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

Laboratoire/Entreprise : CNRS UMR 8256 et INSERM ERL 1164
Durée : 2 years
Contact : christian.neri@inserm.fr
Date limite de publication : 2020-06-06

Contexte :
Applications are invited for 1 postdoc position in bioinformatics and machine learning available at the Brain-C Lab in the Institute of Biology Paris-Seine (see http://www.ibps.upmc.fr/en/research/biological-adaptation-and-ageing/brainc).

The position is supported for 2 years starting January-February 2020 with possible renewal for a third year.

Interested candidates should apply immediately.

Sujet :
The successful applicants will work on modeling the molecular and cellular pathogenesis of Huntington’s disease (HD) on a system and dynamic level via the analysis of high dimensional genomic data in collaboration with mathematicians and bioinformaticians inside and outside the team. We use several types of machine learning methods to address key questions about the rules that govern the progression of HD over time, the mechanisms specifically associated with distinct HD stages and the therapeutic implications of such knowledge.

see for example Bigan et al, Bioinformatics 2019 at https://www.ncbi.nlm.nih.gov/pubmed/31228193

Profil du candidat :
The candidates are expected to be highly qualified, independent and highly motivated with a strong interest in research. Postdoc candidates should hold a Ph.D. in Probability and Statistics or a Ph.D. in Informatics.

Formation et compétences requises :
– Demonstrated experience and autonomy in programming (in at least one the following languages: Python, C/C++, Java) and database languages (MySQL)
– Good autonomy in statistical modeling (probabilistic models, R)
– Skills in web technologies (javascript, PHP) are desirable but not mandatory.
– A background in gene regulation/genomics will be a plus.

Adresse d’emploi :
Sorbonne Université, IBPS
9 Quai Saint Bernard
75005 Paris

Document attaché :

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

Laboratoire/Entreprise : LIASD
Durée : 12 mois
Contact : herman.akdag@ai.univ-paris8.fr
Date limite de publication : 2020-06-08

Contexte :
1/2 POSTES D’ATER

Sujet :
Le département informatique de l’UFR Sciences et Technologies du Numérique cherche des candidats sur 3 postes ATER (à mi-temps) en informatique, à partir de septembre 2020. Les candidats retenus seront appelés à assurer des enseignements en Licence et/ou en master d’informatique dans les matières suivantes (entre autres) :
1. Programmation Java, C/ C++, Python
2. Algorithmique et architectures des ordinateurs
3. Temps réels, système d’exploitation et réseaux
4. Suivi de projets des étudiants en Licence

Vous pouvez déposer vos candidatures jusqu’au 18 juin 2020.
https://www.univ-paris8.fr/Recrutement-ATER-6959

Herman AKDAG

Profil du candidat :
Tout candidat, de préférence docteur ou en phase de finalisation de sa thèse de doctorat en informatique, peut déposer sa candidature sur ces postes.

Formation et compétences requises :
Thèse en Informatique soutenue ou pas encore.

Adresse d’emploi :
Université P8, Campus de Saint Denis

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

Laboratoire/Entreprise : LIRMM
Durée : 18 mois
Contact : dino.ienco@inrae.fr
Date limite de publication : 2020-06-15

Contexte :
Quantifying and understanding patterns among and between species communities is challenging and crucial given the increasing direct human pressure and global environmental change. One of the key research area in ecology aims to understand how community diversities (compositional, taxonomic, phylogenetic and functional diversity) are driven by assembly processes and anthropogenic conditions at different spatio-temporal scales (Sutherland et al., 2013). It may also help to predict how communities could respond to future changes and to adapt their management and conservation (Socolar et al., 2016). Quantifying community diversities and revealing the assembly processes that lie behind patterns (neutral, environmental filtering and/or anthropogenic forcings) have been performed through increasing development of quantitative approaches. Three methodological approaches based on the use diversity indices are mainly used in the literature for the common aim to assess the relative influence of structuring processes (stochastic or deterministic) on communities: i) FD index based on the construction of dendrograms from the distance matrix between species pairs, ii) FRic index based on the modeling of a convex hull, iii) the n-dimensional hypervolume index. However, these approaches suffer from limitations (e.g. Fontana et al., 2016 ; Loiseau et al., 2017). Notably, FD index and the convex hull volume are only based on presence/absence data, while the structure and response of communities in the face of disturbance are strongly dependent of the distribution of species abundances. In addition they suffer from methodological drawbacks preventing accurate conclusions on the processes structuring communities. They notably mainly have limitations in their sensitivity to some particular species (depending their relative degrees of ecological functions), capture not all diversity components, and are not suited for big data sets due to modeling limitations (Loiseau et al., 2017). Recently, some approaches and review have been provided (Delmas et al., 2019; Legras et al., 2019; Ohlmann et al., 2019; Siwicka et al., 2020), and a methodological framework to assess the complexity of community diversity and to identify underlying species assembly processes and anthropogenic conditions at different spatio-temporal scales is still needed.

