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

Laboratoire/Entreprise : Laboratoire Informatique de Bourgogne
Durée : 1
Contact : hocine.cherifi@u-bourgogne.fr
Date limite de publication : 2021-04-27

Contexte :
Plusieurs postes d’ATER en informatique sont (susceptibles d’être) ouverts au concours à l’Université de Bourgogne avec rattachement au laboratoire d’Informatique de Bourgogne (LIB) :

– 5 postes à l’UFR Sciences & Techniques

– 2 postes à l’école d’ingénieurs ESIREM

– 2 postes à l’IUT Dijon-Nevers

Les profils d’enseignement sont variés et les profils recherche demandent une intégration dans une des équipes du LIB

Science des Données
Combinatoire-Réseaux
Modélisation géométrique

Voir les détail des profils sur Galaxie/Altair :

https://galaxie.enseignementsup-recherche.gouv.fr/antares/can/astree/index.jsp

Date limite de dépôt de candidature le 10 mai 16h.

Contact recherche : Hocine Cherifi hocine.cherifi@u-bourgogne.fr

Sujet :
NC

Profil du candidat :
NC

Formation et compétences requises :
NC

Adresse d’emploi :
LIB

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

Laboratoire/Entreprise : Ecole Nationale Supérieure de Techniques Avancées
Durée : CDD puis CDI
Contact : toumiab@ensta-bretagne.fr
Date limite de publication : 2021-04-30

Contexte :
Dans le cadre du renforcement de ses activités de recherche et d’enseignement dans le domaine des systèmes d’observation intelligents, l’Ecole Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne, www.ensta-bretagne.fr) recrute un(e) Enseignant(e)-Chercheur(e).

Mots-clés : système radar, télédétection, radiofréquences, hyperfréquences, propagation EM, modélisation et simulation, expérimentation et analyse, IA et machine-learning.

Fiche de poste téléchargeable :
https://www.ensta-bretagne.fr/fr/fdp-stic-rems-radar-2021

Sujet :
ENSTA Bretagne rassemble sur son campus brestois une école d’ingénieurs et un centre de recherche pluridisciplinaires, soit 910 étudiants en cycle ingénieur, formation d’ingénieur par apprentissage, master, mastère spécialisé ou thèse.
Cet établissement public forme des ingénieurs généralistes, capables d’assurer, dans un environnement international, la conception et la réalisation de systèmes de haute technologie pour tous les secteurs de l’industrie : naval, aérospatiale, automobile, télécommunications, énergie, défense… Les domaines de spécialisation proposés sont larges couvrant ainsi les sciences marines (architecture navale, énergies marines renouvelables, hydrographie, systèmes d’observation et robotique autonome) et des défis technologiques pluridisciplinaires (modélisation mécanique, architecture véhicule, pyrotechnie, systèmes numériques et sécurité, management de projets industriels). Les travaux de recherche, menés le plus souvent en fort partenariat industriel, sont conduits au sein de laboratoires multi-établissements : en technologies de l’information et de la communication (Lab-STICC, UMR CNRS 6285), en sciences mécaniques (IRDL, UMR CNRS 6027), en sciences humaines et sociales (CRF, EA 1410).

Localisation du poste
Le poste est localisé à l’ENSTA Bretagne au sein du département STIC. Celui-ci compte une centaine de personnes dont une quarantaine de permanents. Les thématiques d’enseignements se retrouvent principalement dans les spécialités des systèmes d’observation (électromagnétique, acoustique, …), l’intelligence artificielle, hydrographie, la robotique, la modélisation logicielle et la sécurité des systèmes (cyberdéfense). Les enseignants-chercheurs du département sont, pour la grande majorité, membres du Lab-STICC (Laboratoire des Sciences et Techniques de l’Information, de la Communication et de la Connaissance, UMR CNRS 6285) dont l’ENSTA Bretagne est tutelle. Le laboratoire structure la recherche « des capteurs à la connaissance » en Bretagne océane et regroupe plus de 500 personnes dont 220 chercheurs du CNRS ou des établissements ENIB, ENSTA Bretagne, IMT Atlantique, UBO et UBS.

Pôle de recherche SyPH
Les travaux de recherche de l’enseignant(e)-chercheur(e) se déroulent dans le cadre du laboratoire Lab-STICC, UMR CNRS 6285, au sein du pôle SyPH du Lab-STICC.

Le Pôle SyPH (Systèmes Photoniques & Hyperfréquences) recouvre une partie du spectre dédiée à l’amélioration des performances des systèmes photoniques et hyperfréquences considérés selon différents domaines d’applications. Les travaux menés visent l’optimisation des architectures des systèmes, au niveau des « couches basses » nécessaires à la maîtrise des capteurs.
L’un des thèmes principaux du pôle SyPH porte sur la modélisation, la simulation, l’intégration des couches physiques et la prise en compte de l’environnement dans le développement des systèmes Photoniques et hyperfréquences, mais aussi au niveau des systèmes hybrides combinant les deux aspects. Le pôle SyPH est pluridisciplinaire doté de compétences en électronique, en physique, en électromagnétisme, en traitement du signal et en mathématiques appliquées. De par sa construction et des thématiques abordées, le pôle est original par sa transversalité. En effet, il propose des problématiques d’intérêt dans les STIC et qui sont innovantes à la fois au niveau théorique, pratique et opérationnel. Les travaux sont menés dans l’objectif d’améliorer les performances des systèmes photoniques, optoélectroniques et hyperfréquences, dans différents domaines d’application (en mer, sous-marin, terrestre, aéroporté ou satellite : communication, radar, guerre électronique, télédétection, fouillis, détection, …), en tenant compte des spécificités et/ou contraintes liées au système considéré, mais aussi à l’environnement, au capteur, à la consommation énergétique, au temps de calcul et aux applications visées.
Les recherches développées au sein du pôle SyPH visent notamment à intégrer davantage « d’intelligence » dans les systèmes de communication et/ou d’acquisition et/ou d’exploitation des observations issues de systèmes de type optique (sur support physique ou sans fil) ou radar (aéroporté ou satellite) ou de géolocalisation de type GPS.

Profil du candidat :
Missions du candidat
En matière de recherche et développement :

Le (la) candidat(e) contribuera aux activités du pôle SyPH, dans sa composante hyperfréquences et radiofréquences, en renforçant les apports de l’ENSTA Bretagne sur la thématique de télédétection et radar. L’activité de recherche s’orientera vers le renforcement des liens entre la mesure (perception) issus d’un système d’observation et le développement et l’exploitation de méthodes innovantes, en particulier issues de l’IA, pour les fonctions des systèmes radar en détection, localisation, poursuite et reconnaissance. La compréhension des phénomènes physiques induits par l’interaction des ondes électromagnétiques avec l’environnement (notamment marin) et les obstacles présents sur une zone d’intérêt sera prépondérante. L’objectif est de contribuer à l’amélioration des performances des systèmes d’observation pour la télédétection et la surveillance, en particulier dans un contexte maritime.

Dans ce cadre, le (la) candidat(e) devra développer une activité concernant les thèmes :
● Télédétection et radar ;
● Méthodes innovantes de traitement (particulièrement celles issues de l’IA et du machine-learning) ;
● Compréhension des phénomènes physiques (interactions ondes/environnement) ;
● Dispositifs expérimentaux dédiés.

Par ailleurs, le candidat sera encouragé à s’impliquer dans l’encadrement des étudiants en master et en doctorat. Le candidat évoluera dans un contexte de recherche privilégiant les partenaires industriels et les projets internationaux.

Mots-clés : système radar, télédétection, radiofréquences, hyperfréquences, propagation EM, modélisation et simulation, expérimentation et analyse, IA et machine-learning.

En matière d’enseignement :
Le (la) candidat(e) retenu(e) s’intégrera dans l’équipe pédagogique du département STIC et participera aux enseignements de l’ensemble des formations de l’ENSTA Bretagne (cycle ingénieur, cycle ingénieur par alternance, formation continue, master recherche) constituant un service de 192h (équivalent TD).

