Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : EXTIA
Durée : CDI
Contact : bfortune@extia.fr
Date limite de publication : 2018-10-31

Contexte :
Dans le cadre de notre développement, nous créons un DataLab afin d’accompagner nos clients sur les sujets de machine learning et de datamining. Dans ce contexte, nous recrutons un(e) Data scientist expérimenté pour rejoindre l’aventure EXTIA. Intégré(e) au sein de ce DataLab, votre mission sera de participer à son développement en participant aux projets clients et internes, aux phases d’avant-vente et à la formation des équipes internes aux enjeux liés à la Data.

Sujet :
Sous la responsabilité du Directeur des Projets, vous interviendrez principalement sur les missions suivantes, pour nos clients et en interne :

– Participation à l’avant-vente, réponses aux appels d’offres et référencements liés à la data.
– Qualification et cadrage des projets clients/prospects
– Réalisation de projets au sein d’une équipe intégrée au DataLab et multi-compétences
– Contribution à l’évolution de la politique de gouvernance data du Groupe
– Participation à la communauté Big Data Extia
– Participation aux forums et salons liés à la Data

Profil du candidat :
Vous êtes titulaire d’un diplôme d’ingénieur, Master ou Doctorat en informatique, mathématiques ou équivalent et justifiez d’un minimum de 2 ans d’expérience dans le domaine de la data.

Formation et compétences requises :
Compétences requises :

– Technos principales: Python, R, bases de données nosql, machine learning
– maîtrise des algorithmes de machine learning

Adresse d’emploi :
Sèvres (92)

Document attaché :

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : Gipsa-lab
Durée : 2 years
Contact : simon.barthelme@gipsa-lab.grenoble-inp.fr
Date limite de publication : 2018-10-31

Contexte :
Graph Signal Processing (GSP) is a nascent field that aims to generalise tools used to process time series (line graphs) or images (regular 2D grids) to the setting of more general graphs. Examples include sensor networks, road networks, social networks, etc. One of the central ideas in GSP is to define an equivalent of the Fourier transform via the graph Laplacian, which opens up many ways to filter out noise, estimate signals, etc. From a statistical viewpoint, GSP techniques take graph structure as given, which is suboptimal. Indeed, in many cases graphs are imperfectly observed: missing or spurious links, missing nodes, and sometimes even entire parts of the graph that are missing. How then should we interpret the graph Laplacian and the methods based on it?

Sujet :
The goal of the post-doc is to explore the robustness and interpretability of GSP techniques under noisy structures. We will focus especially on the links between GSP and a special case of Gaussian processes called Gauss-Markov Processes.

The candidate will work with Simon Barthelmé and Ronald Phlypo, and be based in the Signal and Image Processing department of Gipsa-lab (VIBS team).

Profil du candidat :
We are looking for candidates with a background in statistics, signal processing, or machine learning. We will also consider candidates from statistical physics.

Formation et compétences requises :
The candidate must hold a PhD or be very close to completing one.

Please send a CV, a motivation letter, and at least one recommandation letter to simon.barthelme@gipsa-lab.fr and ronald.phlypo@gipsa-lab.fr. If you are about to finish your PhD, please supply a certificate by your supervisor or your doctoral school that mentions the date of your prospective defense.

Adresse d’emploi :
Gipsa-lab, Grenoble, France

Document attaché :

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : ICube, CNRS-Université de Strasbourg
Durée : 12 mois
Contact : nicolas.lachiche@unistra.fr
Date limite de publication : 2018-11-01

Contexte :
Dans le cadre d’un projet Interreg, cf. descriptif joint.

Sujet :
Nous recherchons des candidats pour un post-doctorat de 12 mois en fouille de données pour la maintenance prédictive à Strasbourg, avec un début entre septembre 2018 et début janvier 2019.

Profil du candidat :
Le candidat devra être titulaire d’un doctorat en Informatique, avoir des compétences en fouille de données et plus particulièrement pour des données temporelles.

Formation et compétences requises :
Des connaissances en fouille de données issues de capteurs,
fouille de flux de données et de processus seraient un plus.

Adresse d’emploi :
ICube, 300 bd Brant, 67412 Illkirch

Document attaché : Offre_postdoc_projet_Halfback.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : INRA, UMR MISTEA (Mathématiques Informatique STatistiques pour l’Environnement et l’Agronomie)
Durée : 12 mois renouvelables
Contact : anne.tireau@supagro.inra.fr
Date limite de publication : 2018-11-30

Contexte :
L’agriculture doit faire face à des défis majeurs comme produire des aliments sains, réduire l’impact environnemental ou encore s’adapter au changement climatique (crues extrêmes, sécheresses, etc). Pour répondre à ces défis, une des clés est de construire une nouvelle génération d’outils d’aide à la décision basés sur de grands ensembles de données (Big Data). Ces nouveaux outils doivent ouvrir de nouvelles voies pour l’agriculture de demain.
Dans ce sens, de plus en plus de données sont collectées via des capteurs, des réseaux sociaux, des drones, etc. Pour gérer ces ensembles de données, des systèmes d’information sont actuellement développés à
l’INRA au sein de l’unité de recherche MISTEA (Mathématiques Informatique STatistiques pour l’Environnement et l’Agronomie).

Sujet :
La personne recrutée aura pour mission de participer à la conception, au développement et à l’intégration de nouvelles fonctionnalités dans ces systèmes d’information.

Profil du candidat :
Compétences attendues :
• connaissance des SGBDR et notions de NoSQL,
• connaissance du développement Web et d’un framework MVC,
• connaissance des langages PHP, Java et Python.
• connaissance des Web services REST
• méthodes Agiles (SCRUM),
• connaissance des langages du Web Sémantique (RDF, OWL, SPARQL, etc) serait appréciée.
Autres compétences :
• aimer le travail en équipe et les interactions avec des utilisateurs,
• intérêt pour le domaine des sciences du vivant,
• avoir un goût prononcé pour la créativité et l’aspect opérationnel de son travail.

