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

Laboratoire/Entreprise : TSCF
Durée : Poste de permanent
Contact : francois.pinet@irstea.fr
Date limite de publication : 2024-03-10

Contexte :
Le laboratoire TSCF d’INRAE Clermont-Auvergne-Rhône-Alpes propose au concours, un poste de permanent : une ou un chargé-e de recherche de classe normale (CRCN) en optimisation appliquée aux réseaux de capteurs.

www.inrae.fr/tscf

Le profil complet est accessible ici : https://jobs.inrae.fr/concours/concours-charges-recherche-classe-normale-profil-h-f/cr-2024-mathnum-5

Attention aux modalités et à la date limite pour déposer votre dossier (c’est-à-dire la date de clôture des inscriptions) : https://jobs.inrae.fr/concours/concours-charges-recherche-classe-normale-profil-h-f

Sujet :
Voici un résumé du poste :

L’unité de recherche Technologies et systèmes d’information pour les agro-systèmes (TSCF) du centre INRAE de Clermont-Ferrand (www.inrae.fr/tscf/), composée de 60 personnes, conçoit de nouvelles technologies et des agroéquipements permettant de mettre en œuvre la transition écologique de l’agriculture. L’unité est membre de l’I-SITE CAP 20-25 (https://cap2025.fr/).TSCF développe des recherches sur les réseaux sans fil d’objets connectés dédiés à la gestion agri-environnementale. Dans ce domaine, une quinzaine de chercheurs et ingénieurs de TSCF sont spécialisés en informatique avec une solide expérience en termes de projets interdisciplinaires. Les méthodes conçues visent les nouveaux besoins du domaine agricole en matière d’acquisition de données en milieu naturel. Les données collectées au sein des cultures permettent notamment une détection précoce d’évènements tels que des attaques de bioagresseurs ou des stresses hydriques. Plusieurs solutions sont actuellement développées au sein de TSCF pour gérer les contraintes énergétiques des réseaux d’acquisition, leur qualité de service, la mise en place d’un comportement intelligent au sein des nœuds de communication, ainsi que la gestion des données collectées. Au sein de plusieurs projets collaboratifs, ces nouvelles techniques permettent de déployer et gérer des réseaux d’objets connectés. Ces résultats ont mis en avant la nécessité de proposer de nouvelles méthodes d’optimisation de ces systèmes d’acquisition de données, visant à améliorer leur performance globale. Dans ce contexte, vous conduirez des recherches dans le domaine de l’optimisation des réseaux d’objets connectés, avec comme objectif d’accroître leurs performances et de répondre aux nouveaux besoins soulevés par la transition agroécologique. Les réseaux à optimiser pourront être constitués de nœuds fixes (objets connectés) ou mobiles (engins/robots agricoles). Les optimisations pourront porter sur différents aspects. Il pourra s’agir d’améliorer les stratégies de communications entre les nœuds, par exemple le routage des messages, l’organisation de réseaux ad hoc, ou encore l’optimisation des envois de messages. L’optimisation énergétique sera aussi un facteur important pour maximiser la durée de vie du réseau et réduire son impact environnemental. Un autre point portera sur la configuration du réseau, en gérant par exemple les incertitudes, l’optimisation des positions des nœuds, de la couverture du réseau ou des cibles mobiles, la définition de clusters de nœuds. Enfin, une optimisation multi-objectifs devrait permettre de prendre en compte plusieurs critères à la fois.
Ainsi, vous apporterez vos compétences pour formaliser et résoudre différents aspects de ces problèmes. En collaboration avec les chercheurs et ingénieurs de TSCF, vous développerez des méthodes d’optimisation pour les communications sans fil, la gestion de l’énergie ou la configuration des réseaux. Vous vous intégrerez aux projets existants de TSCF et vos méthodes seront expérimentées sur différentes applications agricoles. Vous vous intégrez dans un environnement de recherche dynamique. Vous bénéficierez de collaborations avec le Laboratoire d’Informatique, de Modélisation et d’Optimisation des Systèmes (LIMOS), ainsi qu’avec d’autres unités de l’I-SITE CAP 20-25. Il vous sera possible de créer des liens entre TSCF et d’autres laboratoires du département MathNum d’INRAE. Vous vous inscrirez pleinement dans le projet de l’unité TSCF, qui vise notamment à développer des approches intégrées pour l’autonomie et la performance des technologies numériques au service de l’agroécologie.

Contacts :

FRANÇOIS PINET
francois.pinet@inrae.fr

ROLAND LENAIN
roland.lenain@inrae.fr

Profil du candidat :
Des compétences et une expérience en optimisation des réseaux seraient un plus. Vous devrez avoir démontré vos capacités à développer et appliquer des approches d’optimisation pour résoudre des problèmes pratiques liés aux réseaux sans fil.
Vous serez amené à travailler en collaboration avec un collectif interdisciplinaire. Un goût pour le travail en équipe est nécessaire. Un dynamisme certain est attendu pour s’adapter rapidement et proposer des solutions dans un contexte agricole en évolution. Une capacité à communiquer efficacement est aussi attendue, que ce soit par des publications scientifiques, des présentations, ou des rapports. La maîtrise de l’anglais est souhaitée ainsi qu’une expérience internationale de longue durée : les lauréats qui n’en auraient pas encore réalisé seront fortement incités à effectuer un séjour à l’étranger co-construit avec l’équipe d’accueil à l’issue de l’année de stage.

Formation et compétences requises :
Vous êtes titulaire d’un doctorat ou équivalent. Une thèse dans le domaine de l’informatique ou des mathématiques est vivement recommandée.

Adresse d’emploi :
TSCF, INRAE, campus des Cézeaux, 63170 Aubière

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

Laboratoire/Entreprise : INRAE
Durée : fonctionnaire
Contact : celine.brouard@inrae.fr
Date limite de publication : 2024-03-11

Contexte :
https://jobs.inrae.fr/concours/concours-charges-recherche-classe-normale-profil-h-f/cr-2024-mathnum-6

L’unité propre de recherche Mathématiques et Informatique Appliquées de Toulouse (MIAT) est une unité du département Mathématiques, informatique, sciences de la donnée et technologies du numérique (MathNum) d’INRAE. L’unité comporte deux équipes de recherche (SaAB et SCIDyn) et trois plateformes (GENOTOUL Bioinfo, RECORD et SIGENAE). Au sein de ce laboratoire, vous rejoindrez l’équipe Statistique et Algorithmique pour la Biologie (SaAB) composée de dix chercheurs et ingénieurs, une équipe pluri-disciplinaire en informatique/bioinformatique/statistique dont les applications scientifiques sont orientées vers la biologie.

L’équipe a développé des compétences sur le sujet des réseaux de neurones profonds, et plus particulièrement sur des réseaux de neurones capables d’utiliser ou de prédire des informations structurées (par exemple des graphes). L’équipe est aussi porteuse de la chaire “Design using intuition and logic” (DIL) de l’Institut Toulousain d’Intelligence Artificielle (ANITI).

Sujet :
Vous renforcerez la synergie de l’équipe autour du thème central de l’apprentissage et compléterez les compétences déjà présentes sur la thématique de l’apprentissage profond. En votre qualité de chercheur·e spécialiste de ce domaine, vous serez capable de proposer des solutions/architectures originales pour les problèmes d’apprentissage d’objets structurés avec des approches neuronales. L’un des principaux verrous méthodologiques concerne le développement d’hybridations originales entre l’optimisation discrète (pour la recherche de structure) et l’optimisation continue (sur laquelle les réseaux de neurones sont basés). Ces questions sont d’un grand intérêt pour diverses problématiques abordées dans l’équipe : inférence de réseaux de gènes, design de protéines, prédiction de phénotypes, annotation automatique de génomes.

Profil du candidat :
Vous êtes titulaire d’un doctorat ou équivalent. Vous avez une expérience de recherche sur les aspects méthodologiques de l’apprentissage (machine et deep learning). Des compétences scientifiques complémentaires orientées vers les réseaux de neurones pour graphes, l’apprentissage d’objets structurés ou les modèles graphiques seraient appréciées.