Network-based analyses, relying on graph theory and/or social network measures (Bondy & Murty, 2008 ; Scott, 2013), are on the rise across many scientific disciplines, such as physics, genetics, health and ecology. These methods are getting an increasing interest due to the number of different information and data they can handle as well as their ability to describe and reveal complex, often emergent, patterns and dynamics (Bullmore & Sporns, 2010 ; Jacoby and Freeman, 2016). These analyses involve modeling algorithms, mathematical indices and graphical approaches that complement traditional tools of these disciplines (Jacoby and Freeman, 2016). Network-based modeling has been used in different fields related to various ecological and evolutionary phenomena such as animal behaviour, landscape ecology, trophic ecology, as well as mutualistic and host-parasitoid networks. Recently, network-based algorithms have been used to describe and understand patterns of vegetal communities and its link with ecosystem functioning (Siwicka et al., 2020). In community ecology, networks can be viewed as spatio-temporal dynamic structures composed of nodes or entities (e.g. species) and links (e.g. species (dis-)similarities). In this frame, network modeling can quantify many functional and relational characteristics including structural and dynamic complexity, and the effect of explanatory/forcing variables (Strogatz, 2001). To assess graph structures and networks’ properties, many approaches and indices have been developed (e.g., degree of node assortativeness, node importance to overall network and centrality metrics, among others). However, in the field of community ecology, modeling development and applications are still scarce (e.g. Delmas et al., 2019; Legras et al., 2019; Ohlmann et al., 2019; Siwicka et al., 2020), and a methodological framework and guidance are still needed.

Sujet :
In this context, the aims of this post-doc research is i) to provide a methodological framework based on network modeling, with both graph theory and social network methods, in order to assess and quantify community diversity and ecological processes that underpin the observed complex patterns, and ii) to apply this framework to Mediterranean exploited fish communities in order to investigate and identify the processes (neutral, environmental filtering and/or anthropogenic forcings) that lie behind observed large spatio-temporal patterns, and identify priority zones of interest for management and conservation of these critical marine resources for human populations.
First, a review of existing methods in network-based modeling and analyses will be performed. The goal of this task is to identify which methods can be more suitable to assess and quantify ecological community and underlying processes. The research could benefit from the convergent development across different disciplines involving various data. Then, once methods and techniques are identified, the post-doctoral research will work on how to develop, adapt and implement these methodologies to analyze ecological communities (article 1, submitted month 9). Second, this framework will be applied to Mediterranean fish communities to address above research questions, with implication for the management and conservation of these communities (article 2, submitted month 18). All the data needed are already available within the European MEDITS program “Mediterranean international trawl survey“ (Spedicato et al., 2019). This program is funded annually by the European Commission within the Data Collection Framework (DCF), since 1994 until at least 2027 (obligatory in the frame of the EU Common Fisheries Policy (CFP)). Within this program, marine ecosystems exploited by fishing are monitored at large spatio-temporal scales overall the northern Mediterranean sea to enhance their management and conservation (Figure 1). These data consist in 154 fish abundance from about 20, 000 hauls within the range of 10 to 800 m depth performed annually between 1994 and 2019 by standardized scientific bottom trawl field surveys across the northern Mediterranean Sea (Spain to Cyprus). Functional traits and phylogenetic data of fishes are also available (Granger et al., 2015), as well as 6 variables characteristic of environmental gradients (e.g. climate change and changes in productivity) and anthropogenic pressures: depth, temperature, chlorophyll a, nitrate, dissolved oxygen, fishing pressure due to exploitation (Mérigot et al., 2019).

Profil du candidat :
The postdoc position is open for two different kinds of profile, both are welcome to apply: 1) PhD in quantitative ecology with interest in computational science and network analysis or 2) PhD in Computer Science and statistics with a previous record of publications in the field of complex network analysis, community detection and link prediction/characterization.

