux situées à Clermont-Ferrand, dans le domaine de l’e-Santé et plus spécifiquement l’Education Thérapeutique du Patient (ETP, qui selon l’OMS, vise à aider les patients à acquérir ou maintenir les compétences dont ils ont besoin pour gérer au mieux leur vie avec une maladie chronique). Les contraintes environnementales et la crise sanitaire comme celle du Covid-19 plaident pour une absolue nécessité de développer rapidement une digitalisation intelligente afin d’aboutir à une e-ETP motivante, ludique et personnalisée.

Sujet :
Dans les perspectives de l’article [1], il a été énoncé la possibilité d’améliorer l’expressivité logique du programme en utilisant d’autres approches comme ASP (Answer Set Programming) afin de limiter l’utilisation de code impératif.

Les missions de la personne recrutée seront l’implémentation d’outils permettant de :

Combiner le meilleur des mondes OWL2 et ASP
OWL2 pour l’aspect statique des connaissances (TBox et ABox + vérification de la consistance par classification d’individus), comme ce qui est proposé dans l’éditeur Protégé. De plus OWL2 permet l’héritage entre classes et relations.
ASP pour l’aspect dynamique des connaissances et la pertinence de règles logiques avec négation(s), contraintes et non monotones

L’aspect théorique de cette hybridation a été proposé dans Hexlite [2] mais nous pensons qu’une mise en œuvre en tout Python faciliterait l’adoption.

Etablir une transcription DMN à ASP

Ecrire un programme ASP n’est pas encore à la portée des experts métiers du monde industriel, ce qui ne facilite pas l’adoption d’ASP malgré des solveurs performants. Cependant, il existe le standard DMN (Decision Model and Notation) du consortium OMG qui permet aux industriels d’écrire des systèmes de décision à partir de simples tableaux type Excel. Il serait intéressant d’avoir un outil permettant le passage de DMN à ASP, comme ce qui a été proposé récemment dans cDMN [3].

L’intérêt serait de permettre aux experts psychologues, pédagogues d’écrire, d’améliorer, de tester des stratégies de progression plus facilement, plus rapidement qu’actuellement, sans passer par un expert ingénieur spécialisé en Ingénierie des connaissances.

Contexte de travail

La personne recrutée rejoindra le thème Données, Services, Intelligence du LIMOS mais sera mise à disposition de l’équipe R&D de Jeolis Solutions à hauteur de 80% de son temps (application du plan France Relance – préservation de l’emploi R&D en entreprise).

Le CDD est d’une durée de 12 ou 24 mois (à préciser au moment de la demande France Relance), et commencera en septembre-octobre 2021, adaptable en fonction des disponibilités de la personne retenue.

Références

[1] Xavier Goblet, Christophe Rey : « Suivi thérapeutique intelligent par recommandation à base d’ontologie et de règles ». Conférence Applications Pratiques de l’Intelligence Artificielle (APIA) dans le cadre de la Plate-Forme de l’Intelligence Artificielle (PFIA) du 29 juin au 3 juillet 2020

[2] Peter Schüller : “A new OWLAPI interface for HEX-Programs applied to Explaining Contingencies in Production Planning”. In: New Foundations for Human-Centered AI, Workshop at ECAI 2659, pages 25-31, 2020

[3] Aerts B., Vandevelde S., Vennekens J. (2020) Tackling the DMN Challenges with cDMN: A Tight Integration of DMN and Constraint Reasoning. In: Gutiérrez-Basulto V., Kliegr T., Soylu A., Giese M., Roman D. (eds) Rules and Reasoning. RuleML+RR 2020. Lecture Notes in Computer Science, vol 12173. Springer. https://arxiv.org/abs/2005.09998

Profil du candidat :
Titulaire d’un diplôme de master en informatique (obtenu en 2019, 2020 ou 2021) avec une solide expérience en développement Python

Modalités de candidature

Les personnes candidates sont invitées à soumettre un CV, une lettre de motivation et éventuellement des lettres de référence, en format PDF à engelbert.mephu_nguifo@uca.fr, à christophe.rey@uca.fr et à xavier.goblet@lojelis.com .

Les candidatures seront traitées au fil de l’eau.

