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

Laboratoire/Entreprise : Inqom
Durée : CDI
Contact : vincent@inqom.com
Date limite de publication : 2021-06-30

Contexte :
Inqom (ex-Fred de la compta) est un logiciel SaaS nouvelle génération qui automatise la production comptable grâce à une intelligence artificielle.
Une solution proposée aux cabinets comptables, ainsi qu‘aux services comptabilité des entreprises, qu’elles soient des PME ou des ETI. S’appuyant sur les nouvelles technologies de reconnaissance optique de caractères, d’IA et de machine learning, Inqom offre une expérience utilisateur unique.
Accessible sur PC ou mobile, la solution se caractérise par sa rapidité d’installation et sa prise en main très intuitive. La comptabilité de demain, aujourd’hui.

Sujet :
Pour assurer à nos clients une nouvelle expérience de la comptabilité via l’exploitation de la donnée de notre logiciel de production basé sur l’IA, représentant un axe stratégique fort de développement d’Inqom, nous recrutons un.e Data Architect.
Au sein de l’équipe Data tu seras en charge de comprendre les besoins de nos clients / de nos équipes pour concevoir, modéliser et déployer des outils apportant des réponses concrètes à leurs problématiques et cela en collaboration avec nos équipes Tech, Customer Success, Finance & Business.
Missions:
– Modéliser et mettre en œuvre une architecture de données : Data Lake, DWH, pipelines, ETL etc.
– Mettre en place une gouvernance des données : scalabilité, intégrité, sécurité, disponibilité
– Récolter et comprendre les enjeux business autour de l’analytique
– Mettre en place des outils de reporting et visualisation des données (BI)
– Gérer la relation client dans le cadre du déploiement des projets d’analytique (BI)

Profil du candidat :
Jeune Docteur (obligatoire) : 1er CDI après l’obtention de votre doctorat dans un domaine scientifique (statistiques, mathématiques appliquées, informatique)

Formation et compétences requises :
Maîtrise SQL, Python
Maîtrise d’une plateforme Cloud (Azure, GCP, AWS etc)
Etre à l’aise avec les bases de données relationnelles et NoSQL
Avoir de solides compétences dans les domaines suivants :
Intégration (outil ETL, pipeline) et transformation des données au sein de Data Lake, DWH, OLAP etc.
Gouvernance des données
L’analytique et visualisation des données : outils BI (Tableau, Power BI)
Avoir un bon niveau d’anglais
Être à l’aise en relation client
Être ouvert à rentrer dans le domaine de la comptabilité
Savoir travailler en pleine autonomie

Language: SQL, Python
Tools: (au moins un parmi la liste) Big Query, Azure Synapse, Talend Stitch, Azure Data Factory, Azure DataWarehouse, Azure Datalake, Azure SQL Database, Azure Analysis Services, Azure HDInsight, Azure Stream Analytics, Power BI
Cloud provider: Azure

Adresse d’emploi :
WeWork 4 Rue Jules Lefebvre ou Full Remote

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

Laboratoire/Entreprise : CESBIO
Durée : 10 mois + 12 mois
Contact : mathieu.fauvel@inrae.fr
Date limite de publication : 2021-06-30

Contexte :
Large scale land cover mapping is an important issue in remote sensing. Nowadays, such mapping is useful for a large range of environmental applications and of primarily importance in the context of climate change. Several open and private achievements were announced recently (e.g., http: //osr-cesbio.ups-tlse.fr/~oso/ or https://map.onesoil.ai/2018) but this topic is currently an important active field of research. One of the main limiting problems is the ability to efficiently process the very large amount of data actually faced by researchers and engineers.
In this context, the open-source software iota2 (https://framagit.org/iota2-project/iota2) has been initiated by the CESBIO-Lab as a generic processing chain to fully process recent satellite time series, such as SENTINEL-1 and SENTINEL-2 or Landsat-7/8. It allowed to produce the first map of the land cover over the metropolitan French territory (e.g., http://osr-cesbio.ups-tlse. fr/~oso/ui-ol/S2_2016/layer.html).

The objective of the project PARCELLE 1 is to extend the domain of applicability of iota2 to other large scale mapping problems. Hence, several French laboratories (CESBIO, DYNAFOR, IGN MATIS, ESPACE-DEV, TETIS) are involved in PARCELLE to mutualize their efforts. Two kind contributions are considered in the project:
1. A quantitative and qualitative assessment of the performances of iota2 for different types of landscapes (e.g., South-Africa or South-America) and/or different land cover types.
2. The methodological integration of state-of-the-art algorithms from the project partners.

Ultimately, the improvements of the chain will be used to enrich several Product Scientific Expertise
Centers (CES) of the national data center Theia.

Sujet :
The first mission of the recruit is to work on the development of new features for iota2. Two important missing features will be considered:
1. Regression: The initial application of the chain was to classify land cover. However, there is a need to extend the chain to regression type problems for various applications (e.g., biodiversity mapping).
2. Fusion of VHR images and Sentinel’s time series: It consists in extending the current workflow
to include Very High Resolution images as additional features.
The second mission of the recruit is to analyse and evaluate deep learning algorithms applied at last scale (super-resolution, classification, inversion . . . ) using iota2 facilities.
The third mission of the recruit will be to coordinate the different developments carried out by the partners. As such, other issues may emerge during the project.

Profil du candidat :
The applicant must have a solid background in geomatics, geographic information systems, data bases, remote sensing and programming (Python). Experience in one or several of these fields and a good knowledge of English are required. Also, knowledge in distributed version-control systems will be appreciated.
The applicant should send a detailed CV, motivation letter, reference letters and, if possible, links to developed software to the contacts.

Formation et compétences requises :
The applicant must have a solid background in geomatics, geographic information systems, data bases, remote sensing and programming (Python). Experience in one or several of these fields and a good knowledge of English are required. Also, knowledge in distributed version-control systems will be appreciated.
The applicant should send a detailed CV, motivation letter, reference letters and, if possible, links to developed software to the contacts.

Adresse d’emploi :
CESBIO
Centre d’Etudes Spatiales de la Biosphère, 31400 Toulouse

Document attaché : 202104270747_cdd_parcelle.pdf

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

Laboratoire/Entreprise : Télécom SudParis
Durée : permanent
Contact : Amel.Bouzeghoub@telecom-sudparis.eu
Date limite de publication : 2021-06-30

Contexte :
Télécom SudParis is hiring an assistant/associate Professor in Computer Science for the Computer Science Department (INF). We are looking for a high-potential candidate with teaching and research experience in the field of Computer Science.