Formation et compétences requises :
In both cases R and/or Python language skills should be already acquired. We are also looking for a person with open mind attitude, proactive and capable to carry out research with a certain degree of autonomy.

Adresse d’emploi :
161, Rue Adata, 34000 Montpellier

Document attaché : 202004161255_NETDIV-post_doc_proposal.pdf

Offre en lien avec l’Action/le Réseau : MaDICS-HN/Doctorants

Laboratoire/Entreprise : ERIC UR 3083
Durée : 10 mois
Contact : jerome.darmont@univ-lyon2.fr
Date limite de publication : 2020-06-20

Contexte :
Le projet LIFRANUM vise à constituer et analyser le corpus des productions littéraires francophones nativement numériques. Il s’agit d’un projet financé par l’Agence Nationale de la Recherche (ANR) qui regroupe un laboratoire de langue, littérature et sciences de l’information et de la communication (MARGE), un laboratoire d’informatique (ERIC) et la Bibliothèque Nationale de France (BnF).

Le corpus du projet LIFRANUM, qui est constitué de données variées au sens des big data, va être stocké un dans lac de données (data lake) permettant la conservation des données dans leur forme d’origine et leur préparation pour des analyses diverses, dont la fouille de textes. Cela implique de concevoir un système de métadonnées, d’indexation et d’interrogation du lac assurant la traçabilité du lignage des données. De plus, le lac de données n’étant pas uniquement destiné à des data scientists, il est nécessaire de s’inscrire dans une démarche « d’industrialisation » des analyses effectuées sur le lac via une couche logicielle d’exploration, de requêtage et de visualisation des données permettant aux chercheur.es du laboratoire MARGE d’être autonomes dans la plupart des cas d’étude.

Sujet :
La personne recrutée aura pour mission de concevoir et mettre en œuvre le lac de données, de la partie métadonnées et indexation à la partie analyses « industrialisées », et ce en collaboration étroite avec tous les chercheur.es de MARGE et d’ERIC impliqué.es dans le projet LIFRANUM.

Profil du candidat :
La personne recrutée devra être titulaire d’un master ou d’un doctorat en informatique, être spécialiste en gestion de données, informatique décisionnelle (business intelligence), mégadonnées (big data), et être immédiatement opérationnelle. Un expérience des humanités numériques sera appréciée. Elle travaillera au sein du laboratoire ERIC, sous la responsabilité scientifique de Jérôme Darmont et Sabine Loudcher.

Formation et compétences requises :
Gestion de données, bases/entrepôts de données, architectures big data, humanités numériques, gestion de projet, travail en équipe, autonomie, sens de la communication, rigueur.

Adresse d’emploi :
Candidature à adresser à jerome.darmont@univ-lyon2.fr et sabine.loudcher@univ-lyon2.fr d’ici le 20 juin 2020, accompagnée d’un CV et d’une lettre de motivation.

Les candidat.es retenu.es après examen des dossiers seront convoqué.es pour un entretien par visioconférence.

Document attaché : 202005290724_profil-postdoc-eric-lifranum-2020.pdf

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

Laboratoire/Entreprise : Université de Strasbourg
Durée : 11 mois, renouvelabl
Contact : nicolas.lachiche@unistra.fr
Date limite de publication : 2020-06-29

Contexte :
Maitre de Conférences contractuel

Sections CNU : 26/27/61

Caractéristique du poste : une année renouvelable sur simple accord des deux parties (pour une durée maximale de 5 ans).
Rémunération : selon profil et parcours de la personne recrutée, en lien avec la grille de rémunération des enseignants-chercheurs.

Sujet :
La personne recrutée sera affectée à l’UFR de Mathématique et d’Informatique. Elle interviendra principalement dans les enseignements au sein des Unités d’Enseignements en science des données des formations transverses de l’Université de Strasbourg. Elle interviendra principalement dans le parcours « Approche Interdisciplinaire en Science des Données » commun à plusieurs masters disciplinaires. Elle devra donc posséder d’excellentes capacités pédagogiques pour s’adresser à un public hétérogène issu de mentions disciplinaires variées. Une expérience ayant trait à l’innovation pédagogique ou à l’expérimentation de nouvelles pratiques pédagogiques centrées sur l’apprentissage des étudiants serait appréciée.
Elle sera aussi missionnée pour participer activement à l’animation et à la mise en place des modules de ce parcours.
Enfin, elle pourra intervenir aussi dans les enseignements en informatique des formations de l’UFR de Mathématique et d’Informatique (Campus de l’Esplanade) et de l’école d’ingénieurs Télécom Physique Strasbourg (Campus d’Illkirch).