Formation et compétences requises :
Compétences attendues

· Titulaire d’un diplôme de master en informatique (obtenu en 2019, 2020 ou 2021) avec une solide expérience en développement Python

· Connaissances/expériences des standards du web sémantique (OWL2, SWRL…) et aussi en programmation logique (PROLOG, Answer Set Programming…)

· Connaissances en Ingénierie des connaissances

· Expérience de l’outil gestionnaire de code Git et méthodologie Agile

· Respect des délais, rigueur, organisation, capacité à travailler en équipes pluridisciplinaires

Adresse d’emploi :
JEOLIS SOLUTIONS
12 CRS SABLON
63000 CLERMONT-FERRAND
France

LIMOS
Campus Universitaire des Cézeaux
1 rue de la Chebarde
TSA 60125
CS 60026
63178 AUBIERE CEDEX – FRANCE

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

Laboratoire/Entreprise : Institut Francais de Bioinformatique
Durée : 12 mois
Contact : alban.gaignard@univ-nantes.fr
Date limite de publication : 2021-10-03

Contexte :
L’Institut Français de Bioinformatique (IFB) [1] recrute un ingénieur d’études pour le développement de standards (Schema.org) et l’indexation de données en sciences de la vie.

Il s’agit d’un CDD de 12 mois, renouvelable jusqu’à 24 mois, dans un laboratoire de recherche Nantais (plateforme de bioinformatique BiRD [2], Institut du Thorax, LS2N).

Ce poste pourra intéresser de jeunes diplômés souhaitant développer de nouvelles compétences sur la FAIRification de données et logiciels, ou bien des ingénieurs plus expérimentés souhaitant contribuer à la standardisation de métadonnées à l’échelle européenne (Elixir [3], Bioschemas [4]).

Les détails de l’offre sont sur le site du CNRS : https://bit.ly/3jwUtRw

[1] https://www.france-bioinformatique.fr
[2] https://pf-bird.univ-nantes.fr
[3] https://elixir-europe.org
[4] https://bioschemas.org

Sujet :
L’ingénieur-e sera en charge de:

1) développer un outil logiciel d’extraction de métadonnées Bioschemas [2] et d’assemblage de jeux de données ouverts et requêtables via les standards du web sémantique,

2) proposer un catalogue de requête combinant des méta-données Bioschemas de différente nature (e.g. entités biologiques, matériel de formation, algorithmes, workflows, etc.).

Profil du candidat :
Informaticien de niveau minimum Bac + 5 (Master, Master Pro, ingénieur, …) ou expérience équivalente.

Une formation de bioinformaticien avec une forte composante en développement logiciel pourra également convenir.

Formation et compétences requises :
De très bonnes connaissances en développement logiciel sont attendues. Une expérience en développement web ou de base de données est un plus. Une expérience dans le développement collaboratif de ressources ouvertes est également un plus.

Connaissances et aptitudes professionnelles

– capacités d’abstraction et de modélisation
– conception et qualité logicielle (Model/Test Driven Development)
– maîtrise d’un des langages de programmation: Java, Python
– connaissance de git pour le développement collaboratif
– connaissance des formats et protocoles d’échange de données sur le web (e.g. JSON, JSON-LD, YAML, HTTP)
– capacité de synthèse et rédactionnelle, curiosité, initiative, sens de l’organisation et du travail en équipe
– bonne maîtrise de l’anglais oral et écrit
– capacités de travail à distance

Connaissances additionnelles appréciées
– modélisation et représentation des connaissances
– standards et technologies du web sémantique (OWL, RDF, JSON-LD)

Adresse d’emploi :
Institut du Thorax, 8 quai Moncousu, 44000 Nantes

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

Laboratoire/Entreprise : CEA List and LISN
Durée : 18 months
Contact : herve.le-borgne@cea.fr
Date limite de publication : 2021-10-03

Contexte :
Exploiting multimedia content often relies on the correct identification of entities in text andimages. A major difficulty for understanding a multimedia content lies in its ambiguity with regard to the actual user needs, for instance when identifying an entity from a given textual mention or matching a visual object to a query expressed through language [ADJ20a,ADJ20b].