Sujet :
We are seeking a young talented professional carrying a research project related to the activities of the DIEGO group (https://www.inf.telecom-sudparis.eu/diego/). The candidate must have strong skills in one or more of the following research topics related to semi-structured or unstructured streaming data and uncertainty management :
– On-the-fly processing of large-scale data streams;
– Acquisition and analysis of semi-structured or unstructured data streams (text, emails, social media streams, event logs, etc.);
– Stream-oriented query languages;
– Distributed stream processing; Managing uncertainty in data streams;
– Incremental online learning and reasoning of data streams for recommendation, anomaly detection, prediction, decision making, etc.;
– Formal models for continuous data representation and analysis.

For more details about the position or to apply, please see the following page:
https://institutminestelecom.recruitee.com/l/en/o/maitre-de-conferences-en-informatique-fh

Profil du candidat :
PhD in Computer Science (CNU section 27)

Formation et compétences requises :
Essential skills:

– International experience or exposure is expected
– Fluency in English and French (spoken and written)
– Teaching and research experience
– Strong publication record (necessary to integrate ACMES team of the SAMOVAR laboratory)
– Good experience in participating in collaborative research project proposals and managing European or national contracts (H2020, FUI, ANR, etc.)
– Qualification by the CNU in the 27th section is desired
– Experience in the development of industrial applications is a plus
– Experience in an industrial environment is a plus

For more details about the position or to apply, please see the following page:
https://institutminestelecom.recruitee.com/l/en/o/maitre-de-conferences-en-informatique-fh

Adresse d’emploi :
Site Evry :
Télécom SudParis
9 rue Charles Fourier
91011 Evry Cedex France
Site Palaiseau :
Télécom SudParis
19 place Marguerite Perey
91120 Palaiseau France

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

Laboratoire/Entreprise : LIG
Durée : 21 mois
Contact : Emilie.Devijver@univ-grenoble-alpes.fr
Date limite de publication : 2021-06-30

Contexte :
Datasets structured as time series are available in many applications: provided by FMRI to study brain activity, summarizing the monitoring activity to detect IT anomalies, to name just a few of applications. However, as with any machine learning study, it is important to take into account the intrinsic causal structure to improve the decision as causal relations are crucial to predict the evolution of a system. If there have been several works dedicated to inferring causal graphs between time series (as [5]), few studies have been dedicated to causal reasoning and to the identification problem, which consists in computing, from data observed without any intervention, the probability of occurrences of events conditioned with variables forced to specific values.

Sujet :
[2] for example derived conditions of indeitification, comparable to the back-door and front-door criteria, from which they proposed a method to compute causal effects. However, their development concerns Granger causality [3], which does not correspond to true causal relations. More recently, [1] revisited Pearl’s original proposal [4] and developed algorithms for Dynamic Causal Networks (DCNs) with hidden variables. The objectives of this post-doctoral project is, first, to follow a similar approach to address the identification problem in the context of time series, and develop in this same context appropriate counterfactual reasoning procedures.

[1] G. Blondel, M. Arias, and R. Gavaldà. Identifiability and transportability in dynamic causal networks. Int J Data Sci Anal, 3:131–147, 2017.
[2] M. Eichler and V. Didelez. Causal reasoning in graphical time series models. In Proceedings of the Twenty-Third Conference on Uncertainty in Artificial Intelligence, UAI’07, page 109–116, Arlington,
Virginia, USA, 2007. AUAI Press.
[3] C. Granger. Some recent development in a concept of causality. Journal of Econometrics, 39(1-2):199–211, 1988.
[4] J. Pearl. Causal diagrams for empirical research. Biometrika, 82(4):669–688, 12 1995.
[5] J. Runge, P. Nowack, M. Kretschmer, S. Flaxman, and D. Sejdinovic. Detecting and quantifying causal associations in large nonlinear time series datasets. Science Advances, 5(11), 2019.

Profil du candidat :
Interested candidates should send a complete CV with a list of publications and two reference letters to Emilie Devijver (emilie.devijver@univ-grenoble-alpes.fr) and Eric Gaussier (eric.gaussier@univ- grenoble-alpes.fr). Candidates should be pursuing internationally recognized research in ML/AI, with a strong interest in causal inference and causal reasoning.

Formation et compétences requises :
This project fits within the Grenoble Computer Science Lab (called LIG, http://www.liglab.fr/en) and the Interdisciplinary Institute in Artificial Intelligence MIAI@Grenoble Alpes (https://miai.univ-grenoble- alpes.fr/). MIAI@Grenoble Alpes is one of the four AI Institutes created by the French government to accelerate R&D, teaching and innovation in AI in France.

Adresse d’emploi :
The work should take place on the University Campus in Grenoble, France.

Document attaché : 202105250639_postdoc_prop.pdf

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

Laboratoire/Entreprise : LITIS, Université de Rouen Normandie
Durée : 2 ans
Contact : simon.bernard@univ-rouen.fr
Date limite de publication : 2021-06-30

Contexte :
The “Machine Learning” research team at LITIS lab, the computer science lab of the University of Rouen Normandy, is looking for a post-doctoral researcher on a 24-months contract, starting as soon as possible. The position will be financed by the research project SCHISM, jointly held by GREYC (computer science lab at the University of Caen Normandy), CERMN (drug design lab at the University of Caen Normandy) and LITIS.

The research performed in SCHISM will focus on interactive pattern-mining, and interactive clustering in a chemoinformatics context. Interactive data-mining is a recent research direction that breaks with the older paradigm of specifying parameter settings for algorithms, letting the algorithm run, interpret the results of the operation, and, based on this interpretation, adjust parameter settings to restart the process. Interactive data-mining, on the other hand, proposes partial or preliminary results to the user, collects their feedback, and uses this feedback to bias the mining process going forward.

The overall goal of SCHISM is to develop a robust approach to interactive data-mining that integrates both pattern-mining and clustering, and to deliver a prototype that allows users to launch pattern mining or clustering algorithms, visualize the results, give feedback, and rerun mining operations, which will take the given feedback into account.

Sujet :
The general idea of the research work carried out at LITIS lab for the SCHISM project is to rely on dissimilarity representations to both infer relevant clusterings and to propose tools for visualization, analysis and expert feedback under the form of constraints on the clusters. The goal is to define a common representation so that the data/constraints are projected into smaller spaces while preserving the properties of the neighborhood. To do so, a preliminary study has been carried out the last few months on using Random Forest (RF) models to measure dissimilarities and on using it afterwards for inferring relevant clusterings.