Formation et compétences requises :
Ingénieur (Bac+5 ou supérieur)

Adresse d’emploi :
Montpellier – UMR MISTEA (bât. 29), INRA, 2 place Viala 34060 Montpellier

Document attaché : OffreMisteaCDD-2018.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : GREYC CNRS UMR 6072 – Université de Caen Normandie
Durée : 12
Contact : bruno.cremilleux@unicaen.fr
Date limite de publication : 2018-11-30

Contexte :

Le laboratoire GREYC CNRS UMR 6072 (Université de Caen Normandie) en collaboration avec l’IRISA CNRS UMR 6074 et le LIPN CNRS UMR 7030 recrute un(e) postdoctorant(e) dans le cadre du projet REUs financé par le FUI22.

Mots clefs : traitement automatique des langues, fouille de données

* Contexte *

Dans les entreprises, les réunions sont connues pour être consommatrices de temps. Selon une étude menée par Microsoft, les employés passeraient en moyenne 5,6h par semaine en réunion. Le projet REUs vise à concevoir un logiciel d’aide à la préparation et au suivi de réunions de type suivi de projets. Il se basera uniquement sur les flux sonores des interactions entre les participants aux réunions et sur des ressources linguistiques.

Sujet :

Le ou la postdoctorant(e) travaillera sur l’extraction d’information à partir de données textuelles. La démarche est, à partir des transcriptions textuelles des discussions, de trouver des relations entre tâches, participants, objectifs, etc., discutées pendant la réunion, afin de générer un rapport.

Plus précisément, à partir de transcriptions textuelles des discussions formant des corpus d’apprentissage, il s’agit d’apprendre comment détecter les événements et les relier entre eux au sein d’une phrase ainsi qu’à capter des relations dont la portée dépasse la phrase, comme associer une information à un contexte cité précédemment ou relevant de l’analyse de la prise de parole. Pour cela, nous nous appuierons sur les méthodes de fouille de données textuelles développées notamment au sein du consortium et qui extraient des motifs séquentiels formant de potentiels patrons linguistiques. Ces méthodes nécessiteront de nouveaux développements pour intégrer des spécificités du corpus comme le fait que celui-ci est organisé sous forme de
dialogue et aussi d’intégrer le contexte dans lequel se situe un motif, ce dernier point est à ce jour très peu développé en fouille de données.

Le ou la postdoctorant(e) devra donc collaborer avec les autres membres du projet REUs pour le développement d’approches adaptées s’appuyant sur la fouille de motifs et le traitement des langues pour extraire ces relations.

Les aspects en lien avec la transcription textuelle seront traités par un autre partenaires du projet.

Profil du candidat :

Le ou la candidat(e) devra avoir obtenu une thèse en informatique et une expérience en fouille de données, ou apprentissage, et/ou en traitement de la langue.

Formation et compétences requises :
Des compétences en programmation sont nécessaires.

Adresse d’emploi :
Caen, laboratoire GREYC (équipe CoDaG)

Contact :
Peggy Cellier
Thierry Charnois Bruno Crémilleux
Albrecht Zimmermann

Document attaché :

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : Laboratoire Analyse des Données et Intelligence des Systèmes, CEA List
Durée : 12 mois
Contact : Laurence Boudet à laurence.boudet@cea.fr et jean-philippe.poli@cea.fr
Date limite de publication : 2018-12-01

Contexte :
Dans le cadre du développement de matériaux innovants en couches minces, la mise au point de Procédés de Dépôts sous Vide (PVD) est un processus long et fastidieux mené par des experts du domaine. Ceux-ci cherchent à accroître les propriétés de couches minces pour une application donnée. Ce sont les propriétés d’usage. Elles sont souvent complexes et interdépendantes. Pour les obtenir, les experts du domaine cherchent à caractériser les propriétés physiques ou chimiques des matériaux (épaisseur, etc.), puis à caractériser les propriétés d’usage (résistivité, etc.). Enfin, ils optimisent les paramètres d’élaboration des matériaux (température, pression, etc.) afin d’obtenir les paramètres d’usage souhaités. Dans le cadre de ce projet, nous travaillerons avec plusieurs laboratoires du CEA développant ces techniques.

Sujet :
Afin d’optimiser ces procédés par une intelligence artificielle, nous appliquerons une méthode basée sur les connaissances. Ces connaissances proviendront de deux sources complémentaires : d’une part, une formalisation des connaissances des experts, d’autre part, des connaissances acquises à partir de données (machine learning). Nous utiliserons pour cela un système expert flou développé dans le laboratoire d’accueil. Les systèmes à base de règles sont des logiciels d’Intelligence Artificielle utilisés dans le but de reproduire le raisonnement humain sur des tâches bien spécifiques. La connaissance d’experts humains est représentée par un ensemble de règles de la forme SI… ALORS… La personne recrutée devra développer des méthodes d’apprentissage de règles floues. La preuve de concept s’effectuera avec les jeux de données disponibles des différents laboratoires impliqués afin de mettre en évidence non seulement les liens entre les paramètres d’élaboration et les caractéristiques des matériaux mais aussi les liens entre les caractéristiques matériaux et les propriétés d’usage. Les résultats de différentes approches mises en œuvre seront comparés.