De même, une connaissance des applications en biologie moléculaire et génomique n’est pas indispensable mais serait un plus.
Vous avez le goût du travail en équipe et un très bon relationnel. Vous faites preuve d’initiative et d’autonomie.

La maîtrise de l’anglais est souhaitée ainsi qu’une expérience internationale de longue durée : les lauréats qui n’en auraient pas encore réalisé seront fortement incités à effectuer un séjour à l’étranger co-construit avec l’équipe d’accueil à l’issue de l’année de stage.

Formation et compétences requises :
Concours ouvert aux candidats titulaires d’un doctorat (ou équivalent).

Adresse d’emploi :
INRAE, Unité MIAT, Toulouse

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

Laboratoire/Entreprise : INRAE
Durée : Poste de fonctionnai
Contact : nathalie.peyrard@inrae.fr
Date limite de publication : 2024-03-11

Contexte :
https://jobs.inrae.fr/concours/concours-charges-recherche-classe-normale-profil-h-f/cr-2024-mathnum-4

L’unité de recherche Mathématiques et Informatique appliquées de Toulouse (MIAT) est une unité du département de recherche Mathématiques, informatique, sciences de la donnée et technologies du numérique (MathNum) d’INRAE. L’unité comporte deux équipes de recherche (SCIDyn et SaAB) et trois équipes de service (Plateformes GENOTOUL Bioinfo, RECORD et SIGENAE).
Vous serez positionné-e dans l’équipe SCIDyn comportant 9 chercheurs et ingénieurs, principalement des disciplines informatique et statistique. Un des thèmes principaux de l’équipe SCIDyn est le développement de modèles stochastiques et d’algorithmes d’inférence pour les processus de dynamiques. Ces travaux sont motivés, entre autres, par des applications en écologie et en développement des plantes. L’équipe a acquis une grande expérience dans les méthodes déterministes pour l’inférence statistique exacte ou approchée dans des modèles stochastiques de dynamiques complexes.

Sujet :
Vous viendrez renforcer l’équipe sur le thème de l’inférence statistique par des approches basées sur la simulation. Vous mènerez des recherches sur le développement de méthodes et d’algorithmes originaux pour aborder l’inférence dans des modèles dont la complexité peut être liée, par exemple, à la dimension des variables ou à la présence d’états latents. La mise en œuvre de méthodes d’inférence exacte n’est pas possible pour ces modèles. Vos recherches pourront conduire à des algorithmes opérationnels offrant un bon compromis temps-qualité, tout en apportant des garanties théoriques de convergence. Vos travaux permettront, par exemple, d’aborder de manière plus efficace la modélisation et l’étude de dynamiques spatio-temporelles de populations en écologie ou la prise en compte d’effets de covariables environnementales dans des modèles de développement des plantes, et plus largement ils pourront contribuer à l’analyse de trajectoires de systèmes complexes tels qu’étudiés à INRAE.

Profil du candidat :
Vous êtes titulaire d’un doctorat ou équivalent. Une spécialisation en statistique est vivement recommandée.
Des compétences sur les méthodes d’inférence basées sur la simulation seraient souhaitables, que ce soit en fréquentiste ou en bayésien.
Un goût pour les applications et la recherche finalisée serait un plus.
Vous avez le goût du travail en équipe et un très bon relationnel. Vous faites preuve d’initiative et d’autonomie.
La maîtrise de l’anglais est souhaitée ainsi qu’une expérience internationale de longue durée : les lauréats qui n’en auraient pas encore réalisé seront fortement incités à effectuer un séjour à l’étranger co-construit avec l’équipe d’accueil à l’issue de l’année de stage.

Formation et compétences requises :
Concours ouvert aux candidats titulaires d’un doctorat (ou équivalent).

Adresse d’emploi :
INRAE, MIAT, Toulouse

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

Laboratoire/Entreprise : École polytechnique
Durée : CDI
Contact : Erwan.Le-Pennec@polytechnique.edu
Date limite de publication : 2024-03-20

Contexte :
Le département de mathématiques appliquées de l’École Polytechnique est susceptible de recruter une professeure assistante ou un professeur assistant en apprentissage statistique ou sciences des données à compter du 1ᵉʳ septembre 2024. Il s’agit d’un poste permanent à temps plein en tant qu’enseignant-chercheur de l’École polytechnique.

L’ouverture de ce poste repose sur une activité croissante dans ces domaines, aussi bien pour la recherche au CMAP, le laboratoire de Mathématiques Appliquées de l’École polytechnique, que pour l’enseignement dans le département de Mathématiques Appliquées.
Le CMAP à travers l’équipe SIMPAS (Statistique, Image, Probabilité numérique, Apprentissage et Simulations) est un centre de premier plan dans ce domaine.

L’École polytechnique offre une rémunération attractive (dépendant de l’expérience) ainsi qu’un environnement exceptionnel aussi bien pour l’enseignement, avec une charge réduite et le contact avec de brillants élèves/étudiants, que pour la recherche avec le soutien (scientifique, administratif et budgétaire) du CMAP. Elle donne ainsi à ses professeures assistantes et professeurs assistants d’excellentes conditions pour la préparation d’une habilitation à diriger des recherches.

Sujet :
Le laboratoire cherche à renforcer son équipe autour de la théorie de l’apprentissage statistique au sens large, qui constitue la thématique de recherche mise en avant pour ce recrutement. Le département est néanmoins ouvert à des profils d’excellent niveau sur des thématiques connexes, par exemple autour de la science des données.

Profil du candidat :
Un doctorat en mathématiques appliquées / statistiques / apprentissage automatique ou dans des domaines connexes est requis. Une grande importance sera accordée à la capacité de la candidate ou du candidat à travailler en équipe.
Il/Elle mènera ses recherches au CMAP dans l’équipe SIMPAS. Le candidat ou la candidate devra présenter un projet scientifique détaillé démontrant comment son activité de recherche renforcera celle déjà existante en apprentissage statistique ou science des données (elle/il est fortement encouragée/encouragé à contacter les membres du CMAP pour discuter du projet de recherche).
Elle/Il devra être capable de contribuer à l’enseignement des mathématiques appliquées, des statistiques et de l’apprentissage automatique à tous les niveaux de formation (licence, cycle ingénieur polytechnique, master, voire MOOC et Executive Education). Il/Elle devra s’intégrer dans les équipes pédagogiques des cours fondamentaux de mathématiques appliquées et des cours plus spécialisés. Sa capacité à contribuer à la pédagogie par projet et à renforcer les liens entre enseignement, recherche et applications sera un élément important de la candidature.

Formation et compétences requises :
Un doctorat en mathématiques appliquées / statistiques / apprentissage automatique ou dans des domaines connexes est requis.

Adresse d’emploi :
Ecole polytechnique
Route de Saclay
91128 PALAISEAU

Document attaché : 202402141556_Profil ML 2024 – Ecole polytechnique.pdf

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

Laboratoire/Entreprise : INRAE
Durée : fonctionnaire
Contact : simon.de-givry@inrae.fr
Date limite de publication : 2024-03-30

Contexte :
https://jobs.inrae.fr/concours/concours-externes-ingenieurs-cadres-techniciens-h-f/ir24-mathnum-3

L’unité “Mathématiques et Informatique Appliquées Toulouse” (MIAT) a pour mission de développer des méthodes mathématiques et/ou informatiques pour résoudre des problèmes identifiés avec nos collaborateurs biologistes et agronomes. L’unité est composée de deux équipes, SaAB et SCIDYN, et de deux plateformes, la plateforme GENOTOUL-bioinfo et la plateforme RECORD.
Vous serez accueilli-e au sein de l’équipe Statistiques et Algorithmique pour la Biologie (SaAB).
Une partie importante de l’activité de l’équipe SaAB est menée en intelligence artificielle (IA) pour les sciences du vivant. L’équipe SaAB est composée de 10 personnes (DR, CR, IR et IE). Sur la thématique de l’IA, l’équipe SaAB mène des travaux en optimisation discrète (dans les modèles graphiques) et programmation par contraintes depuis plus de vingt ans. Elle intègre ses travaux dans la plateforme open-source toulbar2. Plus récemment, elle développe des travaux hybrides à l’interface de l’optimisation et du machine learning, notamment avec l’arrivée d’une CR en 2018 et commence à investir le thème des réseaux de neurones profonds.
L’équipe collabore en IA au niveau régional (Institut d’Intelligence Artificielle de Toulouse, Université Paul Sabatier, CNRS), national (MIA Paris, Universités de Caen, Marseille et Montpellier et Télécom Paris) et international (Universités de Aalto, Barcelone, Cork, Heidelberg, Hong-Kong et Prague). Les fruits de ses travaux en IA sont appliqués en génétique (unité GenPhySE), en métabolomique (Télécom Paris, Université de Aalto, INRIA), en réseaux de gènes (unité LIPME) et en design de protéines (Toulouse Biotechnology Institute, Duke University, KU Leuven). Par le passé, des applications en agronomie (planification/conception, SCIDYN, unité Écodéveloppement) ont également été abordées.