The post-doctoral researcher will be in charge of (i) deepening the use of RF dissimilarities for deriving a relevant clustering and (ii) proposing mechanisms of analysis and interaction with the expert. More specifically, this latter task must meet a two-fold objective, namely allowing the expert to select and analyze (sub-)clusterings in order to propose a feedback, and translating this feedback into the form of dissimilarity constraints in order to adjust the result. This research work will therefore involve becoming familiar with Random Forest methods and interactive clustering.

Profil du candidat :
The successful applicant must have research experience in computer science, or applied mathematics with a focus on machine learning and/or data-mining. He must also have a strong work ethic and time management skills along with the ability to work independently and within a multidisciplinary team as required.

Formation et compétences requises :
The successful applicant will:
– possess or be on track to complete a PhD in computer science, or applied mathematics with a focus on machine learning or data-mining.
– have strong programming skills (Java, Python, etc.) and in-depth understanding of statistics and machine learning;
– have a productive publication record;
Fluency in written and spoken English or French is essential;

Adresse d’emploi :
Your application should include:
– curriculum vitae
– statement of past research accomplishments, career goal and how this position will help you achieve your goals
– two representative publications
– contact information for three references
and should be sent to Laurent Heutte (laurent.heutte@univ-rouen.fr) and Simon Bernard (simon.bernard@univ-rouen.fr).

Salary will be in line with European and French guidelines w.r.t. years of research experience. Additional funding is available for travel.

Document attaché : 202103020916_Postdoc_LITIS_schisme.pdf

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

Laboratoire/Entreprise : LISN (ex-LIMSI)
Durée : permanent
Contact : Gilles.Adda@lisn.upsaclay.fr
Date limite de publication : 2021-06-30

Contexte :
L’IUT d’Orsay à l’Université Paris-Saclay recrute pour la rentrée de 2021 un poste de Professeur des universités en section 27 avec rattachement au LISN (le Laboratoire Interdisciplinaire des Sciences du Numérique). Le LISN (Laboratoire Interdisciplinaire des Sciences du Numérique) est une unité mixte (UMR 9015), de l’Université Paris-Saclay et du CNRS. Ce laboratoire fortement pluridisciplinaire a été créé au 1er Janvier 2021 et regroupe des enseignants/chercheurs et des chercheurs du LRI (Laboratoire de recherche et Informatique) et du LIMSI (Laboratoire d’Informatique pour la Mécanique et les Sciences de l’Ingénieur) dans cinq départements de recherche. :

Rattachement recherche : équipe ILES du département Sciences et Technologies des Langues, ou une équipe du département Interaction avec l’Humain.

Sujet :

Profil traitement automatique des langues (département Sciences et Technologies des langues) /
Au sein du Département “Sciences et Technologies des langues”, l’équipe ILES (Information Langue Ecrite et Signée) rassemble des chercheurs et enseignants-chercheurs en Traitement Automatique des Langues, qui s’intéressent à de nombreuses thématiques de ce champ pluridisciplinaire concernant la langue écrite ou signée.
Pour ce poste, les recherches de la personne recrutée s’intégreront dans l’une des thématiques de l’équipe et porteront prioritairement sur le développement de méthodes, modèles et architectures innovants pour l’extraction d’information, en domaine général ou de spécialité (comme le domaine médical, par exemple). Un second axe de recherche concerne le traitement automatique des langues des signes, un troisième concerne le traitement de données langagières dans un environnement multimodal ou de dialogue. Toutes les recherches menées dans ces domaines seront étudiées avec attention.

Profil du candidat :
qualification poste de professeur 27e

Formation et compétences requises :
recherche en Traitement automaique des langues

Adresse d’emploi :
LISN
Campus universitaire bât 507
Rue du Belvedère
F – 91405 Orsay cedex

Document attaché : 202102240926_web_27pr1368.pdf

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

Laboratoire/Entreprise : MSHE Claude Nicolas Ledoux (UAR 3124), Besançon
Durée : CDD 6 mois
Contact : marion.bendinelli@univ-fcomte.fr
Date limite de publication : 2021-06-30

Contexte :
La plateforme technologique SHERPA (Sciences de l’Homme et de l’Environnement – Ressources, Partage, Accompagnement) de la MSHE Claude Nicolas Ledoux (USR 3124) réunit des compétences méthodologiques et technologiques, et des équipements spécialisés : matériels d’acquisition des données, logiciels de traitement et d’analyse, bases de données de référence. La plateforme s’appuie sur une infrastructure informatique qui permet d’offrir à la communauté scientifique une capacité de calcul et de stockage importante.

Sujet :
S’appuyant sur les premiers développements méthodologiques et scientifiques de l’action “FANA Danse & Arts vivants” dont le modèle innovant a fait l’objet de partage d’expériences au sein des consortiums du TGIR Huma-Num, et dont l’utilité pour les acteurs socio-économiques extérieurs à la recherche est attestée, l’unité NuAnCES développe aujourd’hui un pôle de services pour l’archivage et la diffusion web de données multimédia qui figure un creuset interdisciplinaire et interinstitutionnel de premier ordre. À cet effet, l’unité NuAnCES recrute, pour une durée de 6 mois, un.e spécialiste des systèmes et techniques de l’audiovisuel.

Profil du candidat :
La personne recrutée sera chargée de mettre en œuvre un protocole pour une chaîne complète d’acquisition (ou de rétro-conversion), de traitement, d’archivage pérenne et de diffusion web de données audiovisuelles. Elle travaillera dans ce cadre en étroite collaboration avec les personnels de la MSHE en charge des infrastructures virtuelles, les responsables de la plateforme et ingénieur.es et/ou chercheur.es impliqués dans les actions du pôle Archive, Bases, Corpus.