Profil du candidat :
PhD en machine learning ou computer science, idéalement avec une connaissance des systèmes experts flous

Formation et compétences requises :
– Maîtrise d’un langage de programmation orienté objet (java, c++, c#)
– Intérêt pour le travail dans un domaine appliqué
– Dialogue avec les experts du domaine afin de modéliser les connaissances

Adresse d’emploi :
CEA List, Bâtiment Digitéo, 91191 Gif-sur-Yvette Cedex

Document attaché : FichePosteApprentissageOptimisationProcedes2018.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : INRA département Math-Info
Durée : 9 mois
Contact : samuel.soubeyrand@inra.fr
Date limite de publication : 2018-12-05

Contexte :
Date limite de candidature : Etendue au 5 décembre 2018
Date de prise de fonction : Janvier 2019
Unité d’accueil : BioSP (Biostatistique et Processus Spatiaux)
Equipe d’accueil : Equipe opérationnelle pour la plateforme nationale d’épidémiosurveillance en santé végétale (Plateforme ESV ; nouvelle équipe en cours de constitution)

L’unité BioSP du centre INRA PACA, Avignon, compte 14 chercheurs, 6 ingénieurs et 9 doctorants / postdoctorants aux compétences diversifiées (mathématiques, statistique, informatique, écologie et épidémiologie numériques). Dans le cadre de la création, en 2018, de la plateforme nationale d’épidémiosurveillance en santé végétale (ESV), l’unité BioSP va héberger l’équipe opérationnelle INRA de cette plateforme qui comptera, sous 3 ans, 7 agents ingénieurs et techniciens. Les missions de l’équipe opérationnelle sont (i) la veille scientifique et phytosanitaire sur les dangers touchant les végétaux et susceptibles d’avoir un impact sanitaire et/ou économique, (ii) la gestion d’un système d’information centralisant les données de surveillance des dangers listés dans le programme de travail annuel de la plateforme et intégrant des espaces de communication et de collaboration, (iii) le traitement et l’analyse de ces données de surveillance, (iv) l’élaboration et la mise à disposition de bilans sanitaires, de données brutes, agrégées ou interprétées, de supports d’informations et de supports de formation pour différents niveaux d’utilisateurs (Direction Générale de l’Alimentation, chercheurs, acteurs de la surveillance phytosanitaire, filières professionnelles, grand public), (v) l’évaluation et l’amélioration des dispositifs de surveillance. L’insertion de l’équipe opérationnelle de la Plateforme ESV dans l’unité de recherche BioSP devra permettre de créer des synergies entre les aspects opérationnels de l’épidémiosurveillance et la recherche.

Sujet :
A l’occasion de la création de la plateforme nationale d’épidémiosurveillance en santé végétale, l’INRA recrute un(e) informaticien(ne) ayant de solides compétences dans le domaine des systèmes d’information. La personne recrutée coordonnera la conception, l’implémentation et la gestion d’un système d’information (SI) centralisant les données de surveillance des dangers listés dans le programme de travail annuel de la plateforme ESV, et participera à sa mise en oeuvre. Le SI devra en outre intégrer deux volets spécifiques : le premier orienté vers la communication à destination d’interlocuteurs divers (du grand public au gestionnaire des crises sanitaires) ; le second pour favoriser les échanges collaboratifs dans la communauté de l’épidémiosurveillance. Le recrutement est ouvert en CDD pour une durée de 9 mois maximum à partir de janvier 2019. Durant cette période, un poste doit être ouvert au concours de la fonction publique d’Etat en 2019 dans le corps des Ingénieurs de Recherche, pour prise de poste en octobre 2019. Durant la période en CDD la rémunération sera basée sur la grille indiciaire des Ingénieurs de Recherche, en tenant compte de l’ancienneté (salaire mensuel brut compris entre 2338 et 2867 euros selon ancienneté).

Profil du candidat :
Ingénieur(e) de Recherche (IR) (Emploi-type : E1A41 – Chef-fe de projet ou expert-e en ingénierie des systèmes d’information)

Formation et compétences requises :
Système d’information, niveau ingénieur de recherche (diplôme d’ingénieur ou doctorat)

Adresse d’emploi :
Lieu d’exercice : INRA, Centre PACA, 228 route de l’aérodrome, 84914 Avignon

Document attaché :

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : INRIA Lille – Nancy
Durée : 2 years
Contact : marc.tommasi@univ-lille.fr
Date limite de publication : 2018-12-17

Contexte :
Inria is seeking 2 postdoctoral researchers for a new European (H2020 ICT) collaborative project called COMPRISE. COMPRISE is a 3-year Research and Innovation Action (RIA) aiming at new cost-effective, multilingual, privacy-driven voice interaction technology. This will be achieved through research advances in privacy-driven machine learning, personalized training, automatic data labeling, and tighter integration of speech and dialog processing with machine translation. The technology will be based on existing software toolkits (Kaldi speech-to-text, Platon dialog processing, Tilde text-to-speech), as well as new software resulting from these research efforts.

The consortium includes academic and industrial partners in France (Inria , Netfective Technology ), Germany (Ascora , Saarland University ), Latvia (Tilde ), and Spain (Rooter ). The successful candidates will be part of the Multispeech team in Nancy or the Magnet team in Lille. Both teams will work in tight collaboration.

Sujet :
Topics include:

* weakly-supervised, semi-supervised learning, learning with partial
feedback
* theoretical aspects and formal guarantees in private machine learning,
* representation learning and deep learning for speech processing,
* learning on the edge, federated learning and personalized learning.

Both theoretical and practical aspects will be developed, possibly by different candidates depending on their skills.

Applications will be assessed on a rolling basis; please apply as soon as possible.