Ses missions consisteront à :
● Contribuer aux enseignements généralistes des différentes formations de l’ENSTA Bretagne (FISE, FIPA, …) ;
● S’impliquer dans les enseignements plus spécialisés, notamment ceux dispensés dans la voie d’approfondissement SOIA (Système d’Observation et IA) ;
● Proposer, organiser et dispenser des enseignements dans son domaine d’expertise (avec implication forte dans la formation continue “Radar Télédétection”, “Mesures Hyperfréquences”) ;
● Participer aux enseignements en masters de recherche et mastères spécialisés ;
● Proposer, gérer et encadrer des projets étudiants éventuellement en partenariat avec des industriels.

Formation et compétences requises :
Profil et Compétences
● Titulaire d’un doctorat.
● La qualification par le ministère de l’enseignement supérieur, de la recherche et l’innovation (MESRI) sera fortement appréciée.
● Une expérience significative adaptée aux besoins du poste sera un plus ;
● Une motivation à l’international sera valorisée ;
● Il est indispensable d’apprécier le travail en équipe et d’être enclin à collaborer étroitement avec les autres membres du département ;
● Maîtrise de l’anglais oral et écrit pour l’enseignement et la recherche ;
● Volonté de valoriser ses activités de recherche.

Informations complémentaires

● Les candidatures (lettre de motivation et curriculum vitae détaillés), doivent parvenir au plus tard le 30 avril 2021 à :
Monsieur le Directeur de l’Ecole Nationale Supérieure de Techniques Avancées Bretagne
(Secrétariat Général/Bureau des « Ressources Humaines »)
2, rue François Verny
29806 BREST CEDEX 9

Ou par mail à jean-pierre.baudu@ensta-bretagne.fr

● Poste à pourvoir en septembre 2021.

Pour tout renseignement, vous pouvez contacter :

● Contact administration ENSTA Bretagne :
Jean-Pierre Baudu, Secrétaire général,
(02 98 34 88 36), jean-pierre.baudu@ensta-bretagne.fr
● Contact recherche :
Ali Khenchaf, Correspondant Lab-STICC du pôle SyPH à l’ENSTA Bretagne,
(02 98 34 88 45), ali.khenchaf@ensta-bretagne.fr
● Contact enseignement :
Abdelmalek Toumi, Responsable enseignement de la voie d’approfondissement SOIA,
(02 98 34 89 49), toumiab@ensta-bretagne.fr

Adresse d’emploi :
ENSTA Bretagne Brest France

Document attaché : 202103310858_FICHE_POSTE_EC_Radar_IA.pdf

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

Laboratoire/Entreprise : UMS CPST (Data Terra)
Durée : 14 mois
Contact : jean-christophe.desconnets@ird.fr
Date limite de publication : 2021-04-30

Contexte :
https://bit.ly/3fKszjn

PHIDIAS est un projet européen sur 36 qui vise au développement et la réalisation concrète d’un ensemble de services et d’outils interdisciplinaires basés sur le HPC. Ceci afin de permettre aux sciences des systèmes terrestres d’exploiter de grands ensembles de données d’intérêt européen public fourni par l’observation de la Terre par satellite. PHIDIAS fournira un accès FAIR à ces jeux de données traités ainsi que des services à valeur ajoutée : du traitement de données «standard» appliqué aux jeux de données hétérogènes Big-Data, aux services plus avancés tels que l’IA ou le HPC à la demande appelé «informatique urgente». Cela sera rendu possible grâce à une grande capacité de stockage de données et à un réseau à large bande passante à travers l’Europe.

L’infrastructure de recherche Data Terra « Pôle de données et de services pour le système Terre » a pour objectif d’observer, comprendre et prévoir de manière intégrée l’histoire, le fonctionnement et l’évolution du système Terre soumis aux changements globaux. Cela nécessite la mise en œuvre d’infrastructures innovantes permettant l’analyse, la diffusion et l’utilisation intelligente de données (spatiales, in-situ), indicateurs et modèles issus des systèmes nationaux et internationaux d’observation (sol, mer, espace) ainsi que leur mise à disposition des communautés scientifiques, des acteurs publics et de l’innovation et des citoyens.
L’IR Data Terra, inscrite sur la feuille de route nationale des IR/TGIR, bénéficie de l’appui et d’une politique coordonnée d’une trentaine d’organismes et institutions partenaires. L’IR fédère les activités de 4 pôles de données couvrant les 4 compartiments du système Terre (Terre solide «Form@Ter», Océans «ODATIS», Surfaces continentales «THEIA» et Atmosphère «AERIS») ainsi que des dispositifs transversaux comme DINAMIS pour l’accès aux données spatiales, l’Inter-pôles pour partager expertises et expériences (interopérabilité, catalogage, DOI, ) dans la mise en oeuvre de systèmes d’information.
L’UMS CPST (Coordination Pôles de données et de services pour le Système Terre) a pour mission d’apporter un appui aux activités de l’IR Data Terra dans ses missions d’administration, de gestion et de coordination technique des infrastructures et centres de données et de services. Elle a pour principales tutelles le CNRS/INSU, le CNES, IFREMER, l’IRD, IRSTEA, IGN et Météo France.

Sujet :
Le Titulaire sera en charge de mettre en œuvre les activités permettant de rendre interopérable les données produites dans le cadre du projet PHIDIAS ; ce pour la découverte, l’accès et le traitement des données (données haute résolution optique SPOT 6, SPOT 7 et Sentinel 2, données sur l’atmosphère Sentinel 5P et données in-situ d’océanographie (ex. micro-biologie).
Le Titulaire devra prendre en compte les recommandations émises par l’IR Data Terra et les mettre en œuvre pour PHIDIAS. Il sera force de proposition pour améliorer ces recommandations (modèle de métadonnées, vocabulaires communs, protocole de diffusion) à partir des cas d’utilisation proposés dans les WP4, WP5 et WP6 de PHIDIAS. A ce titre il effectuera également un travail de veille sur les initiatives afférentes (OGC, ENVRI-FAIR, Research Data Alliance, GOFAIR, CEOS) et pourra selon le cas proposer des améliorations ou bien contribuer à ces initiatives (notamment GOFAIR et ENVRI-FAIR dans lesquels l’IR Data Terra est directement impliqué).
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 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.

Profil du candidat :
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

Formation et compétences requises :
Doctorat ou diplôme d’une école nationale supérieure

– Comprendre les spécificités des données spatio-temporelles scientifiques
– Avoir un sens critique sur des résultats
– Rédiger des rapports ou des documents techniques
– Assurer une veille technologique
– Autonomie et sens de l’initiative

Adresse d’emploi :
Maison de la télédétection, Montpellier

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

Laboratoire/Entreprise : Mines Saint-Etienne (Gardanne) – LIMOS
Durée : Permanent
Contact : dauzere-peres@emse.fr
Date limite de publication : 2021-04-30

Contexte :
Un poste de Maître de conférences 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.

Les dossiers de candidature sont à déposer sur la plateforme RECRUITEE avant le 23 avril 2021

Attention : le calendrier est différent de celui des postes de maîtres de conférences des universités.

Sujet :
URL de l’annonce et du dépôt du dossier : https://institutminestelecom.recruitee.com/o/maitre-de-conference-en-sciences-de-donnees-et-optimisation-sciences-du-manufacturing

Profil du candidat :
URL de l’annonce et du dépôt du dossier : https://institutminestelecom.recruitee.com/o/maitre-de-conference-en-sciences-de-donnees-et-optimisation-sciences-du-manufacturing

Formation et compétences requises :
URL de l’annonce et du dépôt du dossier : https://institutminestelecom.recruitee.com/o/maitre-de-conference-en-sciences-de-donnees-et-optimisation-sciences-du-manufacturing

Adresse d’emploi :
Ecole des Mines de Saint-Etienne
Campus G. Charpak Provence
880 avenue de Mimet
F-13541 Gardanne

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

Laboratoire/Entreprise : UMR GREYC et UMR TETIS
Durée : 3 ans
Contact : mathieu.roche@cirad.fr
Date limite de publication : 2021-05-01

Contexte :
Cette thèse s’inscrit dans le cadre du projet Herelles financé par l’ANR (Agence Nationale de la Recherche), projet qui a démarré en novembre 2020. Herelles a pour but de définir un cadre théorique et opérationnel sur le clustering collaboratif avec une application phare portant sur des séries temporelles venant d’images de télédétection.

Dans ce cadre, une boucle d’interaction est mise en place entre les méthodes de clustering collaboratif et l’utilisateur afin que celui-ci puisse intervenir en ajoutant des contraintes sur les résultats des clusterings ; ces contraintes sont prises en compte dans les clusterings produits dans les itérations suivantes. Cette démarche permet à l’utilisateur de converger plus rapidement sur la découverte d’une information pertinente.