Formation et compétences requises :
• Diplôme supérieur Bac+2 minimum ou parcours professionnel admis en équivalence
• Expérience souhaitée dans le domaine de l’informatique dédié à l’audiovisuel
• Connaissance approfondie des standards liés à l’audiovisuel (formats d’encodage/décodage, fichiers conteneurs)
• Connaissance approfondie de plusieurs logiciels de traitement audiovisuel (encodage/décodage CPU et GPU)
• Bonne maîtrise des techniques et structures informatiques associées aux besoins métiers : serveur, stockage, réseaux, supports informatiques
• Connaissance souhaitée d’infrastructures et consortiums nationaux de la recherche en sciences humaines – Très Grande Infrastructure de Recherche (TGIR) Huma-Num, Réseau national des MSH (RnMSH), Centre Informatique National de l’Enseignement Supérieur (CINES), ancien consortium Archives des Mondes Contemporain…
• Savoir transmettre ses connaissances en s’adaptant au niveau des utilisateur.rices
• Qualités rédactionnelles

Adresse d’emploi :
MSHE Claude Nicolas Ledoux, 1 rue Charles Nodier 25000 Besançon

Document attaché : 202106080801_MSHE Besançon_Specialiste-systemes-et-techniques-audiovisuel_VF.docx

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

Laboratoire/Entreprise : CY Cergy Paris Université
Durée : 1 an
Contact : dan.vodislav@u-cergy.fr
Date limite de publication : 2021-07-04

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

Sujet :
CY Cergy Paris Université (CYU) recrute un enseignant contractuel (service d’enseignement de 384 heures), titulaire d’un doctorat en informatique et pouvant enseigner en français et en anglais. Il s’agit d’un CDD initial d’un an, à partir d’octobre 2021, avec la volonté de proposer par la suite une extension avec un contrat sur 3 ans.
Pour candidater, envoyer un CV et une lettre de motivation à Dimitris Kotzinos (dimitrios.kotzinos@cyu.fr) et Dan Vodislav (dan.vodislav@cyu.fr). Date limite de candidature: 04 juillet 2021

Profil du candidat :
Voir Formation et compétences requises

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

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

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

Laboratoire/Entreprise : CEA Grenoble
Durée : 12 mois, potentielle
Contact : marielle.malfante@cea.fr
Date limite de publication : 2021-07-04

Contexte :
Among other activities, the Detection and Geophysics Laboratory teams of the CEA take the Earth’s pulse on an ongoing basis: the smallest movements of the grounds, oceans and atmosphere are recorded through extensive networks of sensors. Those data are then analysed and authorities can then be alerted in case of strong earthquakes, tsunamis or nuclear events.
AI methods (including deep learning, machine learning and signal processing) are in use to automatically analyse the stream of data, thereby helping to monitor the Earth at large scales. A major limitation of state-of-the-art classifiers is a limited evaluation of the prediction confidence. The candidate selected for this position will address this issue.
This project is a collaboration between two different labs of CEA with complementary expertises: one with geophysics, the other with AI methods.

Sujet :
An extensive dataset is available to conduct this study: data are collected and recorded by 45 stations (real time transmission using satellites) since the 2000s.
The main objectives of the candidate will be:
• Getting to know, understand the existing tools.
• Development of an AI pipeline for the automatic classification of the data stream. In particular, events of interest will be detected and classified from the background noise.
• Development of an anomaly detection module, to improve the system robustness.
• Development of a clustering module, to help the experts analyse the data anomalies.
• Scientific valorization (patent, scientific paper, conferences, etc.).
The mission of this postdoc is highly rewarding and empowering for the candidate and his/her professional aspirations. Several approaches of machine learning will be manipulated (supervised, semi-supervised and unsupervised) and applied on real world data, for operational monitoring.

• Duration : 12 months (potentially extended, start before the end of 2021)
• Contact: marielle.malfante@cea.fr, pierre.gaillard@cea.fr
• Procedure:
o To apply, please send your resume, motivation letter and eventual recommendations to both marielle.malfante@cea.fr and pierre.gaillard@cea.fr
o For more information on the subject, feel free to contact us too

Profil du candidat :
We are looking for a candidate with expertise on:

• Machine Learning methods with an interest on geophysics applications,
• Or expertise on geophysics with a strong interest and some experience on Machine Learning.
• Programming skills in Python, with knowledge of classic ML library (Tensorflow, scikit learn, PyTorch or others)
• Good communication skills in English (written and spoken)
• Motivation to work on real world data.

Formation et compétences requises :

Adresse d’emploi :
CEA Grenoble

Document attaché : 202106291418_CIME_postdoc_subject.pdf

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

Laboratoire/Entreprise : Université de Rennes 2, UMR LETG
Durée : 12 mois
Contact : romain.tavenard@univ-rennes2.fr
Date limite de publication : 2021-06-07

Contexte :
Nous recherchons un développeur pour la librairie tslearn de machine learning pour séries temporelles en Python : https://github.com/tslearn-team/

Le poste est pour une durée de 12 mois, localisé à Rennes, et peut être soit à temps plein soit à temps partiel (à préciser avec le candidat).

Sujet :
Avez-vous déjà entendu parler de tslearn? tslearn est un projet open source collaboratif qui vise à fournir des outils de machine learning pour l’analyse de séries temporelles. Ce package contient déjà des implémentations de nombreux algorithmes de l’état de l’art du domaine. Toutefois, une librairie comme celle là requiert une amélioration continue pour suivre le développement de nouvelles méthodes. Il est également nécessaire de couvrir de nouvelles tâches, comme le “forecasting”. Enfin, tslearn repose actuellement sur numpy/Cython/numba avec une dépendance optionnelle à tensorflow. Une meilleure intégration (idéalement via le support de divers backends) aux outils modernes d’apprentissage permettant la différentiation automatique devient cruciale.

Dans le cadre de ce projet, vous serez amené(e) à collaborer avec l’équipe de core developpers de tslearn, ainsi qu’avec des membres de l’équipe Obelix de l’IRISA et des membres du LETG (un laboratoire de géographie très intéressé par les problématiques “data”).

Profil du candidat :
— La suite de ce paragraphe est rédigée au féminin pour permettre une lecture plus fluide, ce poste est bien entendu ouvert à toutes et tous

La candidate retenue sera la développeuse principale du projet tslearn pendant la durée de son contrat. Elle implémentera plusieurs nouvelles features pour cette librairie (de nouvelles méthodes de l’état de l’art) et travaillera à l’adaptation du code actuel à des backends modernes (pytorch, tensorflow et/ou jax, typiquement). Elle sera aussi en charge de l’animation des contributeurs/trices occasionnels et sera amenée à reviewer des contributions externes potentielles. Enfin, elle participera à la promotion de la librairie au sein de la communauté.