*Starting date:* January 1, 2019 or later
*Duration:* 2 years (renewable)
*Location:* Lille, Nancy, France
*Salary:* from 2,130 to 2,520 EUR net/month, according to experience

*For more details and to apply:*
https://jobs.inria.fr/public/classic/en/offres/2018-01045
https://jobs.inria.fr/public/classic/en/offres/2018-01044

Profil du candidat :
Two alternative profiles are welcome, either:

* strong background in mathematics, machine learning, statistics and
algorithms,

or

* strong experience with implementation and experimentation, speech
processing,

Formation et compétences requises :
PhD in Computer Science

Adresse d’emploi :
INRIA Lille

Document attaché :

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : CHU de Lille
Durée : 12-24 mois
Contact : gregoire.ficheur@univ-lille.fr
Date limite de publication : 2018-12-31

Contexte :
Le CHU de Lille exploite les données issues de son entrepôt de données de santé (données du dossier patient informatisé du CHU de Lille, issues du Système National des Données de Santé, etc.) en réponse à des problématiques de recherche clinique et/ou médico-économiques.

Sujet :
Construire, améliorer et évaluer les algorithmes de Machine Learning (supervisé ou non supervisé) ainsi que mettre en production de nouveaux modèles de prédiction.

Profil du candidat :
Au moins deux ans au sein d’une équipe spécialisé en Machine Learning.
Au moins une expérience de mise en œuvre d’un algorithme de type « boîte noire » dans un contexte appliqué.

Formation et compétences requises :
Savoirs attendus :
– algorithmes de deep-learning (Convolutional Neural Network et Recurrent Neural Network : 3
– forêts aléatoires et des machines à vecteur de support : 3

Adresse d’emploi :
Equipe INCLUDE
Institut Coeur Poumon du CHU de Lille
2 Avenue Oscar Lambret, 59000 Lille

Document attaché :

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : ALTRAN, département de recherche interne
Durée : CDI
Contact : stephane.chau@altran.com
Date limite de publication : 2018-12-31

Contexte :
Les modèles de maintenance existants (maintenance curative ou systématique) ont montré leurs limites: immobilisation de l’appareil, plan de maintenance peu efficace. La maintenance curative consiste à réparer une fois la panne survenue tandis que la systématique consiste à planifier des interventions de maintenance d’après une périodicité d’usage. La maintenance prédictive va plus loin et permet de suivre en temps réel l’état de santé d’un instrument, de prédire les pannes en relevant des données provenant de plusieurs sources (capteurs par exemple) et de mettre en place des schémas de pannes grâce à des analyses statistiques et corrélations entre les données. Altran Research, entité de recherche interne du groupe Altran, mène le projet MODINS (Models, Data Industry 4.0). Ce projet vise à développer des méthodologies basées sur l’exploitation des données industrielles dans le but de faire de la maintenance prédictive.

Sujet :
En collaboration avec le chef de projet MODINS, vous aurez pour missions de:
• mener les travaux de recherche sur la partie analyse de données en suivant la planification préétablie:
– Intégrer et pré-traiter (data cleansing) des données.
– Proposer, tester et mettre en place des méthodes statistiques et de data mining.
– Rendre une vue synthétique de vos résultats
– Construire une base de données
– Statistiques et modélisation prédictive à partir de données réelles (de capteurs par exemple)
• d’assurer les objectifs de production scientifique, tels que veille, publication d’articles scientifiques, conférences et communications internes.

Profil du candidat :
Docteur en mathématiques appliquées, statistiques, informatique, traitement du signal, bioinformatique, biostatistiques ou équivalent.

•Compétences en statistiques (avoir déjà travaillé sur des données réelles serait un plus)
•Maîtrise d’un langage de programmation d’analyse de données (R, Python/Pandas…)
•Des connaissances ou un intérêt pour la fouille de données (data mining)
•Des compétences en architecture de base de données serait un plus
•Autonome, travail en équipe, ouvert d’esprit, force de proposition
•Maîtrise du français et de l’anglais

Formation et compétences requises :
cf profil.

Adresse d’emploi :
Agence ALTRAN
1, place Giovanni da Verrazzano
69009 Lyon
FRANCE

Document attaché : Annonce-Data-Scientist-MODINS.pdf

Annonce en lien avec l’Action/le Réseau : Innovation

Laboratoire/Entreprise : LINEACT / CESI Nanterre
Durée : 12 mois
Contact :
Date limite de publication : 2018-12-31

Contexte :
Le CESI est le premier organisme de formation d’enseignement supérieur par l’apprentissage, notamment au travers de ses filières de formation en ingénierie sur les 25 centres du territoire français. Nos formations étant majoritairement orientées informatique, industrie et BTP, deux défis à relever s’imposent naturellement : L’Industrie du Futur et la Ville du Futur.
La recherche développée au sein du groupe suit cette organisation, au sein de l’unité de recherche du CESI : LINEACT – Laboratoire d’Innovation Numérique pour les Entreprises et les Apprentissages au service de la Compétitivité des Territoires. Il rassemble 39 chercheurs et 13 doctorants. Les projets s’organisent autour d’un Living Lab ‘Usine du futur’ et d’un démonstrateur ‘Bâtiment du futur’, ces deux plates-formes servant également d’adossement recherche à la pédagogie. Le démonstrateur bâtiment du futur, dans les murs du centre de Nanterre, est un Smart Building de 220m², conçu et développé avec nos partenaires industriels (CISCO, Phillips Lightning, Vinci Energies). Il constitue un terrain d’expérimentation pour les travaux de recherche et d’innovation, menés en association avec nos partenaires académiques (Laboratoire DAVID de l’Université de Versailles Saint-Quentin, laboratoire LATI de l’université Paris-Descartes). Ce nouveau démonstrateur se veut la vitrine des activités Recherche et Innovation dans le domaine du Smart Building du CESI.