Sujet :
Pour les applications d’intérêt, vous aurez le rôle de responsable opérationnel-le et d’interface avec nos partenaires. Vous aurez en charge la mise en oeuvre de la modélisation, des méthodes et leurs expérimentations pour permettre aux chercheurs de l’équipe d’apporter de manière plus efficace leur expertise sur les questions finalisées et continuer à développer la méthodologie.
Vous interviendrez de façon plus spécifique en appui au développement de code en IA. Notamment, le code source de toulbar2 est en C++ pour des raisons d’efficacité et une interface (ou package) en Python est ajoutée pour faciliter la réutilisation du programme. Vous développerez des solutions pour l’optimisation de code et la parallélisation (GPU). Vous contribuerez à pérenniser les résultats des travaux de recherche de l’équipe et à avoir une science ouverte avec la diffusion de logiciels libres de qualité, performants, extensibles et fédérateurs. La maîtrise des outils d’intégration et de livraison continue (CI/CD) doit vous permettre d’y contribuer.

Profil du candidat :
Des connaissances approfondies en algorithmique sont indispensables. Vous avez de bonnes notions sur au moins l’un des domaines IA de l’équipe (Recherche Opérationnelle (RO) / programmation par contraintes ou apprentissage automatique / réseau de neurones).
Pour assurer vos missions, vous avez des compétences avérées en développement logiciel, notamment avec le langage de programmation C++. Une expérience d’une API GPU type CUDA/OpenCL serait appréciée. Idéalement, vous avez déjà démontré votre capacité à concevoir des logiciels diffusables via CI/CD (gitlab, github,…).
Enfin, vous avez des qualités relationnelles affirmées pour travailler en équipe, une rigueur scientifique, de solides facultés d’organisation, de bonnes compétences pédagogiques et la capacité à vous adapter. Des qualités rédactionnelles en anglais sont indispensables.

Formation et compétences requises :
Master, diplôme d’études approfondies, diplôme d’études supérieures spécialisées, diplôme d’ingénieur.

Adresse d’emploi :
INRAE, MIAT, Chemin de Borderouge, 31326 Castanet Tolosan cedex

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

Laboratoire/Entreprise : CNRGH/CEA
Durée : CDI
Contact : edith.lefloch@cnrgh.fr
Date limite de publication : 2024-03-31

Contexte :
Le Centre National de Recherche en Génomique Humaine (CNRGH), au sein de l’Institut de biologie François Jacob du CEA, est localisé sur le campus de la Genopole d’Evry-Courcouronnes (https://jacob.cea.fr/drf/ifrancoisjacob/Pages/Departements/CNRGH.aspx).

Le CNRGH permet de répondre aux questions scientifiques nécessitant des besoins de séquençage et de génotypage à très haut débit grâce au développement et à la mise en œuvre de technologies innovantes. L’organisation du CNRGH permet d’optimiser la recherche en génomique des maladies humaines, en créant les liens indispensables entre la constitution des cohortes (échantillons d’ADN et d’ARN) et l’identification des gènes responsables, l’étude du transcriptome et de l’épigénome. Plus précisément, l’ingénieur-chercheur en statistiques et machine learning sera intégré au sein de l’équipe Mathématiques et Statistiques du CNRGH, composée actuellement de 3 ingénieurs-chercheurs permanents, dont l’objectif est le développement de méthodes d’analyse innovantes des données génomiques.

Sujet :
La mission principale pour ce poste sera le développement de méthodes d’analyses statistiques multivariées pour l’analyse intégrative de données multi-omiques (génomique, transcriptomique, épigénomique, protéomique, métabolomique…), afin d’identifier et d’interpréter des groupes de marqueurs « omiques » hautement corrélés à une pathologie donnée ainsi que d’identifier d’éventuels sous-types de cette pathologie. Dans une perspective de médecine personnalisée, l’objectif est de mieux modéliser l’étiologie de la maladie et d’en identifier chaque sous-type, afin de mieux prédire son évolution, l’efficacité d’un traitement, voire d’identifier de nouvelles cibles thérapeutiques.

Profil du candidat :
Titulaires d’un doctorat ou d’un master en mathématiques ou statistiques appliquées, biologie computationnelle, informatique ou discipline apparentée.

Formation et compétences requises :
Les candidats devront justifier d’une expérience significative en analyse statistique et machine learning. Des connaissances dans le domaine de la génomique ou de la recherche biomédicale ainsi qu’en deep learning seraient très appréciées. Anglais courant requis. Ce poste demande des capacités à communiquer au sein d’équipes pluridisciplinaires, à comprendre les problématiques scientifiques, de la rigueur et de l’autonomie.

Adresse d’emploi :
CNRGH, Evry-Courcouronnes

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

Laboratoire/Entreprise : LIMOS (https://limos.fr)
Durée : permanent
Contact : ftoumani@isima.fr
Date limite de publication : 2024-03-31

Contexte :
Poste de maître de conférences au laboratoire LIMOS (https://limos.fr) et à l’ISIMA (https://www.isima.fr)

Sujet :
Sécurité informatique.

Profil du candidat :
Profil Recherche.
Les activités de recherche seront menées au sein du thème Réseau et Sécurité, https://limos.fr/themes/4, de l’axe SIC du LIMOS (UMR 6158), qui souhaite renforcer ses activités dans le domaine de la conception et preuves de protocoles ainsi que de schémas cryptographiques. Les candidatures devront présenter des projets d’intégration solides et motivés, ciblant ces thématiques au sein de l’équipe sécurité du LIMOS.
Les dossiers qui démontrent un engagement envers la pluridisciplinarité, le développement de travaux en cryptographie, les méthodes formelles pour la sécurité, ou vie privée (Privacy) seront également examinés. De même,toute xpérience dans le domaine de la sécurité informatique sera valorisée. Une attention bienveillante sera accordée aux candidatures qui mettent en avant des réalisations en matière de sécurité appliquée. Enfin, les candidats ayant des aptitudes à travailler au sein de collaborations internationales sont fortement encouragées.