Cependant, l’utilisateur ne sait pas toujours formuler les contraintes exprimant son intérêt. Le but de cette thèse est de concevoir de nouvelles méthodes pour l’aider (i) à représenter les données en combinant des informations issues des images et textes, (ii) à prendre en compte les retours utilisateurs pour découvrir des règles explicitant l’intérêt de l’utilisateur.

Sujet :
Dans le cadre de ce projet de thèse, une représentation des objets (sols, bâtiments,…) sera proposée ; elle reposera sur une combinaison de descripteurs (issus des images et textes) permettant de “sémantiser” les clusters (labellisation des clusters). Par exemple, avec une image on repère des bâtiments ou une végétation, avec des textes, leurs fonctions ou leur type et on en déduit qu’un cluster représente des bâtiments industriels ou des arbres. L’ensemble de ces descripteurs formera une représentation originale et “sémantisée” qui associe une information calculée à partir des images satellites (compacité, spectre NDVI, nombre de points par clusters, etc.) et une information issue des ressources textuelles liée aux images (par exemple, mots-clés apportant une dimension thématique, toponymes apportant une dimension spatiale). En enrichissant la description des clusters, cette sémantisation va aider les utilisateurs dans l’analyse d’un clustering et de vérifier leur cohérence par rapport aux contraintes textuelles qui peuvent être extraites de documents dédiés (par exemple, “l’ouverture à l’urbanisation de la zone X de Montpellier est subordonnée à la desserte par des transports collectifs”).

D’autre part, ces clusters sémantiquement enrichis vont permettre de générer des règles de nature différente, intégrant à la fois cette sémantique et les retours de l’utilisateur. Ces retours sont obtenus de manière itérative, en s’appuyant sur le principe de la fouille interactive. Un aspect remarquable de cette démarche est que celle-ci permet d’apprendre, à partir des retours de l’utilisateur, son intérêt modélisable sous forme de règles. Ce résultat s’explique par le fait qu’un utilisateur peut être capable d’exprimer ce qui lui convient (ou pas) dans l’information extraite alors qu’il ne sait pas formaliser lui-même cet intérêt. Dans cette thèse, ce principe sera mis en oeuvre via le redescription mining. Le redescription mining propose “automatiquement” des règles intégrant différentes vues sur des objets. Ces vues sont ici l’information issue des images satellites, celle issue des ressources textuelles et les retours utilisateurs. L’originalité sera de combiner dans un même formalisme cette information hétérogène. Le but est de rendre possible la découverte de règles comme “l’utilisateur recherche des grandes zones végétales – clusters avec des points éloignés et ayant un indice NDVI élevé – et qui sont aussi des zones urbanisables”. Pour cela, il est nécessaire de prendre en compte le fait que l’une des vues d’une redescription capture les retours utilisateurs, ce qui nécessite le développement de nouvelles méthodes de redescription mining.

Profil du candidat :
Sciences des Données

Formation et compétences requises :
Master ou École d’ingénieur

Adresse d’emploi :
La thèse se déroulera à Caen ou à Montpellier (des déplacements entre les deux sites seront à prévoir).

Pour candidater, envoyer les documents suivants (exclusivement au format pdf) à Mathieu Roche (mathieu.roche@cirad.fr) et Bruno Crémilleux (bruno.cremilleux@unicaen.fr) :
– lettre de motivation expliquant vos qualifications, expériences et motivation pour ce sujet ;
– curriculum vitae ;
– relevés de notes de licence 3, de master (ou équivalent pour les écoles d’ingénieur) ;
– lettre de recommandations ou coordonnées de personnes (encadrants de stage, enseignants ou autre personne) pouvant fournir des informations sur vos compétences et votre travail.

Document attaché : 202104221427_SujetThese_Herelles.pdf

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

Laboratoire/Entreprise : CNRS/CHU Grenoble Alpes
Durée : 12 mois
Contact : sartemova@chu-grenoble.fr
Date limite de publication : 2021-05-30

Contexte :
Le Centre National de la Recherche Scientifique est un établissement public à caractère scientifique et technologique (EPST) placé sous la tutelle administrative du ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation. Figurant au rang des acteurs majeurs de la recherche et de l’innovation en France, en Europe et dans le monde, le CNRS se caractérise, depuis sa création, par sa pluridisciplinarité. Des mathématiques et de la physique aux sciences humaines et sociales, en passant notamment par la physique nucléaire et des particules, la chimie et les sciences du vivant, les sciences de l’univers, les sciences et technologies de l’information et de l’ingénierie, et les sciences de l’écologie et de l’environnement, le CNRS est présent sur l’ensemble du front, sans cesse en évolution, des connaissances. Sa couverture de l’ensemble des thématiques scientifiques lui permet d’être à l’écoute de la société et de mobiliser ses équipes de recherche sur les défis qui surgissent.
Au niveau de la recherche autour des données de santé, le CNRS finance un poste de soutien au développement de la plateforme PREDIMED (https://www.chu-grenoble.fr/content/entrepot-de-donnees-de-sante-eds). Cette plateforme fédère des équipes d’origine diverses :
• Le laboratoire TIMC (UMR 5525 https://www-timc.imag.fr) auquel le poste est rattaché.
• Le Centre d’Investigation Clinique – Innovation Technologique (CIC-IT http://www.cic-it.fr/cic-it-grenoble.php) qui supporte la plateforme PREDIMED
• Le pôle de Santé Publique du CHU Grenoble Alpes (CHUGA)
• La Direction des Services Numériques du CHUGA qui héberge la plateforme.

L’ingénieur.e, recruté.e au sein de TIMC, sera amené à collaborer avec l’équipe en charge du développement de cette plateforme et plus particulièrement avec l’équipe système. Techniquement, cette plateforme est construite sur un cluster PROXMOX / CEPH et met en œuvre différentes technologies Open Source dont les principales sont Talend, Elasticsearch, ArangoDB pour extraire et stocker les données de SGBDR (essentiellement SQL Server) dans lesquels sont stockées les informations liées aux patients du CHUGA. La mission sera tournée sur l’évolution de cette plateforme.

Sujet :
L’ingénieur est recruté sur un profil majoritairement DevOps / administrateur système. Il sera intégré à l’équipe système en charge la plateforme technique PREDIMED ((Plateforme de Recueil et d’Exploitation de Données bIoMEDicales). Il devra contribuer très significativement à l’évolution de cette dernière afin qu’elle puisse répondre aux besoins émergeant qui sont, d’une part un meilleur suivi des phénomènes épidémiques (comme, par exemple, la COVID19, la grippe, bronchiolites, etc). et d’autre part, le croisement de nouveaux types de données nécessaires à la réalisation de nouveaux projets de recherche. Pour ce dernier point, la personne recrutée sera amenée à ajouter de nouveaux flux d’alimentation du lac à partir de sources de données nouvellement accessibles (comme, par exemple, les plateformes de réanimation, de gestion des urgences, etc.). Pour le premier point, après une étude de l’équipe PREDIMED sur l’évolution de la plateforme pour intégrer ces nouvelles fonctionnalités, il participera à la mise en place des mécanismes non encore présents comme par exemple les bus de messages, et contribuera à la définition et la documentation de la nouvelle architecture et aux processus opérationnel déployés.

Activités principales:
– Spécifier les composants logiciels liés à l’évolution de la plateforme technique PREDIMED ; un soin particulier sera porté à la sécurité définie par le référentiel SNDS (https://www.snds.gouv.fr/download/Guide_accompagnement.pdf) ;
– Mettre en œuvre les composants, l’acheminement de nouveaux flux de données vers l’entrepôt ;
– Former et assurer un transfert technologique auprès de l’équipe technique.

Activités secondaires:
– Actualiser et compléter ses connaissances disciplinaires et techniques ;
– Participer à l’exploitation de la plateforme ;
– Participer à la valorisation scientifique des résultats ;
– Participer à la coordination des activités de traitement et d’analyse de données massives et/ou ouvertes autour de données de santé dé-identifiées au niveau local.