Profil du candidat :
Selon son profil (26 ou 27 ou 61), le (la) candidat(e) intégrera le Laboratoire ICUBE (UMR CNRS/Unistra 7357) dans le Département Informatique Recherche (DIR) ou l’Institut de Recherche Mathématique Avancée (UMR CNRS/Unistra 7501). Titulaire d’un doctorat en informatique ou en mathématiques appliquées, son projet d’intégration, en synergie avec les travaux des différentes équipes de ces deux laboratoires, permettra de renforcer la discipline informatique autour de la science des données et de l’intelligence artificielle. Plus particulièrement :
– Modèles statistiques utilisés dans la science des données
– Fouille de données
– Apprentissage profond (« Deep Learning ») et automatique (« Machine Learning) – Aide à la décision
– Ingénierie des connaissances.
Différents domaines d’application pourront être proposés.
L’étendue des interactions possibles du (de la) candidat(e) avec les chercheurs actuels des différents laboratoires sera prise en compte dans l’évaluation du projet. La qualité scientifique des recherches du (de la) candidat(e) en informatique ou en mathématiques appliquées en sciences des données sera privilégiée.
La personne recrutée devra contribuer activement à la vie de la communauté scientifique locale, nationale ou internationale et participera à des projets scientifiques d’envergure. Une expérience dans le montage et la gestion de projets scientifiques est un plus indéniable.

Formation et compétences requises :
Doctorat en section 26, 27 ou 61.

Adresse d’emploi :
UFR de Mathématique et d’Informatique
Campus Esplanade, 7 rue René Descartes, 67000 Strasbourg

Document attaché : 202006180949_Fellow-20.pdf

Annonce en lien avec l’Action/le Réseau : BigData4Astro

Laboratoire/Entreprise : LESIA, Observatoire de Paris
Durée : 2 years
Contact : baptiste.cecconi@obspm.fr
Date limite de publication : 2020-06-30

Contexte :
The position is open within the MINERVA project (Machine Learning for Radioastronomy at Observatoire de Paris. This project federates astrophysicists interested in a variety of astrophysical phenomena. https://vm-wordpress-lerma01.obspm.fr/minerva/

Sujet :
Radioastronomy is experiencing an explosion of volumes of observational data with the development of giant interferometers (LOFAR, ALMA, NenuFAR, SKA). These instruments produce huge and numerous two and four-dimensional datasets (among the 2D-spatial, 1D temporal and 1D spectral coordinates, depending on observation mode). Faced to these daily TB-scale data (PB-scale with SKA), the traditional methods of source and event detection and classification reach their limits. In parallel, machine learning methods have undergone algorithmic developments that bring them to a high level of maturity.

The goal of this project is to perform pilot implementation of new methods for (i) transient radio sources classification based on their morphology in Time-Frequency domain (such as Solar bursts or Jovian emissions, Pulsars, Fast Radio Bursts (FRB), Earth and planetary lightnings, etc), (ii) real-time event detection and classification on radio-astronomical observed data streams and (iii) processing of multi-instrument and multi-wavelength aggregated data, including triggering from external event detections for low frequency follow ups (such as FRB, GRB (Gamma Ray Bursts), GW (Gravitational Waves), etc).

The successful candidate will carry out an inventory of existing methods and design new tools that shall be applied to spectro-temporal data streams and to large quantities of such data.

MINERVA will make use of datasets from NenuFAR, NDA and LOFAR. The new algorithms will also be tested against existing data collections and event lists.

Profil du candidat :
Applicants should have at least an engineer diploma in the field of Machine Learning or a PhD in physics, astronomy, or computer science by the time of the appointment. Experience in astronomy is not mandatory.

Formation et compétences requises :
We encourage applications from candidates with a strong expertise in either the manipulation or the development of state-of-the-art Machine Learning methods. Experience with manipulating images and data cubes will also be considered. Skills in one or several programing languages (e.g. Python, Fortran, C++) are necessary.