Profil Enseignement.
L’ISIMA (Institut Supérieur d’Informatique, de Modélisation et de leurs Applications) est une grande école d’Ingénieurs en Informatique de ClermontAuvergneINP,établissement-composantedel’UniversitéClermontAuvergneetmembredugroupeINP. L’ISIMAregroupeles formations de diplôme d’ingénieur en informatique (environ 430 étudiants), de master d’informatique (environ 150 étudiants) et de la licence d’informatique (environ 350 étudiants).
La personne recrutée sera susceptible d’intervenir dans tous les diplômes de l’ISIMA (diplôme d’ingénieur en informatique en formation initiale statut étudiant / apprenti, master en informatique, licence d’informatique). Une part significative des enseignements se fera sur le thème de la sécurité, notamment dans la filière “réseaux et sécurité” du diplôme d’ingénieur. Cette filière, labellisée SecNumEdu par l’ANSSI, met un fort accent sur tous les aspects de la sécurité informatique. On peut notamment citer des besoins dans les enseignements suivants :
– fondements de la sécurité informatique (dont théorie des codes et cryptographie),
– sécurité réseau (dont architecture d’un réseau sécurisé, sécurisation des services réseaux),
– programmation sécurisée (dont sécurité web, sécurité des systèmes d’exploitation, analyse de malwares, sécurité de l’embarqué, sécurité des objets connectés),
– sécurité du système d’information (dont politique de sécurité, tests d’intrusion).
Des enseignements dans d’autres domaines seront aussi proposés en fonction du profil du candidat (ex : algorithmique et programmation, bases de données, apprentissage automatique, systèmes d’exploitation, informatique théorique, recherche opérationnelle, etc.).
La candidate / le candidat s’intègrera à l’équipe pédagogique de l’ISIMA, constituée d’environ 45 enseignants et enseignants-chercheurs. La candidate / le candidat aura vocation à participer aux tâches collectives et aux missions d’intérêt général de l’école.
Les candidatures externes sont fortement encouragées.

Formation et compétences requises :
Doctorat en informatique

Adresse d’emploi :
LIMOS (https://limos.fr)
ISIMA (https://www.isima.fr)

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

Laboratoire/Entreprise : Ecole Centrale Lyon
Durée : 12 months
Contact : celine.helbert@ec-lyon.fr
Date limite de publication : 2024-03-31

Contexte :
Including model and environmental uncertainties in decision aiding methods is often seen as becoming increasingly important. This is the case when seeking optimal renewing strategies for buildings.
However the theory and the algorithms for optimizing in the presence of uncertainties is still an active research domain, particularly when optimizing many criteria.
In this post-doctoral work, we will focus on costly and general nonlinear constrained multi-objective optimization problems that are affected by uncertainties. We will consider the case where the uncertain parameters can be separated from the optimization variables and can be chosen during the simulations. Because of this separation and providing a probability of occurence of the uncertainties exists, a statistical modeling in the joint design × uncertain parameters space is possible. This will be the context of the work.

Sujet :
The goal of this work is to improve the ideas introduced in [El Amri 23] by putting them in the context of multi-objective optimization under uncertainties. The expected hyper-volume improvement must be adapted to take into account the uncertainties and a sampling SUR criterion must be devised to choose the value of the random parameter to be evaluated. A multi-output Gaussian process can be proposed to take into account the correlation between the objective functions. A wise choice of the correlation kernel should be done.
The methods developed will be applied to the design of energy efficient
buildings, a major contemporary challenge. The criteria are the energy usage of the building, the thermal comfort and the cost. Important uncertainties affect the cost (through the cost of energy) and the external conditions through the climate change.
[El Amri] : R. El Amri, R. Le Riche, C. Helbert, C. Blanchet-Scalliet and S. Da Veiga, A sampling criterion for constrained Bayesian optimization with uncertainties, to appear in SMAI Journal of Computational Mathematics, 2023.

Profil du candidat :
• doctoral degree or equivalent in mathematics,
• proven strong background in uncertainty quantification or statistical learning theory,
• substantial experience in numerical programming.

Formation et compétences requises :
See above

Adresse d’emploi :
Institut Camille Jordan (ICJ), Campus of l’Ecole Centrale de Lyon, Ecully.
Stays will be expected at the LIMOS laboratory, either in Clermont-Ferrand, or in Saint-Etienne, FR.

Document attaché : 202312141710_postdocoffer_moo_uncertainties.pdf

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

Laboratoire/Entreprise : IMCCE/Paris observatory
Durée : 2years
Contact : daniel.hestroffer@obspm.fr
Date limite de publication : 2024-03-31

Contexte :
The study of asteroids is fundamental both for our understanding of the formation of the Solar System, or the supply of water and origin of life on a planet, and for the prediction of Earth impacts. Knowledge of the structure of small bodies (from a few meters to several hundreds of km) is an important element. Indeed the mass, the density, and the internal structure of the small bodies are as many key factors to understand their formation, and diversity, and tracing the origins of planetary systems in general. Moreover, making the link between the internal structure of small bodies and their external shape is the next major challenge in the field.

Nanosatellites or cubesats offer a new opportunity to perform gravity field determinations that we are developing within the BIRDY project. These local relative techniques and measurements show an innovative aspect for this type of interplanetary missions. In particular, we want to study the radio-science and POD precise orbit determination technique, considering and exploiting all the possibilities offered by inter-satellites links (ISL) radio links between one or more nanosatellites. This, in order to derive the lower order of the gravitational potential, mass, bulk density, mass distribution, etc. Our study will develop the concept of radio/optical measurements through inter-satellite links, within the BIRDY project, in the event of a reconnaissance mission (planetary defence, fly-by) or an exploration mission (planetary science, rendez-vous).

Moreover, the next challenge we want to tackle is to relate the external morphology of small bodies – modelled as gravitational aggregates – to their internal structure. We will develop in particular machine-learning ANN/PINN methodologies for inverse problems in the determination of gravity fields and tomography, as well as the modelling of the internal structure of gravitational aggregates with SSDEM numerical methods.

Sujet :
Three research axis will be covered with this post-doc work:
-Develop precise orbit determination process to probe the gravity field through ISL (radio/optical). Analyse a space mission to asteroid Aophis close encounter in 2029. Derive an optimisation analysis for the measurements and nanosatellites configuration, assess the need for complementary ground-based measurements. Validate the approach with our RF-test bench deployed at CENSUS.
-Develop a gravity-and-tomography global inversion algorithm, using artificial neural networks, to derive the internal structure of small bodies. This will be done by combining complementary radio-science (gravity) and LFR radar (tomography) observations.
-Model granular systems using SSDEM numerical simulations, to provide a link between the external morphology of a body with it’s modelled interior.

The work will be performed at Paris observatory within IMCCE and CENSUS space centre. The methodology will be applied to several targets of interest, and in particular to the HERA mission from ESA.

References
Izzo & Gomez 2022 Commun. Eng. 1, 48 https://doi.org/10.1038/s44172-022-00050-3
Martin et al. 2002 CMDA 134, 46 https://doi.org/10.1007/s10569-022-10101-8
Hestroffer et al. 2021 7thPDC, #149 https://ui.adsabs.harvard.edu/abs/2021plde.confE.149H/abstract
Hestroffer et al. 2019, AARv 27, 6 https://doi.org/10.1007/s00159-019-0117-5

Profil du candidat :
– PhD in computer science, machine learning, mathematics, A&A, data scientist, or equivalent
– Experience in neural networks and regression
– Strong skills in programming and numerical computations
– Excellent written and verbal communication in English

Formation et compétences requises :
– Advanced skills in data analysis and the use of statistical software.
– Very good understanding of Machine Learning theory and techniques
– Strong experience with machine learning methods (ANN, PINN, …) for regression and inverse problems.
– knowledge of gravitational field representation, and precise orbit determination appreciated
– knowledge of SSDEM numerical computations for granular systems is a plus

Adresse d’emploi :
Paris observatory
77 av. Denfert-Rochereau
75014 Paris

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

Laboratoire/Entreprise : LERIA (Université d’Angers)
Durée : 18 months
Contact : nicolas.gutowski@univ-angers.fr
Date limite de publication : 2024-03-31

Contexte :
In chemistry, the discovery of new molecules often results from the refinement of an already known effective compound through chemical reactions to enhance its properties. The emergence of a truly new molecule is a rarer phenomenon. It is around this objective that a theme has developed focusing on the de novo generation of molecules with desired properties. Among the challenges in this research area are the size of the search space and the difficulty of generating synthesizable molecules.
Molecules can be represented as graphs, where vertices are labeled according to the type of atom, and edges are labeled according to the type of bond. This is a problem of generating a graph structure, where the goal is the combination of one or more functions to optimize and constraints to satisfy. Thus, the G-GENOCOD project (Graph-Generation for Novel Compound Discovery), although applied to chemistry, addresses a much broader problem of generating complex graph structures with a very large space of composed actions.