Profil du candidat :
– Une très bonne maîtrise des langages de scripts utilisés en administration système et des principales technologies DevOps (containerisation, développement continu, …).
– Une grande familiarité avec les environnements Unix/Linux est indispensable.
– Des compétences sur des environnements hyperconvergés (PROXMOX, CEPH), l’ETL Talend Open Studio, les systèmes de fichiers répartis, sont souhaitées.
– Anglais : compréhension écrite et orale (niveau 3) ; expression écrite et orale (niveau 2).

Formation et compétences requises :
Savoir-faire opérationnels :
– Travailler dans des équipes pluridisciplinaires ;
– Faire part de curiosité pour des domaines/solutions nouveaux ;
– Transmettre des savoirs et des savoir-faire à différents publics ;
– Maîtriser les techniques de présentation orale ou écrite ;
– Être sensibilisé au cadre juridique des données de santé.

Adresse d’emploi :
https://emploi.cnrs.fr/Offres/CDD/UMR5525-ELSGEN-021/Default.aspx

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

Laboratoire/Entreprise : CNRS, I3S
Durée : 2 ans
Contact : raparicio@i3s.unice.fr
Date limite de publication : 2021-05-31

Contexte :
The thesis will take place in the I3S laboratory, a joint public research laboratory resulting from the collaboration of the CNRS, Univ. Cote d´Azur and INRIA. The I3S laboratory is one of the most important research laboratories in information and communication sciences in the French Riviera and was one of the first to settle in the science and technology park of Sophia Antipolis. It brings together just under 300 people.
The postdoc will work with experts in optimization, machine learning and telecommunications networks from the I3S and INRIA.

Sujet :
At this year 2021, cloud IP traffic has become the most part of Internet traffic [1] . A traffic that complexifies with an increasing devices diversity and traffic dynamicity [2] . The combination of Machine Learning (ML) and Artificial Intelligence (AI) with Network Softwarization (SDN/NFV) [4] has been proposed in the so-called Knowledge Defined Networking (KDN) [3] to give rise to a “Cognitive Cloud.” This “Cognitive Cloud” will allow automatically adapting to the growing complexity and variability of Internet traffic by (i) (re-)learning Cloud network control policies from data monitoring; and, (ii) applying these control policies onto a (re-)configurable Cloud network. For example, thanks to the flexibility provided by Network Softwarization (SDN/NFV), an application could be (re-)deployed in the Cloud or on the Edge (closer to the user) seamlessly (i.e. without degrading the user experience) to optimize the resources usage. This decision would be based on the past and current network status.
Thus, this postdoc is placed at the crossroad of two domains:
1. Artificial Intelligence (AI): Deep Learning Artificial Neural Network (ANN) will be used to learn the optimal control policies from network data.
2. Cloud Computing and Networking Sotwarisation: SDN, virtualization and Cloud orchestration tools will be used to implement the above-mentioned control policies onto private test-beds and/or public cloud platforms.
First, the postdoc researcher will work on the development of the AI algorithms and its deployment on test-beds and/or public cloud platforms. Hence, machine learning knowledge is necessary. Second, the postdoc will work on the development and maintenance of the Cloud test-beds (based on private or public infrastructure) where the AI algorithms will be deployed. Then, a strong background on system, networking and Cloud technologies is recommended.

Profil du candidat :
Researchers interested in applying to the Call for expression of interest of UCAJEDI may be of any nationality but they should meet the eligibility criteria of the Marie S.-Curie programme, which are the following:
· Must be postdoctoral researchers at the date of the call deadline (September 15, 2021), i.e. in a possession of a doctoral degree, defined as a successfully defended doctoral thesis, even if the doctoral degree has yet to be awarded.
· Must comply with the following mobility rule: they must not have resided or carried out their main activity (work, studies, etc.) in France for more than 12 months in the 36 months immediately before the call deadline.
· At the call deadline (September 15th, 2021), supported researchers must have a maximum of 8 years full-time equivalent experience in research, measured from the date that the researcher was in a possession of a doctoral degree and certified by appropriate documents. Years of experience outside research and career breaks (e.g. due to parental leave), will not be taken into account.

Formation et compétences requises :
Desired level of studies:
– PhD degree on Information and Communication Technologies (disciplines such as Computer Science, Telecommunications or Data Science)
IT skills:
– Python 3.5 language, Python frameworks (like PyCharm, Jupiter Notebook, Spyder, Conda)
– Deep Learning Libraries (like TensorFlow, Keras)
– Networks and system (Unix, typically)
– VM/Containers technologies, cloud orchestration (OpenStack, Kubernets, Ansible, Docker, LXD/LXC)
– Network programmability: SDN controllers (e.g. OpenDaylight), OpenFlow protocol, Mininet emulator
– OOP (like Java)
Theory:
– Machine learning and data science (namely neural network theory)
– Classical optimization theory (convex optimization, combinatorial optimization)
– Computer network control plane (algorithms and protocols)

Adresse d’emploi :
APPLY TO THE CALL FOR EXPRESSION OF INTEREST

If you meet the eligibility criteria described above and are interested to respond to our call for expression of interest you have two choices:

· Look into our university’s host offers (click to see the list of projects) and find the research topic that best suits your career interests.

· Send us your CV[1] and a Cover letter tailored to the research topic you chose from our offer.

OR

· If you do not find a topic that corresponds to your interests, propose a personal innovative and transdisciplinary postdoc research project that can be deployed over 12-24 months. It would be better if you will have already identified a research unit.

· Send us your CV1, a Cover letter and a description of the research topic you propose (objectives, approach, methodology, impact…)

Send us your application in English at cellule-europe-mutualisee@univ-cotedazur.fr

Application deadline: May 31, 2021. The sooner the better!

[1] Your CV should also include information on publications, granted patents, invited presentations to international conferences, organization of conferences in your field of research, examples of participation in industrial innovation, prizes and awards, funding received so far, supervising and mentoring activities.

Accepted applicants will be contacted at the latest mid-June and they can immediately start working on the proposal together with their supervisor. The Joint European Research Office of UCAJEDI will provide full support in the application process.

We thank you in advance for your interest and for disseminating this message.

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

Laboratoire/Entreprise : CEA Grenoble
Durée : 24 Months
Contact : marina.reyboz@cea.fr
Date limite de publication : 2021-05-31

Contexte :
Heat pumps (HPs) are playing an increasing role in energy systems and have the potential to make a significant contribution to the decarbonization of the building sector. However, current HPs do not sufficiently take into account the variability of external disturbances such as weather conditions or user requirements.

Sujet :
The two main objectives of the project are the development of Artificial Intelligence (AI) methods based on the incremental learning of Artificial Neural Networks (ANNs) to achieve adaptive regulation and supervision of HPs. Indeed, ANNs can improve the energy performance of HPs by learning about their different modes of operation and allowing them to adapt their heat production in anticipation of future events, as well as by adaptive detection of operational anomalies. However, both ANNs and other machine learning methods often generate significant errors when confronted with significantly different or new data. For real-time use in HP regulators, the ANN system must constantly learn new knowledge, while keeping in mind the old ones.
Thus, this work will cover the development of the end-to-end AI pipeline for time series data based on incremental learning for adaptive HP control and supervision, with the development of AI pipeline based on incremental learning for numerical and event sequence data (generated by successive operational states of an underlying unknown state machine):
o Pre-process datasets
o Develop the classification and the forecast models
o Develop the anomaly and novelty detection model for the use cases
o Develop the incremental model to the defined datasets

Profil du candidat :
The candidate should have completed a PhD in Computer Science, Cognitive Sciences, Machine Learning, or Signal Processing. The main requirement of the candidate is to have strong skills in Neural Network modelling and be able to program a Convolutional Neural Network (CNN), Recurrent Neural Network (RNN) and Long-Short Term Memory (LSTM) Network.

Good programming practice in Python (Tensorflow, with some basic GPU environment knowledge). Applicants should master written and spoken English. A brief description of the PhD thesis, a publication list and some recommendations should be included to your application.

Formation et compétences requises :
Knowledges and experiences in some or all of the following fields will be an asset during the position:
• Deep learning / Machine Learning
• Applied mathematics (probability / statistics)

Adresse d’emploi :
CEA Grenoble

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

Laboratoire/Entreprise : CEA Grenoble
Durée : 12 Months
Contact : marina.reyboz@cea.Fr
Date limite de publication : 2021-05-31

Contexte :
Artificial neural networks (ANNs) have become fundamental tools for processing data that is now massively exchanged. Their deployment in sensitive technologies (autonomous cars, smart grids, content filtering, pre-processing of personal data on the peripheral internet, etc. ) is accelerating. However, ANNs have a major security default: they can be attacked by adversarial examples. Adversarial examples are data created maliciously to lead ANNs to make erroneous predictions. They pose a critical problem today and are therefore a hot topic in machine learning.