Sujet :
La notion de jumeau numérique a émergé à la fin des années 2000, et désigne la réplique numérique d’un objet ou d’un système. Plus spécifiquement, le jumeau numérique d’un bâtiment intelligent est un modèle logiciel dynamique permettant, au travers de l’apprentissage logiciel, l’analyse de données et la simulation numérique, l’exploitation et la maintenance du bâtiment. Cette notion de jumeau numérique du bâtiment est cependant assez récente et n’a pas encore été définie de manière formelle.
Le projet LaVI&Co est un projet d’un budget de 430 000€, financé à 40% par le Programme Opérationnel Régional FEDER Renforcement des nouveaux usages et contenus numériques dans les domaines de l’e-éducation et l’e-santé. Il a pour but de valider et développer un modèle de jumeau numérique basé sur une architecture logicielle distribuée. Ce jumeau numérique se destine à un usage pédagogique, permettant à des apprenants d’interagir avec une représentation dynamique de l’installation qui en réplique de manière synchrone ou asynchrone le comportement. Dans ce cadre, Les objectifs de ce post-doctorat sont la validation théorique et expérimentale d’une architecture distribuée pour le jumeau numérique du Smart Building, et plus particulièrement de la génération de jeux de données issus de une simulation multi-modèle, c’est-à-dire faisant interagir plusieurs simulateurs, soit de manière itérative, soit par agrégation continue de données.
Dans un premier temps, le système devra permettre une simulation double modèle. Le premier mode est le modèle thermique (basé sur un simulateur thermique issu de l’industrie, et interopérable) ; le second mode est le modèle domotique. En fonction des résultats, il est envisagé de généraliser l’approche à une simulation multi-modèle. La simulation du comportement des usagers est considérée pour cette généralisation. Ce simulateur est déjà en cours de développement dans le cadre d’une thèse de doctorat sur le pilotage intelligent du bâtiment.
Le post-doctorant participera aussi à la création d’un groupe de travail sur les problématiques de données du Smart Building avec le laboratoire DAVID (Données et Algorithmes pour la Ville Intelligente et Durable) de l’Université de Versailles Saint-Quentin.

Profil du candidat :
Les candidat(e)s pour ce poste doivent être titulaire d’une thèse en informatique avec de très bonnes connaissances en bases de données et en génération de jeux de données.

Formation et compétences requises :
Base de données et génération de jeux de données. Des connaissances et un intérêt pour les Smart Building, la simulation physique et/ou le BIM sont un plus.

Adresse d’emploi :
CESI, 93 boulevard de la Seine, 92000 Nanterre

Document attaché : Post-Doc-LaVICo.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : ICube, Université de Strasbourg
Durée : 18 mois
Contact : nicolas.lachiche@unistra.fr
Date limite de publication : 2018-12-31

Contexte :
Dans le cadre d’un projet INTERREG sur l’usine du futur, nous proposons un poste d’ingénieur de recherche en science/fouille de données. Le poste est à pourvoir dès que possible, pour un contrat se terminant fin mars 2020. Le salaire est de 2150€ net.

Sujet :
Les missions sont de mettre en place (sélectionner, installer, voire développer) les logiciels nécessaires à l’analyse des données, et de les mettre en oeuvre avec nos partenaires.

Profil du candidat :
Le profil recherché est un.e titulaire d’un diplôme d’ingénieur ou de master, voire d’un doctorat, en informatique, avec une formation, et si possible une expérience, en science des données, fouille de données, et apprentissage artificiel.

Formation et compétences requises :
Envoyer un CV et une lettre de candidature détaillant la formation et l’expérience en science des données.

Adresse d’emploi :
ICube, 300 boulevard Brant, 67400 Illkirch

Document attaché :

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : UMR CNRS LRMS @ Rouen
Durée : 14 mois
Contact : faicel.chamroukhi@unicaen.fr
Date limite de publication : 2018-12-31

Contexte :
This research will be performed in the framework of the project Asterics: Statistical learning for large-scale unsupervised data representation and classification

Sujet :
The candidate will participate to the creation of a data science platform dedicated to unsupervised
classification of high-dimensional data. The first step concerns prototyping developed algorithms by the
members of the project AStERiCs https://asterics.lmno.cnrs.fr, their integration into this platform on various
real applications. These are unsupervised classification algorithms based on latent variable models. The
second step is to integrate the algorithms that will be developed during the project. A part of the work will be
carried out in collaboration with the LMNO lab on distributed regularized mixture models with
environmental applications / genomic sequences.
The main missions are:
(i) Developing unsupervised learning models
(ii) Prototyping unsupervised learning algorithms
(iii) High performance distributed cloud computing
(iv) Web integration and interfacing with the platform.

Profil du candidat :
• Required Profile :
◦ PhD in statistics/statistical leaning or computer science with specialization in machine learning
◦ Experience in latent data models and complex data analysis
◦ Experience in software development
◦ Skills in working on real-world data and applications
◦ Programming skills in Matlab/R/Python
◦ Skills on big-data platforms (Hadoop/Spark, MapReduce), Cloud computing, OLAP, web technologies

Formation et compétences requises :
PhD in statistics/statistical leaning or computer science with specialization in machine learning

Adresse d’emploi :
Laboratoire de Mathématiques Nicolas Oresme, Université de Rouen, Normandie

Document attaché : AStERiCs-PostDocIGR-LMRS.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : UMR CNRS LMRS
Durée : 14 mois
Contact : faicel.chamroukhi@unicaen.fr
Date limite de publication : 2018-12-31

Contexte :
Projet Astérics : Apprentissage Statistique à l’Echelle pour la Représentation et la Classification non-supervisées

https://asterics.lmno.cnrs.fr

Sujet :
Postdoc/PhD-research Eng position in Data Science. Project AStERiCs:
Statistical learning for large-scale unsupervised data representation and classification

https://chamroukhi.com/AStERiCs-PostDocIGR-LMRS.pdf

Profil du candidat :
https://chamroukhi.com/AStERiCs-PostDocIGR-LMRS.pdf

Formation et compétences requises :
https://chamroukhi.com/AStERiCs-PostDocIGR-LMRS.pdf