Sujet :
The G-GENOCOD project follows EvoMol, an evolutionary algorithm for molecule generation developed by an interdisciplinary team from LERIA and MOLTECH. While EvoMol achieves benchmark results, significant challenges that G-GENOCOD aims to address remain:
1. The first will be conditioned by the goal of realism (generating synthesizable molecules). This objective is crucial for real-world applications. Methods derived from the goal-conditioned RL approach will enable the attainment of strong synthesizability properties while being explainable.
2. The second will be conditioned by the selection of optimal actions to achieve the desired chemical properties (“properties conditioned”), i.e., the choice of actions on the graph is currently random. One would expect an intelligent method (here, reinforcement learning: RL) to apply a policy of selecting actions that has worked in the past, as a chemist would add a known chemical function to enhance a target property.
3. The third objective will finally be to evolve towards the ability to generate molecules according to several defined objectives (multi-objective optimization).

Profil du candidat :
Knowledge :
– Reinforcement learning
– Graph theory
– Theorems and proofs of convergence
– Probabilistic reasoning

Know-how:
– Python development
– Development using scikit-learn, PyTorch
– Writing scientific articles in LaTeX

Soft skills:
– Efficient and responsive
– Autonomous
– Proactive
– Rigorous

Formation et compétences requises :
PHD degree of less than 3 years
Specialty : Computer Science, Artificial Intelligence

Adresse d’emploi :
UFR Sciences, 2 Bd de Lavoisier, 49000 Angers, FRANCE

Document attaché : 202401082139_FP_POST-DOC_G-GENOCOD-ENG.pdf

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

Laboratoire/Entreprise : LIRIS, INSA Lyon
Durée : CDI
Contact : remy.cazabet@univ-lyon1.fr
Date limite de publication : 2024-03-31

Contexte :
L’INSA Lyon recrute un/une professeur(e) en apprentissage automatique rattaché(e) au LIRIS.
L’équipe DM2L (Data Mining & Machine Learning) a la priorité du laboratoire.
L’annonce est détaillée ci-dessous.

Sujet :
Le LIRIS (UMR CNRS 5205) cherche à renforcer son impact sur l’apprentissage automatique, thématique centrale de l’enjeu « Information et Société Numérique » de l’INSA Lyon, dont l’intelligence artificielle est un pilier. La personne recrutée devra démontrer ses capacités à mener une recherche de haut niveau portant sur les aspects fondamentaux des méthodes et des algorithmes d’apprentissage automatique à partir de données complexes (structurées ou non structurées comme les textes, les images,ou les graphes). Le développement de synergies entre l’apprentissage neuronal, flexible et performant, et l’apprentissage symbolique, robuste et permettant l’interaction humaine, sera clairement apprécié, notamment pour l’IA explicable et frugale. Elle devra aussi avoir mis en œuvre et étudié les méthodes d’apprentissage de modèles et démontré sa capacité à développer des méthodes innovantes pour l’analyse et l’interprétation de données dans des cadres applicatifs variés.

Profil du candidat :
La personne recrutée devra avoir démontrée sa capacité à développer sa recherche au travers de collaborations nationales et internationales via des projets structurants avec le monde académique et/ou industriel. En termes de prises de responsabilités, elle pourra prendre en charge l’animation des activités de recherche du LIRIS sur l’apprentissage automatique. Son projet de recherche s’intégrera dans l’équipe DM2L (priorité du LIRIS) ou l’équipe IMAGINE.

Formation et compétences requises :
N’hésitez pas à prendre contact pour plus d’information.
Équipe DM2L:
Céline Robardet (celine.robardet@insa-lyon.fr)
Rémy Cazabet(remy.cazabet@univ-lyon1.fr)

Adresse d’emploi :
INSA Lyon/LIRIS

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

Laboratoire/Entreprise : LIP6 (CNRS et Sorbonne Université)
Durée : 12 mois
Contact : Matthieu.Latapy@lip6.fr
Date limite de publication : 2024-04-01

Contexte :
Détecter les fraudes dans les transactions financières est un sujet applicatif crucial : les pertes dûes aux fraudes sont colossales, et l’argent souvent utilisé pour financer des activités nocives. C’est aussi un sujet qui nécessite des travaux de recherche fontamentale importants, par exemple concernant l’analyse de dynamiques de graphes, l’algorithmique en streaming ou la définition de métriques capturant la nature à la fois structurelle et temporelle des données.

Sujet :
Le plus souvent, l’information disponible consiste en un enregistrement de transferts d’argent, comme des virements ou des paiements par carte. On connaît l’origine de l’argent, sa destination, le moment de la transaction et son montant, mais relativement peu d’autres informations (parfois le type de compte ou de carte, le pays de la transaction, etc). Les données sont alors très bien modélisées par des flots de liens (link streams).

Avec cette vision, les fraudes sont des sous-séquences de liens dans un flot de liens, dont on s’attend à ce qu’elles aient des caractéristiques particulières. Tout l’enjeu consiste à identifier ces caractéristiques, à les modéliser par des métriques calculables en temps et espace raisonnables, et enfin à s’en servir pour détecter les fraudes. L’évaluation des méthodes pose également question, face au manque de vérités de terrain, c’est-à-dire de données dans lesquelles les fraudes réelles sont connues.

Ce postdoc propose une approche orientée graphes et données pour répondre à ces problématiques et améliorer drastiquement l’état-de-l’art sur ces sujets. Voir le pdf pour plus de détails.

Profil du candidat :
À titre indicatif, nous sommes particulièrement intéressés par des compétences en analyse de grands graphes et de réseaux, utilisation de machine learning (en particulier scikit-learn), programmation python, graphes aléatoires, manipulation de grandes données en streaming, expérimentations à grande échelle, cybersécurité et traitement du signal.

Une expérience de rédaction d’articles pour des conférences internationales sélectives est également souhaitée. Enfin, un équilibre entre les aspects théoriques et pratiques de la recherche, très présent dans le sujet, serait un plus.

Formation et compétences requises :
Doctorat en informatique, compétences en programmation et algorithmique, utilisation de machine learning (scikit-learn). Ou volonté de s’y former.

Adresse d’emploi :
Paris centre

Document attaché : 202310050726_postdoc_fraudes.pdf

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

Laboratoire/Entreprise : Université de Paris-Dauphine – PSL
Durée : 1 an renouvelable
Contact : bruno.chavesferreira@dauphine.fr
Date limite de publication : 2024-04-01

Contexte :
Dans le cadre du développement de l’Institut ACSS, l’Université PSL recrute un ingénieur d’études (IE) et un ingénieur de recherche (IR) en science des données. Ils seront chargés de mettre en œuvre des méthodes et outils de collecte et traitement de données issues de sources variées (Web, bases de données institutionnelles, archives, etc.). Ils auront également la responsabilité de veiller au respect des bonnes pratiques en matière de développement et de gestion du code et des données. Enfin, ils contribueront au développement de modèles statistiques ou d’apprentissage automatique (notamment dans le domaine du traitement automatisé de la langue naturelle).

Créé au sein de l’Université Paris Sciences et Lettres (PSL) et hébergé à Paris Dauphine, l’Institut « Applied Computational Social Sciences » a pour vocation de renforcer la recherche sur les grandes problématiques sociétales (cohésion politique et sociale, transition écologique, transformation numérique, efficacité et compétitivité économique) en articulant sciences des données et sciences sociales.

Sujet :
L’Institut collecte et traite à larges échelle des données hétérogènes tant pour permettre des avancées scientifiques que pour contribuer à éclairer le débat public et la décision. Il réunit sur une équipe pluridisciplinaire de chercheurs et s’appuie sur une équipe d’ingénieurs qui apportent leurs expertises pour constituer des bases de données originales et opérer des traitements complexes. Ces projets sont initiés et portés par des laboratoires du CNRS, de Dauphine, de l’ENS, de l’INSP, et des MinesParis-Tech. Les résultats des travaux ont vocation à être largement diffusés auprès de partenaires institutionnels et du monde économique.