Sujet :
A bio-inspired model has already been built to detect adversarial examples, which implements reinjections similar to those proposed in some computational models of human memory. The hybrid model implements both auto-encoder and classifier functions, gets of excellent performance on small-scale databases. A patent is being filed that will protect the system for the detection of anomalies in a broad sense. A scientific paper is also being written, which presents the model for the specific case of the detection of adversarial examples (which can be considered a particular case of anomalies), a particularly difficult to detec).
The postdoctoral researcher will be required to generalize the model’s performance to larger-scale natural image databases. In particular, it will be necessary to:
– Propose a new type of hybrid architecture to move from classic autoencoders to convolutional autoencoders (which would no longer require a pre-extraction of features);
– Test integration of the generative model system (which “stabilizes” the latent space), in particular variational autoencoders;
– Optimize the existing model parameters.
On the other hand, we would like to extend the topic of adverse case detection to the robustness of models against adversarial examples (i. e., the ability of models to properly classify adversarial examples). Preliminary results from smaller databases suggest that the reinjection of an adversarial example might help to identify its class of origin or to denoise it, a phenomenon that has yet to be quantified and generalized to larger databases.

Profil du candidat :
The candidate should have completed a PhD in Computer Science, Machine Learning.

Knowledges and experiences in some or all of the following fields will be an asset during the position:
• Adversarial Machine Learning
• Security (attacks, protections, evaluation)
• Applied mathematics (probability / statistics)

A brief description of the PhD thesis, a publication list and some recommendations should be included to your application.

Formation et compétences requises :
Good programming practice in Python (Tensorflow, with some basic GPU environment knowledges). Applicants should master written and spoken English.

Adresse d’emploi :
CEA Grenoble

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

Laboratoire/Entreprise : CERES, Sorbonne Université
Durée : 1 an renouvelable
Contact : virginie.julliard@sorbonne-universite.fr
Date limite de publication : 2021-05-31

Contexte :
L’unité de service CERES (Centre d’Expérimentation en méthodes numériques pour les REcherches en
SHS), créée en février 2021 au sein de la Faculté des Lettres de Sorbonne Université, recrute deux
ingénieur·e·s, l’un·e en informatique, l’autre en sciences humaines et sociales, à compter du 1er avril 2021
(CDD d’un an renouvelable). Cet appel à candidatures concerne le recrutement d’un ou une ingénieur·e
en informatique.

Sujet :
OBJECTIFS CLEFS DU POSTE
★ En collaboration avec les membres du comité de pilotage de CERES, vous concevrez et
implémenterez la stratégie informatique de l’unité.
★ Vous recueillerez le besoin de chercheurs et chercheuses dans différentes disciplines des SHS,
conduirez les tâches de conception et de développement logiciel afférentes, et contribuerez à
l’enrichissement des travaux de recherche par des expérimentations techniques.
★ Vous conduirez une veille technique sur les API et techniques détournées (scraping…) permettant
de constituer des corpus de publications issues de réseaux sociaux, et concevrez et développerez
une infrastructure de captation complète (captation temps réel, captation du contexte, captation
des médias associés, suivi de la collecte dans le temps…).
★ Vous proposerez des modalités innovantes de visualisation et d’interaction avec les données en
lien avec les corpus de recherche, et fournirez ainsi aux chercheur·se·s de nouvelles manières
d’explorer, comprendre, annoter, analyser, publier et discuter leurs données.
★ Avec les chercheur·se·s, vous expérimenterez divers outils informatiques et méthodologies
d’analyse, et proposerez une réponse technique à la question de l’évaluation des jeux de données
analytiques.
★ Vous encadrerez techniquement des stagiaires autour de thématiques spécifiques, telles que la
mise en œuvre d’algorithmes de ML sur les corpus.

Profil du candidat :
★ Vous êtes titulaire d’un diplôme d’ingénieur en informatique, avec une forte coloration
développement Web full stack.
★ Vous êtes intéressé·e par le domaine de la recherche en sciences humaines et sociales, de l’étude
de sources historiques à l’analyse des controverses contemporaines sur le Web.
★ Vous aimez expérimenter avec le Web, et êtes attiré·e par l’idée de développer des logiciels en
dialogue avec une recherche en cours d’élaboration.
★ Vous aimez travailler avec des personnes issues d’horizons intellectuels variés, et êtes capable de
vous faire parfaitement comprendre par des non informaticien·ne·s.
★ Vous avez la rigueur nécessaire à la mise en place de protocoles de comparaison de jeux de
données scientifiques.

Formation et compétences requises :
★ Scripting Python et interfaçage avec des librairies de traitement et de visualisation de données
★ Conception et développement d’API (REST, GraphQL)
★ Maîtrise d’un framework Web Python (Django et/ou Flask idéalement)
★ Maîtrise d’un framework de développement front JS (React.js, Svelte, Vue.js)
★ HTML5/CSS3
★ Mise en production avec Docker + administration de serveurs GNU/Linux
★ Méthodo de développement (tests unitaires, tests d’intégration, Git)
★ La connaissance d’Apache Lucene serait un plus
★ Des connaissances en ML et/ou TAL seraient un plus

Adresse d’emploi :
L’unité CERES est localisée à la Maison de la recherche de Sorbonne Université (28 rue Serpente, Paris VIe).

Document attaché : 202102231023_AAC_IGR_Informatique_SU.pdf

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

Laboratoire/Entreprise : INSA CVL – LIFAT (Blois/Tours)
Durée : 1 an de CDD puis CDI
Contact : julien.mille@insa-cvl.fr
Date limite de publication : 2021-05-31

Contexte :
L’INSA Centre Val de Loire ouvre des postes d’Enseignant Chercheurs contractuels (CDD d’un an puis CDI).

Date limite de dépot des candidatures : 16 mai 2021

Sujet :
Un poste de Professeur en informatique est ouvert pour septembre 2021.
La personne recrutée fera ses enseignements sur le campus de Blois au sein de l’INSA CVL.
Le/la candidat(e) retenu(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 (computer vision), l’apprentissage automatique (machine learning), la fouille de données (data mining), la visualisation de données (data visualisation), le traitement des langues naturelles (text mining) ou l’optimisation de problèmes combinatoire (combinatorial optimization)

Profil du candidat :
Le recrutement d’un ECC de niveau assimilé à un Professeur des universités 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 est composée de 20 permanents répartis sur les sites de Tours et Blois et articule ses recherches autour de 4 axes principaux : le traitement et l’analyse d’images et de vidéos, l’apprentissage statistique (machine learning), la reconnaissance des formes à base de graphes, le traitement de données séquentielles et de la temporalité.

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 (i) à animer et fédérer la recherche (ii) à monter des collaborations et des projets de recherche ambitieux au niveau national et international (iii) à renforcer les partenariats industriels et les collaborations entre équipes du LIFAT.

Formation et compétences requises :
Les modalités de candidature sont disponible sur : https://www.insa-centrevaldeloire.fr/fr/insa-centre-val-de-loire/insa-recrute

Adresse d’emploi :
Institut National des Sciences Appliquées Centre Val de Loire (INSA CVL)
Campus de Blois (France)

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

Laboratoire/Entreprise : Laboratoire d’Informatique de Grenoble
Durée : 18 months
Contact : Emilie.Devijver@univ-grenoble-alpes.fr
Date limite de publication : june 2021

Contexte :
This project fits within the Grenoble Computer Science Lab (called LIG, http://www.liglab.fr/en) and the Interdisciplinary Institute in Artificial Intelligence MIAI@Grenoble Alpes (https://miai.univ-grenoble-alpes.fr/). MIAI@Grenoble Alpes is one of the four AI Institutes created by the French government to accelerate R&D, teaching and innovation in AI in France. It is also based on a collaboration with Marianne Clausel in IECL (Nancy) and with two industrial partners, namely Total and Serimax.