The MEERQAT (https://www.meerqat.fr) project addresses the problem of analyzing ambiguous visual and textual content by learning and combining their representations and by taking into account the existing knowledge about entities. It aims at solving the Multimedia Question Answering (MQA) task, which requires answering a textual question associated with a visual input like an image, given a knowledge base (KB) containing millions of unique entities and associated text. The post-doc specifically addresses the problem of injecting knowledge into multimodal entities to be able to answer questions that relate to them. Other partners of the project work on the visual, textual and KB representation, and on the entity disambiguation.

Sujet :
Entities can be represented by different modalities, in particular by visual and textual content. In a common space, an entity can thus be represented by several vectors, that need to be combined into a unique representation that reflects the similarity of the related entities. In such a context, a promising approach consists of learning a visual representation from natural language supervision [RAD21] relying on large datasets by a simple learning strategy based on contrastive predictive coding [OOR18], adapted to text and visual modalities [ZHA20]. The learned representation allows to address multiple cross-modal tasks and provide a large-scale vocabulary that is adapted to general audience in a given language. It exhibits state of the art performance on several tasks and can even exceed humans on certain tasks. However, it does not include any structural information from a knowledge base. The main task of the post doc will thus consist in injecting such prior knowledge into the entity representation to address Multimedia Question Answering. Some approaches were recently proposed to do so in the context of caption generation [GOE20].

We consider entities such as persons, places, objects or organizations (NGOs, companies…). Depending on the type of an entity, the information to take into account in its representation is not obvious. If a person can probably be associated with a couple of mentions and images, it becomes less obvious for other types of entities. For instance, a company can be associated with its logo, but also with its main products or even its main managers (CEO, CTO . . . ). In the same vein, a location can be represented by many pictures, and a large one such as a city by some emblematic buildings or places. The second task of the post-doc will consist to determine the appropriate information to include in the representation of a given entity, depending on its type.

Profil du candidat :
* PhD in Natural Language Processing, Computer Vision, Machine Learning or other relevant fields
* Strong publication record, with accepted articles in top-tier conferences and journals of the domain
* Solid programming skills (pytorch/tensorflow). Publicly available project will be appreciated
* Ability to communicate and collaborate at the highest technical level
* Experience on using GPUs on a supercomputer (e.g. with SLURM or similar tool) will be appreciated

Formation et compétences requises :
PhD in Natural Language Processing, Computer Vision, Machine Learning or other relevant fields

Adresse d’emploi :
The post-doc will be supervised by CEA and LISN. The candidate will be hired by CEA (Palaiseau, near Paris, France) for a 18-months post-doc. The LISN is located close to CEA on the Paris-Saclay University Campus.

The salary depends on qualifications and experience. This will include social coverage (health, unemployment, retirement).

The postdoc will have access to large supercomputers equipped with multiple GPUs and large storage for experiments, in addition to a professional laptop.

To apply to the position, send a CV (including publication list or a URL pointing to it, such as Google Scholar) and a cover letter to Hervé Le Borgne , Olivier Ferret , Sahar Ghannay and Anne Vilnat .

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 : 2021-10-05

Contexte :
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.

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’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.

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 :
PhD Informatique, RO, Science des Données, Génie Logiciel

Adresse d’emploi :
L@bIsen
33 Avenue du Champ de Manoeuvre
44300 CARQUEFOU

Document attaché : 202109140945_postdoc_acomeisen.pdf

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

Laboratoire/Entreprise : LITIS lab., University of Rouen Normandy, Rouen, F
Durée : 18 months
Contact : simon.bernard@univ-rouen.fr
Date limite de publication : 2021-10-15

Contexte :
The Machine Learning team at the LITIS laboratory, the computer science laboratory of the University of Rouen Normandy, is looking for a post-doctoral researcher on a 18-months contract, starting as soon as possible. The position will be financed by the ANR research project CATCH (french acronym for “Automatic Understanding of Human Sensors Testimonials”), which involves the R&D center of the company Saagie, specialized in B2B DataOps solutions, Atmo Normandie, one of the approved French air quality monitoring associations and LITIS.