Profil du candidat :
Ingénieur de recherches : Diplôme d’ingénieur en informatique (ou mathématiques/statistiques) avec au moins 3 ans d’expérience ou titulaire d’un doctorat avec une thèse dans le domaine.

Ingénieur d’études : Titulaire d’un master informatique, maths-info ou d’un diplôme d’école d’ingénieur.

Formation et compétences requises :
Expérience dans le développement de réseaux de neurones profonds et autres modèles statiques avancés appliqués au traitement automatisé du langage sur de larges corpus.
Maîtrise des écosystèmes Python et R dédiés à la science des données.
Plus spécifiquement en Python, maîtrise de numpy, pandas, spacy, ntlk et connaissance pratique de tensorflow, keras et pytoch.
En R, maîtrise du tidyverse, de tidymodels et des bibliothèques associées, ainsi que de torch
Maîtrise des bases de données relationnelles et NoSQL.
Compréhension des méthodes scientifiques des sciences humaines et sociales.

Adresse d’emploi :
Pl. du Maréchal de Lattre de Tassigny, 75016 Paris

Document attaché : 202310041017_IngenieursACCS_2023_fr.pdf

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

Laboratoire/Entreprise : Université Lyon 2, Institut de la communication, L
Durée : –
Contact : jerome.darmont@univ-lyon2.fr
Date limite de publication : 2024-04-01

Contexte :
Profil du poste
Mots-clefs : apprentissage statistique, machine learning, application aux humanités numériques
Section CNU : 26, 27
Prise de poste : 01/09/2024
Localisation : Lyon, Campus de Bron

Sujet :
Profil enseignement : La personne recrutée interviendra à la fois en licence et en master Informatique, ainsi qu’en master Humanités numériques, en cours magistraux et en travaux dirigés. Les matières principales à prendre en charge seront à choisir parmi de nombreux cours : mathématiques, probabilités, statistique, apprentissage supervisé, apprentissage non
supervisé, analyse des données…

Profil recherche : Les recherches au sein du laboratoire ERIC se situent dans les domaines de la science des données et de l’informatique décisionnelle. Elles visent à valoriser les mégadonnées (big data),
notamment dans les domaines des sciences humaines et sociales (SHS).
La personne recrutée devra s’intégrer dans l’équipe DMD, dont les thématiques de recherche peuvent être classées en trois axes majeurs. Le premier axe concerne le développement de modèles et d’algorithmes d’apprentissage pour les données complexes (big data). Le second
axe, prévision et décision, est dédié à la mise au point de techniques de prévision et d’agrégation multicritère pour l’aide à la décision. Le troisième, relatif aux humanités numériques, est un axe transversal au laboratoire ERIC.

Profil du candidat :
Nous attendons de la personne recrutée qu’elle s’intègre à l’équipe, en développant des collaborations avec les membres actuels de l’équipe.
La thématique de recherche attendue est le machine learning au sens large (apprentissage statistique, apprentissage automatique), avec une vision moderne de ces approches. Des thématiques comme l’apprentissage par renforcement, l’apprentissage par transfert, le geometric learning… seraient particulièrement les bienvenues, avec un intérêt pour les
modèles frugaux et explicables. Un attrait pour les applications dans le domaine des humanités serait également un atout.

Formation et compétences requises :
Mathématiques, probabilités, statistique, apprentissage supervisé, apprentissage non supervisé, analyse des données

Adresse d’emploi :
Enseignement : Jérôme DARMONT, directeur adjoint de l’ICOM
https://icom.univ-lyon2.fr
jerome.darmont@univ-lyon2.fr

Recherche : Julien JACQUES, directeur du laboratoire ERIC
https://eric.msh-lse.fr
julien.jacques@univ-lyon2.fr

Document attaché : 202310061207_2024-univlyon2-posteMCF2627.pdf

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

Laboratoire/Entreprise : Laboratoire Interdisciplinaire des Sciences du Num
Durée : indéterminé
Contact : sylvain.chevallier@universite-paris-saclay.fr
Date limite de publication : 2024-04-01

Contexte :
Ce poste est disponible sur Galaxie : https://www.galaxie.enseignementsup-recherche.gouv.fr/ensup/ListesPostesPublies/ANTEE/2024_1/0912408Y/FOPC_0912408Y_314.pdf

Le Laboratoire Interdisciplinaire des Sciences du Numérique (LISN, UMR9015, http://lisn.upsaclay.fr/) est un laboratoire pluridisciplinaire de l’Université Paris-Saclay. La personne recrutée devra s’intégrer dans l’un des cinq départements scientifiques du laboratoire, qui rassemblent 17 équipes de recherche de renommée internationale :
• Le département AAC mène des recherches sur les modèles de calcul et leur robustesse, ainsi que sur les architectures et les méthodes de traitement ;
• Le département IaH explore les multiples formes d’interaction avec l’humain avec un regard pluridisciplinaire alliant informatique, traitement du signal et sciences humaines ;
• Le département ME mène des travaux à l’interface entre l’informatique, la physique et les mathématiques appliquées sur la mécanique des fluides, les transferts de masse et de chaleur et l’énergétique ;
• Le département SDD porte sur la modélisation, la collection, la gestion, l’analyse et la construction de données et de connaissances, notamment en lien avec les domaines de la bio-informatique, de l’IoT et des graphes de données ;
• Le département STL développe des recherches sur le traitement automatique des langues parlées, écrites et signées avec un regard pluridisciplinaire alliant informatique, traitement du signal et linguistique.
Les travaux menés au laboratoire s’appuient notamment sur des méthodes numériques complexes et de traitement de données à grande échelle qui soulèvent des enjeux importants en termes de reproductibilité et d’impact environnemental.

*Université Paris Saclay*
Née fin 2019 de la volonté conjuguée d’universités et de grandes écoles, l’Université Paris-Saclay compte
parmi les grandes universités européennes et mondiales.
Avec 16 500 personnels académiques, techniques et administratifs et 48 000 étudiants, elle constitue un
pôle dense, actif, couvrant les secteurs des Sciences et Ingénierie, des Sciences de la vie et Santé et des
Sciences Humaines et Sociales.
Sa politique scientifique associe étroitement recherche et innovation et s’exprime à la fois en sciences
fondamentales et en sciences appliquées pour répondre aux grands enjeux sociétaux.
Du premier cycle au doctorat, en passant par des licences, des B.U.T., des masters et des programmes de
grandes écoles, l’Université Paris-Saclay déploie une offre de formation sur un large spectre de disciplines,
au service de la réussite et de l’insertion professionnelle. Au-delà, elle prépare les étudiants à une société en
pleine mutation, où l’esprit critique, l’agilité et la capacité à renouveler ses compétences sont clés.
L’Université Paris-Saclay propose également un riche programme de formations tout au long de la vie.
Située au sud de Paris, sur un vaste territoire regroupant une vingtaine de campus répartis sur 15
communes franciliennes, l’Université Paris-Saclay bénéficie d’une position géographique et socio-
économique favorisant à la fois sa visibilité internationale et des liens étroits avec ses partenaires – grands
groupes industriels, PME, start-up, collectivités territoriales -.
Site web : www.universite-paris-saclay.fr/fr
Établissement handi-accueillant et attaché à la mixité et à la diversité

*Welcome Research Package*
Dans le cadre de sa politique d’attractivité, l’Université Paris-Saclay accueille les nouveaux recrutés juniors,
maîtres et maîtresses de conférences, chargés et chargées de recherche et ingénieurs-chercheurs junior,
dans l’ensemble de ses établissements, en leur offrant un lot de bienvenue, dénommé « Welcome
Research Package » (WRP).
Ce lot, d’un montant de 5000 €, leur prodigue un premier environnement financier destiné à faciliter le
lancement de leur programme de recherche : dépenses liées à leur projet, missions et participation à des
colloques, gratifications de stage, acquisition de petits équipements. Le lot est attribué l’année civile
suivant le recrutement, il est notifié au laboratoire d’accueil et les dépenses peuvent être réalisées sur
deux ans.
Ce lot commun pour les recrutés maîtres et maîtresses de conférences est complété par un lot de
bienvenue de 5000€ au périmètre employeur, au titre du budget de recherche de l’établissement. Ce
second lot est également notifié au laboratoire mais il est à dépenser dans l’année