Sujet :
Machine learning methods have been successful in various domains, such as marketing with customer behaviour prediction, health with patient diagnosis and industry with the optimisation of industrial processes. In many cases, one needs to make some prediction from parameters that are heterogeneous, as they can be quantitative or qualitative, ordinal or non-ordinal, real or Boolean, and are uncertain in the sense that their values usually originate from noisy measurement procedures. In practice, it is important to combine all these heterogeneous parameters and to take into account their uncertainty to improve the predictions made.

To address these issues, we have recently introduced [1] a new model called Probabilistic Regression (PR) trees that extend standard regression trees with the possibility to adapt to the smoothness of the prediction function while preserving interpretability and being robust to noise. This project is intended to further develop this model and make the current research prototypes more robust. In particular, the successful candidate will have to address the following points:
– Evaluate the quality of the prediction made by PR trees on several real and challenging datasets as well as the impact of uncertainty on the results;
– Design, implement and test new machine learning/data analysis methods to e.g. assess the advantages/disadvantages of the quantile version of PR trees and determine the importance of each parameter;
– Make the current research prototypes more usable and robust.

[1] S. Alkhoury et al. Smooth and Consistent Probabilistic Regression Trees. NeurIPS 2020.

Profil du candidat :
Candidates should have excellent software engineering skills.

To apply Interested candidates should send a complete CV with a list of publications and two reference letters to Emilie Devijver (emilie.devijver@univ-grenoble-alpes.fr) and Eric Gaussier (eric.gaussier@univ-grenoble-alpes.fr).

Formation et compétences requises :
They should also have experience in machine learning and modelling, an ability to work effectively with a multidisciplinary team of computer scientists and mathematicians, and excellent oral and written communication skills.

Adresse d’emploi :
IMAG

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

Laboratoire/Entreprise : LS2N
Durée : 12 mois
Contact : francois.queyroi@univ-nantes.fr
Date limite de publication : 2021-06-01

Contexte :
IMT Atlantique recrute un(e) post-doctorant(e) pour une durée de 12 mois dans le cadre du projet R&D collaborative FLOTES, sur le thème de la science des données pour des études logistiques en contexte urbain.

Le post-doctorat est financé par la Région Pays de la Loire, suite à l’appel à projet R&D collaborative 2020. La personne recrutée travaillera en collaboration avec des chercheurs du Laboratoire des Sciences du Numérique de Nantes (LS2N, UMR CNRS 6004), équipes Duke et SLP et avec 2 entreprises de la région Pays de la Loire (Energies Demain et Logiroad).

Sujet :
L’objectif principal du post-doc est de contribuer à la création concevoir un outil d’aide à la décision pour simuler les flux logistiques en zone urbaine, à partir de données hétérogènes (données publiques, mesures des flux de circulation).

Le futur logiciel s’adressera aux collectivité locales et aux acteurs locaux de la logistique urbaine. Il visera à optimiser les solutions logistiques à développer pour répondre au mieux à la demande de transport de “dernier kilomètre” en respectant des contraintes techniques, environnementales, économiques et réglementaires. Il doit servir à la politique de l’aménagement de la ville et de la transition énergétique. 

La première étape du post-doctorat sera d’estimer la demande de transport en intégrant les données issues des différentes sources en une base unique, puis de simuler des flux logistiques et les compléter de manière réaliste. Cette utilisation de données hétérogènes et incomplètes pour la simulation requiert par ailleurs un travail de recherche (développement d’algorithmes nouveaux).

La deuxième étape sera d’utiliser ce travail de simulation des flux pour produire plusieurs cas d’étude logistique, par exemple : l’identification de zones propices à la mise en place de dessertes réglementées, la localisation des espaces logistique urbains, mesure de l’intérêt du transport combiné de personnes (transport public) et de marchandises, etc.
Nous envisageons le développement et codage d’algorithmes d’optimisation dont l’utilisation sera rendue accessible à l’entreprise par une interface graphique simple dans un bloc note Jupyter en Python. Les données cartographiques seront issues des données et outils libres de calculs et visualisation basés sur OpenStreetMap. Ce démonstrateur offrira donc une interface simple, utilisable par les scientifiques, mais permettant aux industriels d’apprécier l’utilité de l’optimisation sur une problématique suffisamment réaliste.

Profil du candidat :
Pour des raisons liées à l’épidémie de Covid, les candidats non européens devront être présents physiquement en France pendant la période de candidature et être titulaires d’un titre de séjour en cours de validité.

– autonome en programmation
– être capable de communiquer ses travaux auprès de la communauté scientifique en anglais (articles, conférences)
– être francophone, pouvoir communiquer efficacement auprès des différents interlocuteurs du projet (entreprises et labo)

Formation et compétences requises :
La personne recrutée devra :

• être titulaire d’un doctorat (ou soutenance déjà planifiée) et avoir démontré une reconnaissance de ses activités de recherche dans la communauté scientifique au niveau international (publications en revues, conférences) ;
• avoir une expérience dans le domaine du traitement de données et la modélisation statistique (systèmes complexes et spatialisés) ;
• Avoir une formation en recherche opérationnelle (modélisation, méthodes exactes ou approchées, pour des problèmes similaires) et en simulation;

Une connaissance du monde de la logistique et des transports serait un plus.

Adresse d’emploi :
IMT Atlantique
4 Rue Alfred Kastler, 44300 Nantes

Document attaché : 202102100829_fiche PostDoc FLOTES 2021 v4.pdf

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

Laboratoire/Entreprise : CREATIS
Durée : 12 mois
Contact : frederic.cervenansky@creatis.insa-lyon.fr
Date limite de publication : 2021-06-11

Contexte :
La nécessité croissante d’utiliser des grosses masses de données afin de permettre le développement de modèles suffisamment complexes, robustes et généralisables – notamment dans les développements d’apprentissage statistique et apprentissage profond – s’accompagne d’un renforcement accru autour de la réglementation et la protection des données personnelles, en particulier dans le domaine de l’imagerie médicale. Ce besoin d’accéder à un réservoir important- déjà constitué (pour les études dites rétrospectives) – et/ou en constante augmentation (pour les études prospectives) se heurte à plusieurs difficultés : juridiques, technologiques, ontologiques et computationnelles. Le projet AWESOMME s’inscrit pleinement dans ces défis et propose de porter à maturité une plateforme logicielle purement web, déjà déployée dans le cadre de projets de recherche transverses de l’unité (i.e impliquant plusieurs équipe et services).
La constitution et l’accès de ces bases de données d’imagerie, annotées a fait émerger des besoins importants en développement informatique : afin d’accéder aux données, et en conformité avec la réglementation, une plateforme scientifique, sécurisée, permettant l’accès au système d’archivage des images médicales (PACS), la recherche des images pertinentes, leur visualisation et leur annotation semi-automatique a été déployée sur site clinique en tant que preuve de concept. Cette solution logicielle constitue le point de départ du projet AWESOMME.

Sujet :
La mission du candidat sera de mettre en production une plateforme sécurisée aux membres impliqués des projets cibles (radiomique et neurologique) qui permettra l’accès, la visualisation, la génération automatique et la sauvegarde de régions d’intérêts. Cette plateforme AWESOMME a déjà fait l’objet d’une « preuve de concept » au sein d’un service hospitalier. Le candidat aura à charge de rendre cette plateforme pérenne, générique et de l’inscrire dans la pratique courante des cliniciens.
La plateforme AWESOMME se base sur des développements ouverts de la suite logicielle OHIF, purement web et permettant de s’affranchir des problèmes d’installation. Elle est pensée pour être le point d’entrée unique (serveur accessible sur l’ensemble du site hospitalier), sécurisée et générique (non limitée à la problématique omique ou SEP) pour annoter et anonymiser les images, rendant ainsi caduque les problématiques législatives.
Les évolutions d’AWESOMME conduite par le candidat se situeront principalement sur l’extension de l’interface et des outils de segmentation à disposition, la généralisation de l’interrogation à d’autres base de données d’images médicales et l’accès à des ressources de calculs distribuées.

Profil du candidat :
Le candidat devra posséder une base extrêmement solide dans le développement JavaScript et en particulier sur le framework React. Les développements principaux se feront sur cette technologie afin d’étendre le Viewer Web. Des connaissances solides en imagerie médicale (DICOM, PACS, NIFTI, …) seraient un plus indéniable.