Adresse d’emploi :
Laboratoire de Mathématiques Nicolas Oresme, Rouen

Document attaché : AStERiCs-PostDocIGR-LMRS.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : LERIA – MOLTECH Anjou CNRS (Université d’Angers, France)
Durée : 1 year
Contact : benoit.damota@univ-angers.fr
Date limite de publication : 2018-12-31

Contexte :
This project addresses scientific challenges around data science and artificial intelligence applied to molecular computational chemistry. For the chemists, the ambition of this project is to radically change the approach, developing artificial intelligence and optimization methods in order to explore efficiently the highly combinatorial molecular space. The recent abundance of data is an incredible opportunity, but also an additional challenge and therefore an added value to this project: we will develop original and highly scalable methods.

Sujet :
The postdoctoral researcher will start the machine learning development based on already available DFT calculations databases. Firstly, the goal of the predictive models is to generate for a new uncalculated molecule, precise approximations for different important results, saving hundreds hours of computation and making a broader exploration of the molecular space feasible. In addition to predictive models, generation of new molecules with constraints on one or more characteristics (such as electronic energies, the number of synthesis steps, etc.) will be investigated. We expect to study the integration of neural networks (objective functions) with neighborhood algorithms (molecular space exploration), but also emerging techniques like Generative Adversarial Networks (GAN).

Profil du candidat :
Since the information system is quite mature and being created, the work will directly be focused on the machine learning part. The candidate should therefore have experience in machine learning or data sciences. Additional computational chemistry experience will be appreciated.

Formation et compétences requises :
Fluency in Python language and solid knowledge of machine learning algorithms is mandatory.

Adresse d’emploi :
LERIA – MOLTECH Anjou CNRS (Université d’Angers, France)
2 bd Lavoisier
49045 Angers Cedex 01, France

Document attaché : postdoctoral_position.pdf

Annonce en lien avec l’Action/le Réseau : RoD

Laboratoire/Entreprise : ESILV / DVRC
Durée : CDI
Contact : nicolas.travers@devinci.fr
Date limite de publication : 2019-01-01

Contexte :
L’Ecole Supérieure d’Ingénieurs Léonard de Vinci (ESILV – http://www.esilv.fr), grande école d’ingénieurs située à Paris La Défense recrute un(e) Enseignant(e)-Chercheur(euse) en informatique en CDI.

L’enseignant(e)-chercheur/euse assurera des enseignements à l’ESILV et participera aux activités de recherche au sein du laboratoire DVRC (https://www.devinci.fr/research-center/le-laboratoire/).

Sujet :
Poste d’enseignant-chercheur en informatique, spécialité en Gestion de Données, CDI.
Curriculum vitae faisant état des activités d’enseignement, des travaux de recherche et, éventuellement, des relations avec le monde académique et industriel.
Contact :
• Gaël Chareyron – responsable du département Informatique, Big Data et Objets connectés – gael.chareyron@devinci.fr ;
• Nicolas Travers – responsable du groupe de recherche Digital – nicolas.travers@devinci.fr

Profil du candidat :
Enseignement
Le candidat devra participer à l’organisation et à l’enseignement dans les filières du département Informatique, Big Data & objets connectés. Il viendra renforcer les compétences du département et il sera amené à enseigner sur les 5 ans de l’école notamment :
• Dans le cycle Licence des cours d’algorithmique et de programmation
• Dans les options de spécialisation du département :
o Big data & IA
o Génie Logiciel & devops
o Cybersécurité & IoT
Toute autre thématique informatique avec des aspects intéressants dans le cadre des traitements de la donnée est aussi envisageable. Le candidat recruté devra également participer à l’encadrement et au suivi des stages et des projets.

Recherche
L’Enseignant/Chercheur sera intégré dans le Groupe Digital du De Vinci Research Center (DVRC). Le groupe de recherche, composé de 14 EC permanents, s’inscrit dans l’analyse et la modélisation du monde numérique avec des projets de recherche pluridisciplinaires. Nous cherchons actuellement à renforcer l’axe de recherche Gestion de données.

L’équipe travaille actuellement sur deux thématiques principales en Gestion de Données :
1) Sur l’interrogation de bases sémantiques distribuées à l’aide de résumés sémantiques indexés et la génération de regroupements sémantiques par analyse de graphes ;
2) Sur la conception et l’optimisation de bases de données NoSQL (dé-normalisation, règles de réécriture, modèle de coût), ainsi que la création de bases de données ad-hoc pour le traitement d’analyse touristique à large échelle (modélisation de graphes, données continues).

L’EC pourra conforter ces thématiques et renforcer les collaborations de l’équipe.

Le choix final sera dicté en premier lieu par la qualité du dossier et du projet d’intégration, dont l’ouverture vers l’extérieur (national et international).

Formation et compétences requises :
Docteur en informatique de formation (HDR bienvenue), le(a) candidat(e) devra posséder une expérience dans l’enseignement supérieur. Le candidat aura, conformément à la culture de l’école et du laboratoire, une maîtrise conjointe des techniques et des concepts de l’informatique et de son domaine d’expertise.

Adresse d’emploi :
Ecole Supérieure d’Ingénieurs
Léonard de Vinci
Pôle Universitaire Léonard de Vinci
92 916 Paris La Défense Cedex

Document attaché : profil-EC-Gestion-Donnees.pdf

Annonce en lien avec l’Action/le Réseau : ATLAS

Laboratoire/Entreprise : ESILV / DVRC
Durée : CDI
Contact : nicolas.travers@devinci.fr
Date limite de publication : 2019-01-01

Contexte :
L’Ecole Supérieure d’Ingénieurs Léonard de Vinci (ESILV – http://www.esilv.fr), grande école d’ingénieurs située à Paris La Défense recrute un(e) Enseignant(e)-Chercheur(euse) en informatique en CDI.