Sujet :
La candidate ou le candidat devra présenter un projet de recherche et un projet d’intégration dans les thématiques intéressant au moins l’un des départements, autour de la problématique du numérique responsable, comme par exemple :
• Les méthodes de prise en compte de l’impact environnemental de production et d’utilisation du numérique, dans la perspective de généraliser la conduite de recherches soutenables ;
• Les méthodes d’évaluation de solutions numériques intégrant des dimensions de reproductibilité et d’impact environnemental ;
• Le développement de modèles informatiques frugaux ou avec impact environnemental maîtrisé ;
• L’étude des propriété intrinsèques des gros modèles de langues (LLMs) en particulier sur le plan des biais et de la préservation de la confidentialité liée aux données d’entraînement ou d’affinage ;
• Le développement de méthodes d’interopérabilité pour le partage, l’annotation, la réutilisation de protocoles et workflows fiables (FAIR) ;
• L’étude des aspects éthiques et sociaux du numérique, en particulier la régulation de l’IA.

Profil du candidat :
Filières de formation concernées : les trois années de BUT informatique et le BUT informatique par apprentissage (parcours A : « Réalisation d’applications : conception, développement, validation » et parcours C : « Administration, gestion et exploitation des données »).

Les enseignements couvrent donc l’algorithmique et la programmation, les bases de données, la programmation Web, les interfaces homme-machine, etc.

La personne recrutée devra enseigner l’informatique dans les filières mentionnées ci-dessus et s’investir dans la mise en place du parcours C, dont la thématique prioritaire est l’administration, l’analyse, l’exploitation, la gestion, et la visualisation des données.

La personne recrutée devra aussi s’investir dans les différentes responsabilités pédagogiques, administratives et de communication du département (responsabilité de filière, etc.).

Formation et compétences requises :
Titulaire d’un doctorat en informatique

Adresse d’emploi :
Université Paris Saclay
LISN
1 rue René Thom
91190 Gif-sur-Yvette

Document attaché : 202403051458_FOPC_0912408Y_314.pdf

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

Laboratoire/Entreprise : Université Lyon 2, Institut de la Communication, L
Durée : –
Contact : jerome.darmont@univ-lyon2.fr
Date limite de publication : 2024-04-01

Contexte :
Profil du poste
Mots-clefs : Business intelligence, Databases, Big data,
Information systems, Digital humanities
Section CNU : 27
Prise de poste : 01/09/2024
Localisation : Lyon, Campus de Bron

Sujet :
Profil enseignement : La personne recrutée interviendra à la fois en licence et en master Informatique (notamment dans le M2 Business Intelligence & Analytics), ainsi qu’en master Humanités numériques, en cours magistraux et en travaux dirigés. Les matières principales à prendre en charge seront liées à la gestion de données : bases de données, entrepôts de données et OLAP, gestion et analyse de mégadonnées, technologies big data, cloud computing, NoSQL, etc.

Profil recherche : Les recherches au sein du laboratoire ERIC se situent dans les domaines de la science des données et de l’informatique décisionnelle. Elles visent à valoriser les mégadonnées (big data), notamment dans les domaines des sciences humaines et sociales (SHS).

Profil du candidat :
La personne recrutée devra s’intégrer dans l’équipe recherche Systèmes d’Information Décisionnels (SID) pour développer des recherches autour de la gestion « intelligente » et des architectures décisionnelles, afin de relever les nouveaux défis liés aux données massives. La personne recrutée aura pour vocation d’apporter son expertise en bases de données, systèmes d’information décisionnels, technologies big data, pour assurer l’extraction, le nettoyage, la transformation, la modélisation, le stockage, l’alimentation, le déploiement, l’analyse et la visualisation des données massives.
La personne recrutée devra également s’investir dans les projets et les enjeux liés aux Humanités numériques, qui est un axe transversal stratégique du laboratoire ERIC et qui pose de nouvelles questions de recherche interdisciplinaires, ainsi que des défis technologiques. Une
expérience dans les Humanités numériques sera appréciée.

Formation et compétences requises :
Bases de données, entrepôts de données et OLAP, gestion et analyse de mégadonnées, technologies big data, cloud computing, NoSQL, etc.

Adresse d’emploi :
Enseignement : Jérôme DARMONT, directeur adjoint de l’ICOM
https://icom.univ-lyon2.fr
jerome.darmont@univ-lyon2.fr

Recherche : Julien JACQUES, directeur du laboratoire ERIC
https://eric.msh-lse.fr
julien.jacques@univ-lyon2.fr

Document attaché : 202310061202_2024-univlyon2-postePR27.pdf

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

Laboratoire/Entreprise : Laboratoire Interdisciplinaire des Sciences du Num
Durée : indéterminée
Contact : sylvain.chevallier@universite-paris-saclay.fr
Date limite de publication : 2024-04-01

Contexte :
Poste disponible sur Galaxie : https://www.galaxie.enseignementsup-recherche.gouv.fr/ensup/ListesPostesPublies/ANTEE/2024_1/0912408Y/FOPC_0912408Y_315.pdf

Née fin 2019 de la volonté conjuguée d’universités et de grandes écoles, l’Université Paris-Saclay compte
parmi les grandes universités européennes et mondiales.
Avec 16 500 personnels académiques, techniques et administratifs et 48 000 étudiants, elle constitue un
pôle dense, actif, couvrant les secteurs des Sciences et Ingénierie, des Sciences de la vie et Santé et des
Sciences Humaines et Sociales.
Sa politique scientifique associe étroitement recherche et innovation et s’exprime à la fois en sciences
fondamentales et en sciences appliquées pour répondre aux grands enjeux sociétaux.
Du premier cycle au doctorat, en passant par des licences, des B.U.T., des masters et des programmes de
grandes écoles, l’Université Paris-Saclay déploie une offre de formation sur un large spectre de disciplines,
au service de la réussite et de l’insertion professionnelle. Au-delà, elle prépare les étudiants à une société en
pleine mutation, où l’esprit critique, l’agilité et la capacité à renouveler ses compétences sont clés.
L’Université Paris-Saclay propose également un riche programme de formations tout au long de la vie.
Située au sud de Paris, sur un vaste territoire regroupant une vingtaine de campus répartis sur 15
communes franciliennes, l’Université Paris-Saclay bénéficie d’une position géographique et socio-
économique favorisant à la fois sa visibilité internationale et des liens étroits avec ses partenaires – grands
groupes industriels, PME, start-up, collectivités territoriales -.
Site web : www.universite-paris-saclay.fr/fr

Sujet :
*Enseignement*
Filières de formation concernées : les trois années de BUT informatique et le BUT informatique par apprentissage (parcours « Réalisation d’applications : conception, développement, validation » et « Administration, gestion et exploitation des données »). La licence professionnelle en informatique « Sécurité des Réseaux et des Systèmes Informatiques » (SRSI).

L’enseignant·e recruté·e enseignera l’informatique dans les filières mentionnées ci-dessus et notamment parmi les matières suivantes : programmation (C++, Java, …), programmation des applications mobiles, développement Android, programmation web, bases de données. Des capacités complémentaires d’enseignement dans les disciplines suivantes (sans ordre de priorité) seront également appréciées : algorithmique, systèmes d’exploitation, architecture des ordinateurs, génie logiciel, qualité, UML, IA, interfaces homme-machine, réseaux.