Formation et compétences requises :
Langages de programmation: JavaScript, Python,
Technologies : React, Docker, Girder, PACS
Connaissances souhaitées : imagerie médicale, algorithmes segmentation, apprentissage profond

Adresse d’emploi :
– Localisation : Creatis, Campus de la Doua, Villeurbanne /
Creatis, Centre Leon Berard, Lyon

Document attaché : 202103110948_IR_AWESOMME_CNRS.pdf

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

Laboratoire/Entreprise : Laboratoire Bordelais de Recherche en Informatique
Durée : 24 months
Contact : meghyn.bienvenu@labri.fr
Date limite de publication : 2021-06-15

Contexte :
Accessing the relevant information contained in real-world data to support informed decision making is difficult, time-consuming, and error-prone due to the need to integrate data across multiple heterogeneous sources. Moreover, even if this first hurdle is overcome, a perhaps even more daunting challenge arises: how to obtain reliable insights from imperfect data? It is widely acknowledged that real-world data is plagued with quality issues, such as incompleteness (missing information) and errors (false or outdated information).

The ontology-based data access (OBDA) paradigm addresses the first challenge by facilitating access to (potentially heterogeneous) data sources through the use of ontologies that specify a convenient user-friendly vocabulary for query formulation (which abstracts from the way the data is stored) and capture domain knowledge that can be exploited at query time, via automated reasoning, to obtain more complete query results. While OBDA systems are growing in maturity, they too often fail to address the data quality issue, aside from issuing warnings when inconsistencies are discovered. 

The postdoctoral researcher will take part in the INTENDED Chair on Artificial Intelligence (https://intended.labri.fr/), whose aim is to develop intelligent methods for handling imperfect data. 

Sujet :
The postdoc will be involved in developing principled and effective methods for handling imperfect data. The precise topic will depend on the interests and background of the selected researcher, so brilliant candidates with an interest in the overall project topics should not hesitate to apply.

As an example research direction, one of the main aims of the project is to develop pragmatic approaches to handling inconsistencies in more expressive settings. This could include conceiving new inconsistency-tolerant query answering algorithms for more expressive ontology languages, devising optimizations, identifying interesting tractable subcases, and extending algorithms to tackle other important features (e.g. mappings, uncertain information, temporal dimension) that have been little explored thus far.

The position is primarily concerned with foundational research, but depending on the interests and aptitude of the postdoctoral researcher, it could also involve a more practical component with the implementation and testing of the developed algorithms.

Profil du candidat :
Applicants should possess an excellent research record, as demonstrated by publications in top venues, with prior experience in databases or knowledge representation and reasoning.

Familiarity with first-order logic and/or ontology languages is desirable.

Experience in one or more of the following areas would be relevant and welcome: data integration, data cleaning, data quality, description logics, ontologies, automated reasoning, inconsistency handling, theoretical computer science (esp. computational complexity).

Strong English language skills (reading, writing, & speaking) are expected, but knowledge of French is not required. The working language can be either French or English.

Formation et compétences requises :
At the time of hiring, applicants must hold a PhD in computer science (or possibly a related discipline with significant computer science experience).

Students near completion of their PhD degree may also get in touch, as there is flexibility on the starting date.

Adresse d’emploi :
LaBRI – Université de Bordeaux
351 cours de la Libération
F-33405 Talence cedex

Document attaché : 202105051420_postdoc1-intended.pdf

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

Laboratoire/Entreprise : Institut de recherche de l’école navale
Durée : 12 mois
Contact : cyril.ray@ecole-navale.fr
Date limite de publication : 2021-06-18

Contexte :
The ENDOUME project aims to design and develop a new solution to automatically secure a coastal maritime area. This innovative solution, based on machine learning algorithms but also rule-based analysis, meets various needs in terms of maritime security; sailing races, maritime events (e.g., G7 / G20, Cannes festival, nautical events, Olympic Games 2024…); port approaches, wind farms, marine protected area, etc.). The solution consists of (1) an autonomous coast station, comprising radar, optronic sensors and an AIS transponder, and (2) a set communicating beacons deployed on cooperative vessels connected through a resilient and secure radio network.

Under the umbrella of ENDOUME project, we aim to detect and prevent marine events such as intrusions into a controlled access area or unusual behaviors that may pose a risk on a maritime event (a focus on sailing races is considered) and its ecosystem (including onshore areas) by a continuous monitoring and understanding of marine movements.

Sujet :
The research to be addressed concerns the development of innovative analytical and learning algorithms combined with rule-based analysis supporting maritime security. The research will be organized by the different works to conduct:

– Definition, modelling or learning of regular behaviours, patterns, and unwanted movements.
– Preparation, annotation, curation of dataset (learning and scenario design).
– Design and implementation of rule-based and learning algorithms.

The research will be based on historical data provided by the Automatic Identification System which provide location of ships on a regular basis as well as nominative information. A data stream with a fusion of optronic sensor data, radar data and AIS data will be provided by project partners

Profil du candidat :
Post-doctoral researcher or research engineer in computer science / data science

Formation et compétences requises :
Good skills in machine learning and data analytics; knowledge in statistics and data fusion. Preferred programming language (Python, Java, C/C ++). Knowledge in databases and geographic information science is a plus. Speaking, reading, and writing in English

Adresse d’emploi :
Lanvéoc (Finistère)

Document attaché : 202106021249_Fiche de Poste ENDOUME 2021.pdf

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

Laboratoire/Entreprise : LIS / Université de Toulon
Durée : 34 months
Contact : adeline.paiement@univ-tln.fr
Date limite de publication : 2021-06-18

Contexte :
This postdoc position is part of the ANR-funded project PRESAGE: PREdicting Solar Activity using machine learning on heteroGEneous data. It concerns itself with the activity of the Sun, those events (e.g. flares, coronal mass ejections (CME)) are dynamical phenomena that may have strong impacts on the solar-terrestrial environment. Events of solar activity seem to be strongly associated with the evolution of solar structures (e.g. active regions, filaments), which are objects of the solar atmosphere that differ from the “quiet Sun” and which appear, evolve, and disappear over a period of days to months. The exact mechanisms of solar activity, and the links between solar structures and activity events, are still ill-understood.
Our project has three objectives related to solar physics, namely:
1) To improve our understanding of the mechanisms of solar activity
2) To enable the prediction of solar activity events such as flares, CMEs, radiation emission levels, and the fluxes of ionized particles likely to reach the Earth environment
3) To investigate the existence of typical temporal behaviours for 2D and 3D solar structures, i.e. filaments, active regions (AR), sunspots, and coronal holes
These objectives will be supported by two central objectives in machine learning (ML):
4) To develop new ML methods that can exploit the heterogeneous data generated by the many solar physics and space weather observation missions
5) To develop new ML algorithms that are guided by prior physics knowledge to increase their robustness and interpretability, and to reduce their need for large training datasets

Sujet :
The postdoctoral research will work with the PI and solar physics partners to develop physics-informed machine learning and deep learning methods for:
– 3D detection of solar structures
– Behavioural study of solar structures
– Prediction of solar activity events

Profil du candidat :
The candidate should:
– hold a PhD in machine learning, deep learning (DL), or computer vision
– have in-depth understanding of various DL models, and experience in creating new DL models
– have experience working with a wealth of data types including images and time series
– have experience with managing large datasets
An experience with multidisciplinary research (preferably with physics) would be desirable.

Formation et compétences requises :
– PhD in machine learning, deep learning (DL), or computer vision
– strong Python programming skills
– strong experimental skills, including the use of high performance computing clusters
– ability to work with and manage large datasets

Adresse d’emploi :
Laboratoire d’Informatique et Systèmes, équipe DYNamiques de l’Information (DYNI)

Université de Toulon, Campus de La Garde – La Valette, Avenue de l’Université, 83130 LA GARDE

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

Laboratoire/Entreprise : QuantIF-LITIS
Durée : 2 ans
Contact : sebastien.hapdey@chb.unicancer.fr
Date limite de publication : 2021-06-21

Contexte :
La Tomographie par Emission de Positons (TEP) au 2-[18]-Fluoro-2-désoxy-D-glucose (FDG) est une méthode d’imagerie fonctionnelle particulièrement utilisée en cancérologie. Elle repose sur l’injection d’un produit radiopharmaceutique (un analogue du sucre) marqué par une faible radioactivité de Fluor18. Afin de quantifier la consommation de glucose des lésions tumorales, on mesure, une heure après l’injection du produit les photons émis par le F18 pendant une dizaine de minutes. A partir de la détection de ces photons, on reconstruit une image en 3D présentant la distribution du radiopharmaceutique au sein des patients. Les images sont ensuite analysées par le médecin pour quantifier l’amplitude de fixation du produit par les tumeurs.