Formation et compétences requises :
* Un master ou une thèse en machine learning, traitement du signal, ou informatique
* Des publications ou participations à des logiciels open source en lien avec le machine learning
* Une expérience de programmation en Python
* Une expérience en lien avec des projets collaboratifs hébergés sur des plateformes comme github
* La connaissance du domaine du machibe learning pour séries temporelles est un plus

Adresse d’emploi :
Université de Rennes 2, Rennes, France

Document attaché : 202106070843_fiche_poste.pdf

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

Laboratoire/Entreprise : Laboratoire Hubert Curien / Université Jean Monnet
Durée : 1 year
Contact : singh.d.kamal@gmail.com
Date limite de publication : 2021-07-11

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

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

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

Sujet :
Objectives:

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

Expected Contributions:

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

References:

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

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

Salary: around 2192 € net per month during 1 year
There will also be an option to teach in the university.

Expected starting date: Octobre 2021

To apply :

Application Deadline: 11/07/2021

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

The applications should be sent to kamal.singh@univ-st-etienne.fr

Formation et compétences requises :
PhD in computer science.

Adresse d’emploi :
LabHC, University St-Etienne, France
short missions at other partner’s locations will be required.

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

Laboratoire/Entreprise : INRIA Montpellier
Durée : 12 mois
Contact : reza.akbarinia@inria.fr
Date limite de publication : 2021-07-12

Contexte :
This position is proposed in the context of a research project (PerfAnalytics) whose objective is to analyze sport videos in order to provide feedback to coaches and athletes, in particular to French sport federations with a view to the Paris 2024 Olympic Games. Video recording of performance is present today in many high-level sport practices. However, the coaches and athletes are left with tools that are not suited to their specific needs.

The first step of the project is to store large volumes of sport video data. In a second step, these data will be analyzed to characterize the performance of the athletes, and to model successful strategies of actions in relation to the environmental context (equipment, adversaries, etc.).

Sujet :
The main activity of the recruited person is the development of a large-scale NoSQL database for the management of sport videos, as well as the visualization of performance results.

The main tasks to be done are as follows:
    – Designing a NoSQL database to store large volumes of video data
    – Developing effective indexing and querying strategies for data analysis
    – Developing solutions for visualizing the sport performance results
    – Taking into account the data access policies
    – Finally, depending on the progress of the project, it will also be considered to envisage parallel solutions for analyzing video data.

Profil du candidat :
Preference will be given to highly motivated candidates with good knowledge/ experience in NoSQL data management systems, particularly MongoDB.

Formation et compétences requises :
– Knowledge / experience in NoSQL data management systems, particularly MongoDB.

Adresse d’emploi :
Inria, Zenith team
Campus Saint-Priest, Bâtiment 5
860 rue de St Priest
34392 Montpellier Cedex 5
France

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

Laboratoire/Entreprise : Lagrange, Observatoire de la Côte d’Azur
Durée : 14 mois
Contact : benoit.carry@oca.eu
Date limite de publication : 2021-07-14

Contexte :
Nous mettons sur pied un centre de données et de services dédié à l’étude des petits corps du système solaire (astéroïdes, comètes). Ce centre a pour but de faciliter l’accès aux différentes bases de données et services en ligne proposés par la communauté scientifique française et internationale.

Le travail sera réalisé au sein du laboratoire Lagrange, de l’Observatoire de la Côte d’Azur, à Nice. Les chercheurs de cette unité sont fortement impliqués dans le développement de services en ligne pour les petits corps du système solaire.

Voir également: https://bit.ly/3AJLgvK

Sujet :
Dans le cadre de l’étude préliminaire à la mise en place d’un centre de données et de services dédié à l’étude des petits corps du système solaire, participer à une ou plusieurs phases du cycle de vie des logiciels : analyse, développement, qualification, intégration, déploiement dans le respect du cahier des charges, des normes et des règles de sécurité ; assumer des responsabilités de gestion de projet pour la ou les phases prises en charge.

– Prendre en charge tout ou partie de l’activité de gestion de projet (estimer, planifier, suivre)
– Contribuer à la mise en place et au respect des dispositions qualité et des normes
– Animer et encadrer éventuellement une équipe
– Rédiger et mettre à niveau les documentations techniques et fonctionnelles
– Modéliser, concevoir et/ou paramétrer tout ou partie de la solution logicielle
– Développer et tester les objets et composants
– Assurer la maintenance évolutive et curative des développements réalisés
– Élaborer la stratégie de test, concevoir, spécifier et exécuter des tests fonctionnels et/ou techniques
– Créer et tester les packages applicatifs et les scripts de déploiement en production
– Réceptionner, installer, documenter, mettre à disposition les packages en assurant le suivi des versions
– Assurer une assistance fonctionnelle et/ou technique aux exploitants et aux utilisateurs
– Concevoir les actions de formation techniques et fonctionnelles

Profil du candidat :
Ingénieur (H/F) d’étude avec expérience en génie logiciel. Toute connaissance et expérience en calcul scientifique est un atout.

Formation et compétences requises :
– Méthodologie de conduite de projet (Connaissance approfondie)
– Génie logiciel (connaissance approfondie)
– Méthodes de modélisation et de développement (connaissance approfondie)
– Méthodes d’analyse et de conception
– Méthodes de mise en production
– Protocoles de communication
– Méthodologie de tests
– Framework
– Langage de programmation: python et programmation graphique
– Référentiel des bonnes pratiques
– Sécurité des systèmes d’information et de communication
– Anglais technique

Adresse d’emploi :
Observatoire de la Côte d’Azur
Boulevard de l’Observatoire
CS 34229 – F 06304 NICE Cedex 4

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

Laboratoire/Entreprise : UMR TETIS
Durée : 18 to 24 months
Contact : roberto.interdonato@cirad.fr
Date limite de publication : 2021-07-15

Contexte :
In recent years, the amount of data generated on human and animal health events has increased significantly. Epidemiologists must therefore regularly analyze these data with various spatial and temporal resolutions. The proposed postdoc contract is part of the H2020 MOOD project “Monitoring Outbreak events for Disease surveillance in a data science context” (https://mood-h2020.eu), which brings together 25 partners from 10 countries. This project is led by CIRAD (UMR ASTRE) and aims at improving the detection, monitoring and evaluation of emerging infectious diseases in Europe by using advanced data science techniques on massive multisource data.