L’enseignant(e)-chercheur/euse assurera des enseignements à l’ESILV et participera aux activités de recherche au sein du laboratoire DVRC (https://www.devinci.fr/research-center/le-laboratoire/).

Sujet :
Poste d’enseignant-chercheur en informatique, orienté Machine Learning, CDI. Intégration dans l’école d’ingénieur ESILV.
Détails dans le profil.

Profil du candidat :
Enseignement
Le candidat devra participer à l’organisation et à l’enseignement dans les filières du département Informatique, Big Data & objets connectés. Il viendra renforcer les compétences du département et il sera amené à enseigner sur les 5 ans de l’école notamment :
• Dans le cycle Licence des cours d’algorithmique et de programmation
• Dans les options de spécialisation du département :
o Big data & IA
o Génie Logiciel & devops
o Cybersécurité & IoT
Toute autre thématique informatique avec des aspects intéressants dans le cadre des traitements de la donnée est aussi envisageable. Le candidat recruté devra également participer à l’encadrement et au suivi des stages et des projets.

Recherche
L’Enseignant/Chercheur sera intégré dans le Groupe Digital du De Vinci Research Center (DVRC). Le groupe de recherche, composé de 14 EC permanents, s’inscrit dans l’analyse et la modélisation du monde numérique avec des projets de recherche pluridisciplinaires. Nous cherchons actuellement à renforcer l’axe de recherche Machine Learning.

L’équipe travaille actuellement sur deux thématiques principales en Machine Learning dans le cadre de projets de recherche (FUI, contrat de recherche, ANR déposée). À savoir :
1) La génération de résumés abstractifs pertinents à partir de modèles ML pour le TAL ;
2) L’amélioration/adaptation de modèles de Collaborative Clustering.

L’EC pourra ainsi s’intégrer dans ce domaine et conforter cette thématique pour renforcer les collaborations de l’équipe.

Le choix final sera dicté en premier lieu par la qualité du dossier et du projet d’intégration, dont l’ouverture vers l’extérieur (national et international).

Formation et compétences requises :
Docteur en informatique de formation (HDR bienvenue), le(a) candidat(e) devra posséder une expérience dans l’enseignement supérieur. Le candidat aura, conformément à la culture de l’école et du laboratoire, une maîtrise conjointe des techniques et des concepts de l’informatique et de son domaine d’expertise.

Adresse d’emploi :
Ecole Supérieure d’Ingénieurs Léonard de Vinci
Pôle Universitaire Léonard de Vinci
92 916 Paris La Défense Cedex

Document attaché : profil-EC-Machine-Learning.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : Orange Lab
Durée : 12 mois
Contact : https://orange.jobs/jobs/offer.do?joid=80565&lang=fr
Date limite de publication : 01/05/2019

Contexte :
L’entreprise dispose de nombreuses ressources qui font sa richesse (collaborateurs, communautés, projets, contenus, outils, méthodes, etc.). Pourtant il est souvent difficile pour le collaborateur d’une entreprise d’avoir accès à ces ressources. Nous étudions des mécanismes permettant au collaborateur d’explorer ou d’être alerté de l’existence de ressources adhérentes avec son activité ou les thématiques étudiées. Nous souhaitons fournir ces services via un agent logiciel.

Sujet :
Modélisation, ontologies et graphes de connaissance des ressources d’une entreprise

Profil du candidat :
Diplomé-e d’école d’ingénieur ou université et titulaire d’un doctorat dans les domaines informatique et/ou mathématiques appliquées. Un travail doctoral sur la gestion des connaissances et/ou l’intelligence artificielle serait un vrai atout.

Formation et compétences requises :
Compétences (scientifiques et techniques) et qualités personnelles souhaitées par le poste :

Formation mathématiques
Analyse de données, traitement automatique du langage, intelligence artificielle
Excellente capacité de d’autonomie, ouverture d’esprit, curiosité, esprit de synthèse, capacité de recul, capacité à communiquer sur son travail
Capacités d’adaptation et d’intégration à une équipe pluridisciplinaire.

Vous avez idéalement une expérience de recherche dans le domaine de la gestion de connaissances (knowledge management).

Adresse d’emploi :
06560 VALBONNE

Document attaché :

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : Laboratoire LIENSS, U.M.R. 7266 à la Rochelle
Durée : 4 mois
Contact : christine.plumejeaud-perreau@univ-lr.fr
Date limite de publication : 2019-01-30

Contexte :
Le laboratoire Littoral Environnement et Société (Unité Mixte de Recherche n° 7266) propose un poste d’Ingénieur d’Etude ou de Recherche en informatique avec 0 à 5 années d’expérience. La mission consiste à implémenter et tester diverses méthodes de contrôles de cohérence sur une base de données historiques concernant le commerce maritime du XVIIIème siècle, dans le cadre d’un projet ANR nommé PORTIC. Les approches numériques qui seront implémentées ont pour objectif de tagger le corpus afin de distinguer différents niveaux de qualité dans les données. La mission qui commence le 1 Avril 2019 pour une durée de 5 mois se fera en interaction aussi avec Alain Bouju, maitre de conférences en informatique du L3I, à la Rochelle.