Des approches plus élaborées existent, basées sur la détection des photons pendant au moins 50 minutes permettant ainsi de disposer de la cinétique de fixation du produit.
Dans le cadre d’un travail de thèse, nous avons développé une approche permettant la détermination d’une cartographie de biomarqueurs dynamiques et requérant une unique acquisition TEP d’une durée d’une quinzaine de minutes.

Le Logiciel (ParaPET) développé lors de ce travail qui a fait office de preuve de concept a aussi montré quelques limites, concernant notamment la génération de certains biomarqueurs.

Sujet :
Votre mission consistera à :
– Améliorer et optimiser le code.
– Ajouter des fonctionnalités, par exemple l’intégration de nouvelles séries d’images pour un calcul plus robuste.
– Générer des images statistiques : pour cela, une approche d’intelligence artificielle par apprentissage profond de type GAN sera à développer.
– Paralléliser le code, ce dernier demandant des ressources conséquentes en termes de temps de calcul qui nécessitent une accélération du processus. Une programmation GPU, devra ainsi être réalisé.
– Écrire une documentation exhaustive pour garantir la réutilisabilité.
Votre mission s’intègre dans une volonté de rayonnement scientifique international à long terme.

Profil du candidat :
Nous proposons donc un contrat à durée déterminée de 2 ans, pour un profil de post-doctorant ou d’ingénieur de recherche orienté informatique et programmation HPC. Le financement est assuré par la société Siemens, le lieu de travail sera le laboratoire QuantIF-LITIS à la faculté de médecine de Rouen. Le travail se déroulera en collaborations avec les membres de l’équipe de recherche QuantIF, et le personnel du service d’imagerie médicale du centre Henri Becquerel.

Formation et compétences requises :
Compétences nécessaires
Vous êtes titulaire d’un doctorat ou avez une solide expérience en programmation et en traitement d’images/calcul haute performance. Vous avez des bases théoriques et pratiques en apprentissage machine.
Vous avez une bonne vision architecturale, structurée et globale. Vous êtes attentif(ve) aux bonnes pratiques de programmation.
Un bon niveau en anglais

Compétences supplémentaires appréciées
Vous avez une première expérience avec le standard DICOM.

Adresse d’emploi :
Laboratoire QuantIF-LITIS, Faculté de medecine de Rouen, boulevard Gambetta, 76000 ROUEN

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

Laboratoire/Entreprise : Polytech Nantes (formation) et LS2N (recherche)
Durée : 1 an (renouvelable j
Contact : marc.gelgon@univ-nantes.fr
Date limite de publication : 2021-06-24

Contexte :
Polytech Nantes recrute un(e) enseignant(e) pour renforcer son équipe pédagogique du cycle ingénieur (bac+3/4/5) en informatique, et en particulier pour contribuer au développement de la nouvelle voie par apprentissage sur le thème de l’ingénierie des données et de l’intelligence artificielle.

Sujet :
Le poste s’inscrit dans la double thématique “big data” et “intelligence artificielle”, avec une forte coloration en ingénierie des données.

Profil du candidat :
cf. fiche de poste jointe.

Formation et compétences requises :
Expérience d’enseignement, appétence pour la gestion de formation et les relations formation-entreprise.

Capacité à concevoir et mettre en oeuvre des enseignements pratiques autour de technologies innovantes.

Activité de recherche en Big Data et/ou IA.

Adresse d’emploi :
Polytech Nantes – site de la Chantrerie
Rue Christian Pauc, 44300 Nantes

Document attaché : 202106091243_fdp_LRU_IDIA_sur_RP.pdf

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

Laboratoire/Entreprise : BIOASTER – Data Science & Data Management Team
Durée : CDI
Contact : guillaume.boissy@bioaster.org
Date limite de publication : 2021-06-30

Contexte :
BIOASTER est l’unique Institut de Recherche Technologique dans le domaine de la santé en France. Dédié à l’infectiologie et à la microbiologie, il rassemble les compétences de l’industrie et de la recherche publique pour répondre aux enjeux de santé liés aux maladies infectieuses.
Fondation de Coopération scientifique dotée d’infrastructures et de moyens propres, l’IRT BIOASTER travaille principalement dans quatres thématiques de recherche : le microbiote, le diagnostic, le vaccin et les antimicrobiens..

Dans ce contexte, BIOASTER souhaite développer son offre et asseoir ses partenariats collaboratifs en matière d’intelligence artificielle et machine learning, au service de la recherche en biologie.

Sujet :
Mission du CHARGE DE RECHERCHE EN INTELLIGENCE ARTIFICIELLE & MACHINE LEARNING:
En collaboration avec les Programmes et les Unités technologiques de BIOASTER, construire la stratégie et participer au développement des activités et outils d’intelligence artificielle (IA) & de machine learning (ML), en intégrant les spécificités de l’écosystème de BIOASTER (e.g. sites parisien et lyonnais, attente des partenaires présents et futurs, réseau des IRTs, etc.).

Il comprend des dimensions de représentation, d’animation de projets avec des partenaires externes et de réalisation directe (étude, conception et implémentation) dans son domaine.

Les premières missions concerneront des applications en Computer Vision & Deep Learning

Construire et développer l’offre IA/ML de BIOASTER
o Intensifier l’implémentation des approches IA/ML en Computer vision / deep learning appliquées à l’imagerie biomédicale et développer l’offre dans d’autres domaines (e.g. données de cytométrie, data mining, etc.).
o Concevoir et implémenter les briques logicielles de machine learning
o Participer à la construction de projets liés au machine learning et à l’intelligence artificielle
o Développer, animer et coordonner les missions et activités
o Avec le support des équipes gérant l’infrastructure Cloud, apporter les réponses technologiques propres à relever les défis de scale-up liés au cadencement de campagnes de calcul et d’analyse de données massives (contexte BigData).

– Assurer le développement des approches avec un haut souci de qualité des livrables dans le respect du budget et des délais.
– Assumer les responsabilités afférentes au rôle de chef de projet ou de workpackage leader de certains de nos projets collaboratifs et d’innovation interne.
– Sensibiliser les responsables développement de partenariats pour identifier les partenaires d’intérêt pour BIOASTER
– Développer une synergie forte avec la communauté imagerie, biostatistique et Cloud computing de BIOASTER, afin d’assurer la complémentarité et la pertinence des méthodes choisies, le partage d’expérience et le développement des savoirs faire.
– Réaliser la veille technologique et incarner le lien avec la communauté scientifique dans le domaine du machine learning et de l’intelligence artificielle
– En lien avec le juridique et le service Qualité et Sécurité, s’assurer de la conformité des approches et des développements avec les principaux cadres éthiques, réglementaires ou contractuels.

Profil du candidat :
Parmi les qualités que nous recherchons…
– Motivation et engagement
– Pro-activité, autonome et force de proposition
– Curieux et créatif ; Intérêt pour la veille et les développements technologiques
– Capacité à travailler à l’interface de plusieurs champs disciplinaires et à créer des collaborations
– Capacités d’analyse et esprit de synthèse
– Rigueur, organisation et méthode
– Aisance relationnelle, bon communiquant
– Capacités d’argumentation et de conviction

MERCI de CANDIDATER UNIQUEMENT DEPUIS LE SITE de L’INSTITUT (https://www.bioaster.org/)

Formation et compétences requises :
Titulaire d’un diplôme d’ingénieur ou d’un doctorat en IA/ML, mathématiques appliqués ou statistiques avec 3-7 ans d’expérience dans une fonction similaire en milieu industriel, PME ou académique

– Maîtrise des méthode d’apprentissage automatique : arbre de classification, réseaux de neurones artificiels, SVM, DBSCAN, etc.
– Maîtrise du framework TensorFlow v2 et supérieur
– Maîtrise du langage Python et de la bibliothèque Scikit-Learn
– Maîtrise des outils et des bonnes pratiques de développement logiciel
– Bonne connaissance des outils et techniques de gestion des données
– Bonne connaissance de l’environnement Linux

– Une bonne connaissance des outils et méthodes de classification d’images est un plus

Adresse d’emploi :
BIOASTER – Headquarters
40 Avenue Tony Garnier
69007 Lyon