The work package 3 “data ingestion and integration” is centered on the linking of heterogeneous data collected and processed in the context of the MOOD project. These data are heterogeneous in terms of domain (e.g., medical, environmental, social) and in terms of format (e.g., textual data, satellite imagery, multivariate quantitative data), and can be originated by both official (e.g., medical institutes, scientific laboratories) and unofficial (e.g., newspapers, social media) sources. By consequence, this diversity is also reflected in the spatial and temporal scales of the data.
More precisely, in the context of this post-doc, we are interested in modeling information about epidemiological events (detected from various data sources that are syntactically and semantically heterogeneous) into complex networks models that can allow advanced spatio-temporal analyses.

Sujet :
The postdoc is focused on the possibility to model the heterogeneous data collected and processed in the context of the MOOD project into advanced complex network models, i.e., networks that integrate spatial and temporal information about the data.
The objective is twofold: (i) to show how heterogeneous data about an epidemiological event can be integrated, aggregated and analyzed into complex network models in order to allow an analysis of the complex spatio-temporal phenomena that characterize the life cycle of an epidemic, and (ii) to define original networks analysis and data science techniques in order fully exploit the information modeled in such spatio-temporal networks.

The research question at the center of this postdoc can be formulated as follows: How can we relate spatio-temporal information from epidemic-related data in order to have a spatio-temporal analysis framework in the One Health context?
More precisely, we wish to propose generic methods to link and aggregate information from heterogeneous sources (in particular official and unofficial sources) into feature-rich networks able to embed spatio-temporal features, that will allow to analyze the life cycle of an epidemic according to its spatial and temporal evolution.
The final aim is then to bring new knowledge to experts, that will represent a precious complement to the classic source of information already exploited in the project. This spatio-temporal linking process will have to take into account some reliability and quality factors associated with the different descriptors, i.e., depending on source types and on the confidence of the algorithms in use.

Profil du candidat :
PhD in computer science.

Preference will be given to highly motivated candidates with research experience in complex network analysis, heterogeneous data science and data science applied to epidemiology related tasks.

Formation et compétences requises :
PhD in computer science.

Preference will be given to highly motivated candidates with research experience in complex network analysis, heterogeneous data science and data science applied to epidemiology related tasks.

Adresse d’emploi :
500 rue Jean François Breton, 34090, Montpellier

Document attaché : 202105251458_PostDoc MOOD 2021.pdf

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

Laboratoire/Entreprise : CEA – IRFU/DEDIP
Durée : CDI
Contact : jerome.bobin@cea.fr
Date limite de publication : 2021-07-30

Contexte :
L’Irfu, Institut de Recherche sur les Lois Fondamentales de l’Univers est un institut du CEA consacré à la recherche expérimentale en physique fondamentale. Près de 600 physiciens, ingénieurs et techniciens s’engagent quotidiennement dans des projets internationaux de recherche en physique des particules, astrophysique et physique nucléaire sur des plateformes aussi variées que des accélérateurs de particules, des satellites scientifiques ou des télescopes. Le DÉDIP, Département d’Électronique, Détecteurs, Informatique pour la Physique rassemble des compétences indispensables pour le développement des systèmes et instruments dédiés à la détection et au traitement des phénomènes physiques dans le cadre de projets expérimentaux. Au sein de ce département, le LILAS, Laboratoire d’Ingénierie Logicielle pour Applications Scientifiques, rassemble des ingénieurs-chercheurs spécialisés dans le développement logiciel, l’analyse de données et le traitement du signal. Les domaines d’applications couvrent aussi bien le logiciel embarqué / temps réel indispensable au développement et au fonctionnement des systèmes électroniques spécifiques que les codes et applications consacrés à l’échange de données, l’analyse et la simulation scientifiques. Elles comportent également le développement et le déploiement d’outils mathématiques pour l’analyse de données.

Sujet :
Le LILAS ( Laboratoire d’Ingénierie Logicielle pour Applications) recherche un(e) ingénieur-chercheur en génie logiciel pour contribuer à la conception et au développement de modules logiciels hautes performances spécialisés dans le traitement d’images et de données scientifiques.
Au sein d’équipes projet formées d’ingénieurs et de physiciens de
l’IRFU( http://irfu.cea.fr/index.php ), vous serez chargé(e) de développer, optimiser et valider les modules logiciels destinés à l’analyse de données au sein des projets de recherche fondamentale dans lesquels l’IRFU est engagée. Dans un premier temps, votre travail se fera dans le cadre de la mission spatiale EUCLID, dédiée à l’étude de la matière noire et de l’énergie noire. Ces projets incluront dans un premier temps les collaborations internationales autour de l’instrument spatial de détection d’ondes gravitationnelles LISA( https://www.elisascience.org/articles/lisa-mission/lisa-mission- gravitational-universe ) ou du télescope spatial pour l’astrophysique des hautes énergies ATHENA( https://www.the-athena-x-ray-observatory.eu/ ).

Profil du candidat :
Ingénieur informaticien de profil généraliste, vous avez des compétences solides en développement logiciel et une connaissance approfondie des langages C++ et Python ainsi que des différents paradigmes de programmation modernes (fonctionnelle, générique, designs patterns…).

Formation et compétences requises :
Vous êtes familiarisée(e) avec les techniques de calcul hautes performances (calcul parallèle, calcul sur GPU) et avez une expérience minimale des méthodologies et outils de développement indispensables à une activité professionnelle tels que la gestion de code source et du cycle de vie logiciel ou l’intégration continue.
Des connaissances en traitement du signal, traitement d’images, méthodes numériques ainsi qu’une expérience dans le développement et l’optimisation de codes ou l’utilisation de l’IA pour l’analyse de données constitueraient un plus indéniable.

Adresse d’emploi :
CEA Saclay – IRFU
Bât 141
91191 Gif/Yvette

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

Laboratoire/Entreprise : Laboratoire ETIS (UMR 8051) – CY Cergy Paris Unive
Durée : 1 an
Contact : dan.vodislav@u-cergy.fr
Date limite de publication : 2021-07-31

Contexte :
CY Cergy Paris Université a lancé en 2019 le Bachelor « Data Science and Big Data Technology » en collaboration avec la Zhejiang University of Science and Technology (ZUST), à Hangzhou, en Chine. Dans ce contexte, nous recrutons un enseignant chercheur contractuel, équivalent MCF, en CDD, qui participera activement au montage, à l’enseignement et au pilotage pédagogique des modules d’enseignement de ce Bachelor.
En recherche, il sera intégré au laboratoire ETIS (UMR 8051), dans l’équipe MIDI, dont les travaux portent sur l’intégration, l’indexation, l’interrogation et l’analyse de grandes masses de données de divers types, allant des données structurées au texte et à l’image.
Le contrat initial est d’un an, avec la volonté de proposer par la suite une extension avec un contrat sur 3 ans.