L’enseignant·e recruté·e s’appuiera sur ses expériences précédentes pour jouer un rôle moteur dans l’animation de son équipe d’enseignement au sein du département informatique. Par ailleurs, il/elle s’investira dans les différentes responsabilités pédagogiques, administratives et de communication du département (responsabilité de filière, direction du département, etc.). Il/elle pourra être sollicité·e dans le cadre des actions de formation permanente

*Recherche*
La candidate ou le candidat développera ses activités de recherche au sein du Laboratoire Interdisciplinaire des sciences du numérique (LISN – UMR CNRS 9015, INRIA, Centrale Supélec), un laboratoire pluridisciplinaire de l’Université Paris-Saclay structuré en cinq départements scientifiques, dont Sciences et Technologies des Langues (STL) et Sciences des Données (SDD). La candidate ou le candidat intégrera l’une des équipes du département STL (LIPS, M3 et SEME) ou dans l’équipe A & O (département SDD) et renforcera les activités orientées vers l’extraction d’information et l’apprentissage, avec si possible une dimension informatique soutenable.

Pour STL :
• Recherche et extraction d’informations précises : (i) au moyen d’approches par apprentissage ou par modèles pré-entraînés, (ii) applicables notamment dans un cadre conversationnel, (iii) en domaine de spécialité (biomédical, juridique, pédagogie, etc.)
• Systèmes de question/réponse : (i) au moyen d’approches à base de modèles pré-entraînés, ou (ii) d’approches génératives, (iii) pouvant tenir compte de la multimodalité
• Induction lexicale et sémantique à partir de textes, intégrant notamment les expressions polylexicales

pour A&O :
• Good AI: apprentissage frugal (en complexité et en quantité de données), apprentissage causal, explication post-hoc de modèles boite-noire, apprentissage de modèles n’empirant pas les biais des données;
• AI for Good: applications pour une société soutenable (agriculture, climat et santé; algorithmes pour l’emploi)
• Incorporation de connaissances dans l’apprentissage (augmentation de données, prompting, simulations, modélisation)
• Cross-fertilisation ML / physique statistique / dynamique de l’entraînement : étude des invariances, du comportement asymptotique, etc.

La personne recrutée s’impliquera dans l’animation scientifique du laboratoire et bénéficiera d’un environnement porteur (DataIA, programme PhDs COFUND DeMythif.AI). Un rayonnement international sera apprécié.

*Contact*
Enseignement
Banafsheh Farang-Hariri banafsheh.hariri@universite-paris-saclay.fr
Andrei Paskevich andrei.paskevich@universite-paris-saclay.fr

Recherche
Pour STL : Aurélie Névéol aurelie.neveol@lisn.fr
Pour A&O : Guillaume Charpiat guillaume.charpiat@inria.fr

Profil du candidat :
*Welcome Research Package*

Dans le cadre de sa politique d’attractivité, l’Université Paris-Saclay accueille les nouveaux professeurs des
universités recrutés au sein de ses composantes en leur attribuant un lot de bienvenue, au titre du budget
de recherche de l’établissement.
Ce lot, d’un montant de 10 000 €, leur prodigue un premier environnement financier destiné à faciliter le
lancement de leur programme de recherche : dépenses liées à leur projet, missions et participation à des
colloques, gratifications de stage, acquisition de petits équipements.
Le lot est attribué l’année civile suivant le recrutement, il est notifié au laboratoire d’affectation et les
dépenses doivent être réalisées dans l’année.

Formation et compétences requises :
Voir le site de Galaxie : https://www.galaxie.enseignementsup-recherche.gouv.fr/ensup/ListesPostesPublies/ANTEE/2024_1/0912408Y/FOPC_0912408Y_315.pdf

Adresse d’emploi :
Université Paris Saclay
LISN
1 rue René Thom
91190 Gif-sur-Yvette

Document attaché : 202403051506_FOPC_0912408Y_315.pdf

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

Laboratoire/Entreprise : Institut Agro, DSIP et UMR INRAe Agroécologie
Durée : fonctionnaire Etat
Contact : ludovic.journaux@agrosupdijon.fr
Date limite de publication : 2024-04-01

Contexte :
poste validé en CA Institut Agro, Susceptible d’être vacant et ouvert à la session de printemps 2024 du Ministère de l’Agriculture

Sujet :
voir pdf joint

Profil du candidat :
voir pdf joint

Formation et compétences requises :
voir pdf joint

Adresse d’emploi :
Institut Agro Dijon

Document attaché : 202311151757_Poste_MCF_Math-DSIP-AE_dffuse_nov23.pdf

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

Laboratoire/Entreprise : LITIS Lab / INSA Rouen
Durée : 5 ans
Contact : paul.honeine@univ-rouen.fr
Date limite de publication : 2024-04-10

Contexte :

Sujet :
Un poste de Chaire de Professeur Junior (CPJ) est à pourvoir pour la rentrée 2024 au Laboratoire LITIS à l’INSA Rouen Normandie, sur la thématique « Intelligence Artificielle pour une mobilité sûre et intelligente ».

La personne recrutée intégrera une des 3 équipes du LITIS, selon l’adéquation de son profil aux thèmes de recherche de ces équipes :
– équipe Apprentissage : Machine Learning (https://www.litislab.fr/equipe/app)
– équipe MIND : Multi-Agent, Interaction, Décision (https://www.litislab.fr/equipe/mind)
– équipe STI : Systèmes de Transport Intelligents (https://www.litislab.fr/equipe/sti)

Les activités d’enseignement se feront au département « informatique et technologie de l’information » (http://iti.insa-rouen.fr).

Le profil complet est disponible sur Galaxie : https://www.galaxie.enseignementsup-recherche.gouv.fr/ensup/ListesPostesPublies/FIDIS/0760165S/FOPC_0760165S_4117.pdf

La date butoir de candidature sur Galaxie est le 15 avril 2024.

Profil du candidat :

Formation et compétences requises :

Adresse d’emploi :
LITIS, INSA Rouen Normandie

Document attaché : 202403212124_CPJ-ITI-LITIS-2024.pdf

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

Laboratoire/Entreprise : Internationa Laboratory on Learning Systems (IRL –
Durée : 18 months
Contact : pablo.piantanida@centralesupelec.fr
Date limite de publication : 2024-04-15

Contexte :
We are excited to share an interesting opportunity for two postdoctoral fellows, each with an 18- month tenure, to actively contribute to groundbreaking research in the field of AI for breast cancer screening.

Sujet :
Our project, funded by FRQS and Health Data Hub, titled “AI Foundation Models for Breast Cancer Screening: Advancing Early Detection through AI,” is calling for skilled individuals to become part of our international team between the International Laboratory on Learning Systems (ILLS) together with the Quebec AI Institute, located in Montreal (QC, Canada), and MICS located in CentraleSupelec within Paris-Saclay University (France). This role offers a key position in shaping the development and progress of AI-driven solutions for early breast cancer detection.

For further details check: https://sites.google.com/mila.quebec/pablo-piantanida/openings? authuser=0#h.kyzvdsd2q45m

Profil du candidat :
= Position Qualifications =
+ PhD program in Computer Science, Machine Learning, Computer Engineering, Mathematics, or related field (e.g. applied mathematics/statistics).
+ Very good understanding of Machine Learning theory and techniques, as well as of computer vision.
+ Strong publication track in recognized venues of computer vision (CVPR, ECCV, ICCV), machine learning (NeurIPS, ICLR, ICML) and/or medical image computing (MedIA, IEEE TMI, MICCAI).
+ Good programming skills in Python (PyTorch).
+ Applications/ domain-knowledge in medical image processing is a plus.
+ Good communication skills in written and spoken English.
+ Creativity and ability to formulate problems and solve them independently.

Formation et compétences requises :
= How to apply =
If you are interested, please send us the following elements as soon as possible and not later than January 31th:
+ Detailed CV.
+ Letter of motivation.
+ Elements of bibliography or personal achievements related to a research activity.
+ 2 references or recommendation letters.
If you are interested and meet the qualifications, please submit your application letter and CV by email.

Adresse d’emploi :
ETS Montreal (1100 Notre-Dame St W, Montreal, Quebec H3C 1K3) and CentraleSupelec (3 Rue Joliot Curie, 91190 Gif-sur-Yvette)

Document attaché : 202401152037_Projet_de_postdocs_MICS___ILLS-2.pdf