The ambition of the CATCH project is to propose artificial intelligence and deep learning tools to take into account and automatically exploit the multitude of human testimonies related to an industrial accident and its consequences on the environment and health. By involving the population in the collection and analysis of data, particularly through social networks, and by providing effective means for interpreting this data, the proposed solution should contribute to providing answers to the worrying problem of industrial accidents and their consequences.

The overall objective is first to draw up a precise cartography of the nuisances in order to follow the propagation and the evolution of the phenomena in time, and then to analyze and characterize the sentiment of the population and its evolution throughout the crisis. To do so, we intend to exploit testimonials collected on the ODO platform of Atmo Normandie, which combines these testimonies with geographical information, in conjonction with data extracted from the micro-blogging platform Twitter. Since these data are primarily texts, state-of-the-art approaches from the Natural Language Processing (NLP) field are favored, in particular, self-supervised deep learning methods such as Transformers that are known to be the most performant today for a wide range of NLP tasks.

Sujet :
The objective of this research work is twofold:
1. The automatic generation of a map of nuisances around the site of an industrial incident to monitor the propagation and the evolution of the phenomena over time.
2. The automatic recognition of the population’s perception and its evolution throughout the crisis.

Related to these tasks, the post-doctoral researcher will be in charge of proposing solution for:
• extracting and linking twitter data with testimonials from the ODO dataset, which is fully labelled and associates textual testimonies with geographical data. The interest in establishing this link is to be able to enrich the data from the ODO platform to refine the mapping of nuisances in real time. This could be achieved for example, by using pseudo-labelling techniques1 or Constrative Representation Learning methods which have recently been applied to text data.
• detecting in all the testimonials collected from Twitter or from the ODO platform, the presence (or absence) of several pre-identified emotions (e.g. surprise, fear, anger, sadness, disgust, etc.), several of which can be expressed at the same time.

This research work will therefore involve being familiar with the state-of-the-art NLP deep learning methods and in particular with their applications to sentiment analysis and opinion mining tasks. It will also require experience with the use and exploitation of data from Twitter in a data science context.

Profil du candidat :
Applicants must have a Ph.D. in computer science or applied mathematics, with a focus on machine learning or data mining.

Applications should include:
• curriculum vitae
• statement of past research accomplishments, career goal and how this position will help you achieve your goals
• two representative publications
• contact information for at least two references

Formation et compétences requises :
• have strong programming skills (Java, Python, etc.) and in-depth understanding of statistics and machine learning.
• have already worked with deep learning architecture dedicated to texts (RNNs, Transformers, etc.) and/or images (CNNs, FCNs, GANs).
• have a productive publication record.

Adresse d’emploi :
Location : LITIS lab., University of Rouen Normandy, Rouen, France (www.litislab.fr)
Duration : 18-months, starting as soon as possible
Salary : ~2100€ / month (before income tax), including social security coverage in line with French regulations

Application must be sent to :
• Simon BERNARD, University of Rouen Normandy, simon.bernard@univ-rouen.fr
• Clément CHATELAIN, INSA Rouen Normandy, clement.chatelain@insa-rouen.fr
• Alexandre PAUCHET, INSA Rouen Normandy, alexandre.pauchet@insa-rouen.fr

Document attaché : 202109221352_PostDocPosition_ ANRCATCH_LITIS.pdf

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

Laboratoire/Entreprise : IRIT
Durée : 9 mois (et plus)
Contact : hernande@irit.fr
Date limite de publication : 2021-10-15

Contexte :
Digital Design, Manufacturing and Services (DDMS) is the project that aims at transforming Airbus methods, processes and tools with the objectif of improving the strategic axes of the company: from the ability to develop a new product more quickly to its reduction of the ecological footprint. The issues of knowledge representation and sharing are at the heart of the capacities to be implemented in order to succeed in this development. In DDMS, the Modeling & Simulation department is therefore working to have the necessary foundations, in terms of methods and tools, for the knowledge representation and sharing, in relation with other Airbus entities in order to implement an industrial solution.