Sujet :
Le service d’enseignement (192h) sera partagé entre le Bachelor et d’autres enseignements au sein du département de
sciences informatiques, en Licence ou Master.
L’enseignement en Bachelor se fait en français, à ZUST, en Chine, lors de séjours de quelques semaines sur place.

En recherche, l’intégration à l’équipe MIDI du laboratoire ETIS se fera sur des thématiques autour de l’intégration et l’analyse de grandes masses de données de natures diverses (web de données, contenu et graphe des réseaux sociaux, données de mobilité, etc.), ainsi que l’élaboration et l’étude de méthodes d’apprentissage automatique pour l’analyse et la gestion de ces données.

Pour candidater, envoyer un CV et une lettre de motivation à Dimitris Kotzinos (dimitrios.kotzinos@cyu.fr) et Dan Vodislav (dan.vodislav@cyu.fr).

Date limite de candidature: le 1er septembre 2021

Fiche de poste complète: https://cytech.cyu.fr/medias/fichier/fiche-de-poste-cdd-ec-info-zust-chine_1627457640960-pdf?ID_FICHE=46443&INLINE=FALSE

Profil du candidat :
Doctorat en informatique, avec, de préférence, une qualification MCF section 27.
Expérience d’enseignement en informatique à l’université.
Profil recherche compatible avec une intégration dans l’équipe MIDI, tel que décrit dans la fiche de poste.

Formation et compétences requises :
Voir Profil du candidat

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

Document attaché : 202107281630_Fiche-de-poste-cdd-mcf-zust.pdf

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

Laboratoire/Entreprise : LIG / SIMAP
Durée : 24 months
Contact : Emilie.Devijver@univ-grenoble-alpes.fr
Date limite de publication : 2021-07-31

Contexte :
The implementation of efficient carbon capture has been proposed as a means of enabling the continued use of fossil fuels in the near term, while renewable energy sources gradually replace our existing infrastructure. The goal of this project is to computationally design optimal MOFs for an energy efficient carbon-capture-and-release. Specifically, an efficient carbon capture and release mechanism will be achieved by employing a change in the affinity for the gas (and thus a change in its uptake) upon an electronic transition induced by external stimuli.

Sujet :
A method combining machine learning and electronic structure simulations (DFT and multiconfigurational methods) will be developed, tested and employed to improve the description of the electronic properties of these materials. One of the challenges is to develop a robust ML model that can provide highly predictive structure–property relationship using a small training set of high quality electronic structure simulations constructed by active learning methods. The model will be developed on small molecules and then tested and used on databases of existing MOFs to predict the gas adsorption properties. The postdoc will work together with a PhD student and in collaboration between physicists, chemists and mathematicians located in Grenoble.

Profil du candidat :
We look for highly motivated candidates with a PhD degree in condensed matter physics or chemistry and prior experience with computer simulations and a strong interest in computer science, machine learning and coding; or a PhD in machine learning or statistics and a strong interest in physics. The candidate should have some skills in at least one programming languages (Fortran, C/C++, Python, R) and Linux

Formation et compétences requises :
The deadline for sending your application is September the 1st and interviews will be conducted soon after. Please send your application as soon as possible (detailed CV, publication list, motivation letter, and names and contact of at least two references to be joined eventually for recommendation letters) by email to the three supervisors:

Roberta Poloni (roberta.poloni@grenoble-inp.fr)

Emilie Devijver (emilie.devijver@univ-grenoble-alpes.fr)

Noel Jakse (noel.jakse@grenoble-inp.fr)

Adresse d’emploi :
Laboratoire d’Informatique de Grenoble
UMR 5217

Adresse physique :
Bâtiment IMAG – 700 avenue Centrale
Domaine universitaire de Saint-Martin-d’Hères

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

Laboratoire/Entreprise : Institut des Géosciences de l’Environnement (IGE)
Durée : 12 mois (+ext.)
Contact : Julien.Lesommer@univ-grenoble-alpes.fr
Date limite de publication : 2021-07-31

Contexte :
The Institute for Environmental Geosciences (IGE) is looking for a post-doctoral researcher to develop subgrid scale parameterizations for ocean models based on machine learning in the frame of the M2LINES project (https://m2lines.github.io). He/she will focus on improving the representation of submesoscale processes in the NEMO-OCE ocean model (https://www.nemo-ocean.eu) with Deep Neural Networks.

Sujet :
The postdoctoral researcher will use a coarse graining approach applied to high resolution ocean numerical simulations and Deep Neural Networks in order to formulate parameterizations of the impact of unresolved turbulent processes in coarser resolution ocean models. The work will involve analysing several kilometric resolution ocean model simulations through a cloud-based system and formulating inverse problems for estimating the contribution of unresolved processes on ocean dynamics from coarse grained information. The inverse problems will then be solved with physics-aware machine learning algorithms based on Deep Neural Networks. The learned subgrid closures will eventually be tested within the NEMO-OCE ocean model (https://www.nemo-ocean.eu) using SmartSim (https://github.com/CrayLabs/SmartSim) in order to assess their a posteriori skills in realistic simulations. The subgrid closures will focus in priority on the representation of the impact of submesoscale variability on air-sea interactions and ocean surface boundary layer dynamics in ocean climate models. The research will be conducted as part of the M2LINES project (https://m2lines.github.io) and will involve several international collaborators.

Profil du candidat :
The candidates research track record should demonstrate their ability to carry out cutting edge research in one of the following fields : ocean fine scale processes, ocean modelling, turbulent closures, data-driven large eddy simulation via machine learning. Their research background should demonstrate their strong interest in approaches bridging physical science and computational science. Computational skills should include Python, FORTRAN and some experience with one of the prominent software libraries in machine learning (in particular PyTorch or TensorFlow). They should speak and write English fluently and be able to interact in a multicultural environment. They will need to demonstrate curiosity, autonomy and initiative

Formation et compétences requises :
The expected candidates should hold a PhD in physical oceanography, atmospheric science or computational fluid dynamics.

Adresse d’emploi :
https://bit.ly/3AyOiD5

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

Laboratoire/Entreprise : ICube, University of Strasbourg
Durée : 2 years
Contact : gburgart@unistra.fr
Date limite de publication : 2021-08-06

Contexte :
A Postdoc position is open at University of Strasbourg (ICube lab) – France to start before November 2021.