Adresse d’emploi :
Organization: LESIA, Observatoire de Paris
Street Address : 5, place Jules Janssen
City: Meudon
Zip/Postal Code: 92195
Country: France

Document attaché : Open-Position-2-MINERVA-–-Machine-Learning-for-Radioastronomy-at-Observatoire-de-Paris.pdf

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

Laboratoire/Entreprise : DVRC/ESILV – Pole Leonard de Vinci, Paris la Défense
Durée : CDI
Contact : nicolas.travers@devinci.fr
Date limite de publication : 2020-06-30

Contexte :
L’Ecole Supérieure d’Ingénieurs Léonard de Vinci (ESILV – http://www.esilv.fr), grande école d’ingénieurs située à Paris La Défense recrute un(e) Enseignant(e)-Chercheur(euse) en informatique en CDI.
L’enseignant(e)-chercheur/euse assurera des enseignements à l’ESILV et participera aux activités de recherche au sein du laboratoire DVRC (https://www.devinci.fr/research-center/le-laboratoire/).

Sujet :
Enseignement
Le candidat devra participer à l’organisation et à l’enseignement dans les filières du département Informatique: Data & IA, IoT & Cybersecurity. Il viendra renforcer les compétences du département et il sera amené à enseigner sur les 5 ans de l’école notamment :
• Dans le cycle Licence des cours d’algorithmique et de programmation
• Dans les options de spécialisation du département :
o Big data & IA
o Génie Logiciel & DevOps o Cybersécurité & IoT
Toute autre thématique informatique avec des aspects intéressants dans le cadre des traitements de la donnée est aussi envisageable. Le candidat recruté devra également participer à l’encadrement et au suivi des stages et des projets.
Recherche
L’Enseignant/Chercheur sera intégré dans le Groupe Digital du De Vinci Research Center (DVRC). Le groupe de recherche, composé de 14 EC permanents, s’inscrit dans l’analyse et la modélisation du monde numérique avec des projets de recherche pluridisciplinaires. Nous cherchons actuellement à renforcer l’axe de recherche Science de la donnée.
L’équipe travaille actuellement sur deux thématiques principales en Science de la Donnée :
1) Sur la manipulation de graphes de données, essentiellement basés sur des réseaux
sociaux ou des graphes sémantiques ;
2) Sur la conception et l’optimisation de bases de données NoSQL (dé-normalisation,
règles de réécriture, modèle de coût),
3) Conception de bases de données ad-hoc pour le traitement d’analyse de traces
numériques des utilisateurs à large échelle.
L’EC pourra conforter ces thématiques et renforcer les collaborations de l’équipe.
Le choix final sera dicté en premier lieu par la qualité du dossier et du projet d’intégration, dont l’ouverture vers l’extérieur (national et international).

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

Formation et compétences requises :
Doctorat en Informatique uniquement
HDR bienvenue

Adresse d’emploi :
Pole Universitaire Léonard de Vinci, Paris La Défense

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

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

Laboratoire/Entreprise : IGN
Durée : 2 ans
Contact : clement.mallet@ign.fr
Date limite de publication : 2020-06-30

Contexte :
La classification de l’occupation des sols à large échelle est une problématique majeure en télédétection. Il s’agit d’un problème de classification supervisée de données massives multimodales à la frontière entre plusieurs disciplines.L’occupation des sols fournit une information cruciale sur l’état des surfaces sur un territoire donné.C’est une connaissance clé pour un grand nombre de politiques publiques et d’applications environnementales, en particulier dans le contexte du changement climatique. Plusieurs initiatives ouvertes et privées ont fourni des solutions pertinentes récemment (e.g., http://osr-cesbio.ups-tlse.fr/∼oso/ ouhttps://map.onesoil.ai/2018) mais trois grandes limitations existent: la capacité à ingérer des volumes sans précédent de données générées par les satellite d’observation de la Terre de natures physiques différentes, la capacité à apprendre à classer des types de surfaces très différents sur de grands territoires et l’adaptation des occupation des sols produites à différents usages.Dans ce contexte, l’outil open-source iota2(https://framagit.org/iota2-project/iota2) a été développé par la laboratoire CESBIO comme une chaîne de traitements générique de séries d’images satellites issues de capteurs récents (SENTINEL-1 et SENTINEL-2 ou Landsat-7/8). Cela a permis de produireles premières cartes du territoire métropolitain français. (http://osr-cesbio.ups-tlse.fr/ oso/posts/2019-03-25-carte-s2-2018%20/).