Sujet :
As part of the development of DDMS capabilities in 2021, the tasks that are to be taken into account are the following :
- to align different domain ontologies
- to implement a domain ontology validation mechanism, particularly through the useof shape constraints (SHACL)
- to enable the semantic integration of data (development of an Ontology Based Data Access service).
For each task, the expected activities are:
 – the application of knowledge representation to solve the problems of a pilot business application use case in the Airbus environment
 – the synthesis of a methodological approach and an architectural solution based on this case
 – a generalized framework to respond to this problem in other areas by applying the methodological principles acquired and synthesized previously.
The proposed pilot case is Flight Dynamics and Sizing, which is responsible, in conjunction with pre-projects and industrialization, for sizing the aircraft according to loads, mass, aerodynamic forces, flight controls in particular.
It is expected to continue on themes such as:
 – Automatic publication of ontology documentation
 – Managing the criticality of data in ontologies
 – Reasoning in the service of extending data sets and checking the consistency of information
 – Semantic search in data Searching for ontologies in catalogs (notably using dcat)

Profil du candidat :
Applicants are required to have a PhD in Computer Science, a strong background in semantic web technologies, ontology engineering, linked data management and query, and if possible, in ontology alignment.

Formation et compétences requises :
Fluency in written / spoken English is required too. A good publication record and strong programing skills will be a plus.

Adresse d’emploi :
Localization : Institut de Recherche en Informatique de Toulouse (IRIT) – Université Toulouse – Jean Jaurès / Maison de la Recherche, 5, allées Antonio Machado 31058 Toulouse, and Airbus (St Martin du Touch).
Duration : 9 months, starting in january 2022 – probability of renewal 9 to 12 months. Salary between 2 131 and 3 338 euros (depending on experience).
Applications will be accepted until the position is closed through the plateform https://emploi.cnrs.fr/Offres/CDD/UMR5505-CHLBOU-043/Default.aspx. Applicants should send a full Curriculum 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. Contact: Nathalie Hernandez and Cassia Trojahn .

Document attaché : 202110080800_Fiche de poste – post doc – représentation des connaissances IDMP-2_CT.pdf

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

Laboratoire/Entreprise : IRIMAS
Durée : 12 months
Contact : maxime.devanne@uha.fr
Date limite de publication : 2021-10-15

Contexte :
The volume of online sales in France is continuously increasing. Remote payments on the Internet concentrate most of the fraud on French credit cards (70% of the amount of fraud (255 M €) while it represents only 14% of the value of national transactions). Fraud is a complex phenomenon to detect. Indeed, fraudsters constantly adapt their techniques in order to outsmart the system, which poses a financial and reputational risk to e-commerce sites and banks.

Sujet :
The project aims to develop machine learning methods for the detection of credit card frauds. This project is a collaboration between the company Enygma, specializing in the detection of bank frauds, and the IRIMAS research institute specializing in machine learning methods.

Profil du candidat :
Applicants must have a PhD in Computer Science and demonstrate experience in the field of machine learning. We are looking for a profile with good experience in deep learning methods as well as programming in Python. Experience in optimization as well as CUDA programming would be a plus.

Formation et compétences requises :
Applicants must have a PhD in Computer Science and demonstrate experience in the field of machine learning. We are looking for a profile with good experience in deep learning methods as well as programming in Python. Experience in optimization as well as CUDA programming would be a plus.

Adresse d’emploi :
IRIMAS, Université de Haute-Alsace, Mulhouse
Gross Salary : 3250 €/month

Please contact Prof. Lhassane Idoumghar (lhassane.idoumghar@uha.fr), Dr. Jonathan Weber (jonathan.weber@uha.fr), Dr. Julien Lepagnot (julien.lepagnot@uha.fr) or Dr. Maxime Devanne (maxime.devanne@uha.fr) for more information about the position.

Document attaché : 202110081145_Post-Doc SATT Enygma Eng.pdf

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

Laboratoire/Entreprise : laboratoire ERIC
Durée : 18 mois
Contact : julien.velcin@univ-lyon2.fr
Date limite de publication : 2021-10-30

Contexte :
Travail en relation avec le LabEx IMU porteur pour le compte de l’UdL de l’action 14 « Think and do tank » du projet TIGA « L’industrie (re)connectée et intégrée à son territoire et ses habitants » coordonné par la Métropole de Lyon. L’ingénieur(e) travaillera plus particulièrement dans le cadre de l’observatoire développé au sein de l’Action 14 par l’action conjointe de l’agence d’urbanisme de Lyon et le laboratoire ERIC.