Au CNRS, l’ingénieur(e) intègrera l’UMR 7266 Littoral Environnement et Sociétés, à la Rochelle, 200 personnes. Ce laboratoire regroupe des experts scientifiques des disciplines de l’écologie, la géographie, la biologie, l’histoire, la chimie moléculaire et les sciences de la terre et interroge des questions liées au développement durable et au changement climatique autour des zones littorales (https://lienss.univ-larochelle.fr/). L’ingénieur(e) intègrera donc un milieu fortement interdisciplinaire et en particulier le service DISA, une plateforme base de données au croisement de nombreux projets scientifiques afin d’offrir une meilleure capacité de croisement de données fortement hétérogènes et de favoriser la mise en œuvre des principes FAIR dans la recherche.
L’équipe de PORTIC sur la Rochelle est coordonnée par Christine Plumejeaud-Perreau, informaticienne responsable de la plateforme DISA au LIENSs. Elle travaille depuis 5 ans avec Alain Bouju, Maitre de conférences avec Habilitation à Diriger des Recherches en informatique au Laboratoire d’Informatique, Images et Interactions (L3i) de l’Université de la Rochelle depuis 2014. L’ingénieur(e) sera donc en interaction forte avec ces deux personnes pour mener sa mission.
Il ou elle accèdera à toutes les facilités qu’offre la Très Grande Infrastructure de Recherche HumaNum (machine virtuelle pour déploiement en production des outils développés, GIT, espace de stockage). Tout ce qui sera développé par PORTIC sera sous licence libre. Ce contrat à durée déterminée est envisagé comme un prélude à un doctorat, dont l’offre est en ligne également.

Sujet :
L’ingénieur(e) réalisera sa mission de façon créative et autonome dans un milieu fortement interdisciplinaire, avec des outils open-source. Il s’agit de développer des services de qualification de données au dessus d’une base de données ouvertes. L’ingénieur utilisera des méthodes de fouille de données pour l’identification d’aberrations ou d’incohérence dans le corpus. Il s’agit ici de réutiliser des bibliothèques open-source: méthodes de classification non supervisées pour la détection de patrons et de similarités, statistiques non paramétriques pour la détection de valeurs exceptionnelles. Concrètement, en concevant et programmant une application permettant d’activer ces méthodes et d’exploiter leurs sorties pour tagger les données, la contribution de l’ingénieur permettra de connaitre finement le niveau de qualité des données.

Profil du candidat :
L’ingénieur(e) d’étude doit être diplômé avec un master ou comme ingénieur en informatique, ou en sciences de l’information.

– Le poste nécessite des compétences confirmées en système d’information, programmation (Service REST, Java, Python) ainsi qu’en base de données (Postgres, RDF, graphes, UML).
– Des compétences seraient appréciées en mathématiques et statistiques, et dans l’une ou plusieurs de ces technologies : Strasbon, Postgis, Neo4J, R.
– Le poste requiert un goût pour le dialogue avec les différents acteurs du projet et leurs diverses disciplines (histoire, économie, géomatique, informatique).

Formation et compétences requises :
Le poste nécessite donc des compétences en programmation (Service REST, Java, Python) ainsi qu’en base de données (Postgres, RDF, graphes, UML).
Des compétences seraient appréciées en mathématiques et statistiques, et dans l’une ou plusieurs de ces technologies : Strasbon, Postgis, Neo4J, R.
Le poste requiert un goût pour le dialogue avec les différents acteurs du projet et leurs diverses disciplines (histoire, économie, géomatique, informatique).

Adresse d’emploi :
Poste basé au LIENSS
2 rue Olympe de Gouges,
17000 La Rochelle

Candidater via le portail emploi du CNRS :
https://emploi.cnrs.fr/Offres/CDD/UMR7266-CHRPLU-001/Default.aspx

Joindre au CV le relevé de notes de master 2 ou dernière école d’ingénieur, une lettre de motivation, ainsi que le dernier rapport de stage et des exemples de travaux antérieurs si existants.

Document attaché : CDD_dataMining_fr_en_20181217.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : IRIS PSL « Governance Analytics »
Durée : 1an renouvelable
Contact : bruno.chavesferreira@dauphine.fr
Date limite de publication : 2019-01-30

Contexte :
Financée par Paris Sciences et Lettres (PSL) et hébergée à l’Université de Paris Dauphine, « Governance Analytics » https://www.governanceanalytics.org/ est une initiative de recherche multidisciplinaire destinée à collecter et traiter des données sur les mécanismes de décision collective, les dynamiques institutionnelles, le fonctionnement des marchés et celui des organisations.

Sujet :
Cette initiative s’appuie sur une équipe de post-doctorants et d’ingénieurs en sciences sociales et en informatique qui apportent leurs expertises dans des projets de recherche faisant appel à la constitution de bases de données originales et/ou de traitements complexes. Ces projets sont initiés et portés par des équipes de PSL issues de Dauphine, l’EHESS, l’ENS et l’Ecole des Mines.

Profil du candidat :
Nous recrutons, au sein de l’équipe « Governance Analytics », un ingénieur développeur en sciences de données qui aura pour mission de participer à ses projets de recherche en y apportant son expertise dans le développement d’outils d’extraction, de fusion et de traitement de données issues de sources variées (Web, bases de données institutionnelles, archives, etc.).

Formation et compétences requises :
Master informatique, maths-info ou d’un diplôme d’école d’ingénieur.

Python (avec Numpy, Pandas, Matplotlib, NLTK, Gensim …) et/ou R.
Bases de données relationnelles et/ou NoSQL
Connaissance des méthodologies de la programmation orientée objet.
Méthodologies de développement : tests unitaires, contrôle de versions (GIT).
Fusion et nettoyage de bases de données hétérogènes.

Adresse d’emploi :
Université Paris-Dauphine
Place du Maréchal de Lattre de Tassigny, 75016 Paris

Document attaché : FichePosteIngenieurDS2019.pdf