Send a letter of motivation, your CV, and an example publication to Thomas Lamper and Gisèle Burgart (l1ampert@uni2stra.fr and g1burgart@uni2stra.fr – !remove the numbers!) with the subject beginning with [Chaire Postdoc].

The position will remain open until a suitable candidate is found and the starting date will be agreed upon with the successful candidate but will be no later than 1st November 2021.

Detailed Description: https://seafile.unistra.fr/f/8c723d6a74834196b1aa/?dl=1

Sujet :
Deep Learning, Domain Adaptation, Multi-Modal Representations
The position will be funded for two years (initially for one year, renewable for an additional year). The candidate will join the SDC research team under the supervision of Dr Thomas Lampert, the Chair of Data Science and Artificial Intelligence, and join his international team of PhD students and engineer to develop novel deep learning approaches to domain invariant representation learning (particularly in multi-modal data), with application (but not restricted) to Medical Imaging and Remote Sensing. The funding is not connected to a particular project, so it is the perfect opportunity for a strong candidate to explore new directions under the supervision of the Chair.

Profil du candidat :
The successful candidate will have (or will soon obtain) a PhD in computer science or related domain and have experience in deep learning and applied machine learning and a strong level of written and spoken English. Experience with transformers, GANs, autoencoders, and/or unsupervised/self-supervised DL (autoencoders, etc) would be a plus. You will join a growing team and will have the freedom to follow your interests in a direction complementary to the abovementioned research focusses. You will be expected to target leading outlets in the field of machine learning and a strong track record in CVPR/ICCV/ECCV, NIPS/ICML/ICLR, or PAMI/IJCV/TIP. Candidates who are able to carry out the highest quality research independently, to co-supervise PhD students, and to give their input on a number of projects being carried out in the team are pursued. You will have access to state-of-the-art hardware for deep learning.

Formation et compétences requises :
PhD in computer science or related domain.

Adresse d’emploi :
ICube UMR 7357 – Laboratoire des sciences de l’ingénieur, de l’informatique et de l’imagerie
300 bd Sébastien Brant – CS 10413 – F-67412 Illkirch Cedex

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

Laboratoire/Entreprise : LIRIS / SPIE Tertiaire et Industrie
Durée : 36 mois
Contact : stephane.derrode@ec-lyon.fr
Date limite de publication : 2021-08-16

Contexte :
Contexte :
La réalité mixte est une technologie qui superpose le monde réel et le monde virtuel pour créer un nouvel environnement dans lequel les composants physiques et numériques peuvent interagir en temps réel. Elle est en train de transformer la façon dont les entreprises de construction interagissent avec les informations. Dans ce contexte, SPIE Industrie & Tertiaire développe une application combinant images réelles et modèle numérique pour aider au suivi et au contrôle de ses chantiers. L’objectif de la thèse est de poursuivre le travail entamé dans ce domaine en cherchant à automatiser certaines tâches de reporting, pour améliorer la collaboration et la coordination des projets de construction en temps réel.

Sujet :
Votre sujet de recherche :
Le travail de recherche consistera à développer des algorithmes innovants de reconnaissance d’objets dans les images et d’identification des éléments correspondant dans un modèle numérique, pour générer des rapports instantanés de progression du chantier (élément présents/manquants, équipements mal-posés…). Ces algorithmes pourront s’appuyer sur l’expertise de l’opérateur.rice sur le terrain pour compléter et corriger leur détection puis utiliseront ces feedbacks pour améliorer leur performance au fil du temps.
Le travail de développement consistera en un POC (« Proof-Of-Concept ») qui sera intégré à la solution développée actuellement par une société partenaire spécialisée.
Des phases intensives de tests, dans différents scénarios à imaginer, seront également organisées pour évaluer la fiabilité et la robustesse de la solution retenue.

Profil du candidat :
Le candidat doit être titulaire d’un Master 2 en Informatique et/ou d’un diplôme d’ingénieur avec une spécialité en informatique.

Formation et compétences requises :
Le.la candidat.e saura démontrer des compétences dans le domaine du traitement d’images/vision par ordinateur, de la reconnaissance de formes et du Machine Learning, et (éventuellement) de la réalité augmentée.
Il.elle saura démontrer une expérience certaine dans la pratique d’au moins un langage de programmation (de préférence le C++).
Il.elle saura démontrer autonomie, esprit d’analyse, aisance dans la communication orale et écrite (y compris en anglais) et des capacités de travail en équipe.

Adresse d’emploi :
Pour postuler, merci d’envoyer votre CV, une lettre de motivation et vos relevés de notes de master (Bac+4 et Bac+5), dans un seul document pdf, aux 3 adresses mail ci-dessous, avant le 15 août 2021.

Contacts :
• Kevin Kernn (kevin.kernn@spie.com), Directeur Développement Commercial, Stratégie et Innovation de la division Tertiaire de SPIE Industrie&Tertiaire.
• Anthony Roux (anthony.roux@spie.com) Responsable du Développement des Ressources Humaines de la division Tertiaire de SPIE Industrie&Tertiaire.
• Stéphane Derrode (stephane.derrode@ec-lyon.fr), Prof. à l’Ecole Centrale de Lyon et responsable de l’équipe Imagine du LIRIS.

Entreprise :
La division Tertiaire de SPIE Industrie & Tertiaire, filiale de SPIE France, propose des solutions multi-techniques dédiées aux bâtiments et porte l’ensemble des expertises en génie climatique en France.
Acteur incontournable de la construction et de la rénovation, elle œuvre chaque jour pour favoriser les nouveaux usages. En contribuant à rendre les bâtiments intelligents, humains et interconnectés, nous améliorons le confort et le bien être des occupants tout en réduisant l’impact carbone de leur environnement.

Laboratoire d’accueil :
La thèse se déroulera au sein du LIRIS, sous le co-encadrement de R. Chalon (équipe Sical) et de S. Derrode (équipe Imagine), au sein du département Mathématiques et Informatique de l’Ecole Centrale de Lyon. L’inscription en thèse se fera au sein de l’École Doctorale InfoMaths (ED 512). Cette inscription nécessite une phase d’accréditation qui peut prendre jusqu’à 2 mois.

Informations sur le poste :
• Salaire : 30 k€ brut annuel sur une base 35H
• Date limite pour postuler : 15 août 2021
• Date de début de thèse : novembre 2021
Le financement est celui d’une bourse CIFRE ; le temps de travail se partagera entre la société et le laboratoire, selon un rythme à définir.