Plus de détails ici : https://www.universite-lyon.fr/offres-d-emploi/poste-ingenieur-d-etudes-en-developpement-informatique-h-f-au-labex-imu-240399.kjsp?RH=1486549846826

Sujet :
L’ingénieur(e) aura pour mission de développer une application Web en lien avec le système d’information mis en place pour le projet TIGA (bases de données statistiques et spatiales). Cette interface devra pouvoir être manipulée par un utilisateur novice via un appareil mobile comme un smartphone. Elle comporte deux composants essentiels :
1. Des éléments de visualisation des données issues du projet (dataviz)
2. Des éléments d’interaction avec l’utilisateur (sliders, texte éventuellement) qui devront pouvoir être enregistrés dans le SI.

Profil du candidat :
Ingénieur Informatique
Développement Web

Formation et compétences requises :
BAC+5 en Informatique

Adresse d’emploi :
Laboratoire ERIC
Université Lyon 2
5 avenue Pierre Mendes France 69500 Bron

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

Laboratoire/Entreprise : U. Reims — CReSTIC / LMR
Durée : 12-24 mois
Contact : nicolas.passat@univ-reims.fr
Date limite de publication : 2021-10-31

Contexte :
La personne recrutée sera intégrée dans le cadre d’un projet scientifique mené en partenariat entre le Laboratoire de Mathématiques de Reims (LMR) UMR CNRS 9008, le CReSTIC EA 3804, et le service de néonatologie du CHU de Reims. Ce projet est orienté sur la problématique de traitement de données issues de signaux EEG/aEEG, de données biologiques et d’images IRM pour le nouveau-né. Il est financé par l’Agence Nationale de la Recherche et l’American Memorial Hospital Foundation.

Sujet :
Dans ce contexte, le travail consistera plus précisémment à traiter et analyser des données issues d’une étude ancillaire d’une cohorte d’environ 800 nouveau-nés à terme dans le cadre de l’étude LyTONEPAL dont l’un des objectifs est d’étudier les facteurs prédictifs du devenir défavorable (neuropathologies, troubles psychomoteurs) à 3 ans. Le travail consistera à analyser des biomarqueurs prédéfinis qui seront confrontés à des caractéristiques extraites de signaux EEG standard à l’aide d’outils de statistiques et d’apprentissage machine. En parallèle, il s’agira également de fournir des outils de traitement et de visualisation adaptés à la recherche clinique pour déterminer les mesures de neuroprotection à mettre en place, en particulier pour la prise en charge
pré-hospitalière des encéphalopathies anoxo-ischémiques.

La personne recrutée est amenée à : développer de nouveaux algorithmes et méthodes numériques ; participer à l’optimisation et au développement des outils numériques du projet ; contribuer au portage des codes sur les supercalculateurs mis à disposition ; participer à la dissémination du savoir par le biais de conférences, articles, formations autour des outils développés.
Activités :
• Développer des méthodes de traitement et d’analyse de données (biomarqueurs, signaux EEG)
• Développer des outils numériques de calculs et de visualisation
• Exploiter le supercalculateur du mésocentre
• Collaborer étroitement avec le service de néonatologie du CHU de Reims
• Participer à la dissémination du savoir

Profil du candidat :
Compétences recherchées
• Expertise en statistique et analyse des données
• Compétences en informatiques et langages de programmation (Python, C/C++, R)
• Connaissances en traitement du signal
• Connaissances en méthodes de deep learning (GAN, autoencodeurs, . . .)
• Connaissances en parallélisme CPU/GPU (MPI, openmp, cuda/opencl)
• Niveau correct en anglais souhaité
• Capacité à travailler en équipe et en autonomie

Formation et compétences requises :
Docteur (dans le cas d’un profil post-doc).
Ingénieur ou titulaire d’un Master (dans le cas d’un profil IGR).

Adresse d’emploi :
CReSTIC / LMR – UFR Sciences Exactes et Naturelles, Reims

Document attaché : 202104230816_2021_fiche_de_poste_eeg.pdf