L’objectif du projet MAESTRIA(2019-2023), financé par l’Agence Nationale de la Recherche et porté par l’IGN et le CESBIO, est de lever les trois verrous mentionnés ci-dessus et de les intégrer à la chaîne iota2. Deux grands types de contributions sont ainsi attendues dans ce projet:1. Proposer des solutions méthodologiques à ces questions;2. Proposer des produits fondés sur ces solutions à des prescripteurs et utilisateurs finaux intéressés (ministères, établissements de recherche).

Sujet :
La mission principale consiste à intégrer les développements effectués par les chercheurs et doctorants du projet dans la chaîne iota2, en coordination avec les pilotes du projet MAESTRIA et le comité de pilotage de iota2. Des développements ad-hoc pourront également être envisagés en particulier dans l’objectif de produire plusieurs prototypes spécifiés avec des utilisateurs finaux. Les 3 doctorants ont démarré leurs travaux depuis 2018 et 2019; des développements et prototypes existent déjà.
– Fusion bas-niveau d’images optiques et RADAR;
– Classification semi-supervisée;
– Transfert de classifications

Profil du candidat :
Compétences techniques:
– Maîtrise de python et/ou C++;
– Connaissance d’outils de gestion de projet et de calcul distribué;
– Des notions d’une bibliothèque de Deep Learning et de la chaîne complète de traitement de ladonnée (entraînement – détection – évaluation) est souhaitée ainsi qu’une base en géomatique,systèmes d’information géographique et télédétection;
– La culture open source est également un plus.

Compétences organisationnelles et relationnelles :
– Savoir expliquer et documenter;
– Savoir travailler en équipe et à distance;
– Communiquer auprès des chercheurs.

Expérience professionnelle souhaitée :
– Formation initiale en développement informatique;
– Bonne connaissance de l’anglais souhaitée.

Formation et compétences requises :
Compétences techniques:
– Maîtrise de python et/ou C++;
– Connaissance d’outils de gestion de projet et de calcul distribué;
– Des notions d’une bibliothèque de Deep Learning et de la chaîne complète de traitement de ladonnée (entraînement – détection – évaluation) est souhaitée ainsi qu’une base en géomatique,systèmes d’information géographique et télédétection;
– La culture open source est également un plus.

Compétences organisationnelles et relationnelles :
– Savoir expliquer et documenter;
– Savoir travailler en équipe et à distance;
– Communiquer auprès des chercheurs.

Expérience professionnelle souhaitée :
– Formation initiale en développement informatique;
– Bonne connaissance de l’anglais souhaitée.

Adresse d’emploi :
Catégorie : CDD 2 ans;
Rémunération : selon diplôme et expérience;
Prise de poste : septembre-novembre 2020;
Lieu de travail : IGN, Service de l’Innovation, de la Maturation et de la Valorisation – 73 avenue de Paris – 94160 – Saint-Mandé proximité Métro et RER;
Déplacements: prévus entre le CESBIO (Toulouse, 31) et Saint-Mandé (94), environ 1 semaine tous les 2 mois

Document attaché : 202005041512_INGE_MAESTRIA_2020.pdf

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

Laboratoire/Entreprise : Laboratoire MICS, CentraleSupélec
Durée : 12 – 36 mois
Contact : gautier.viaud@centralesupelec.fr
Date limite de publication : 2020-06-30

Contexte :
Comme dans de nombreux autres domaines et secteurs d’activité, l’intelligence artificielle, ses avancées et ses possibilités, ainsi que la masse et la richesse des données relatives à l’emploi disponibles, ouvrent de nombreuses perspectives pour l’amélioration des démarches de recrutement et les ressources humaines, que ce soit du point de vue du recruteur ou de celui du candidat. Randstad et CentraleSupélec s’associent, au travers d’une chaire, pour développer de nouvelles méthodes et de nouveaux services innovants pour un recrutement plus humain, plus personnalisé et garantissant plus de diversité.

Différents types de données sont disponibles pour accomplir ces différentes tâches, notamment :

– des CV de candidats (plusieurs dizaines de milliers) au format PDF et avec une version OCRisée,
– des informations sur le profil des candidats (qualification, compétences, etc.),
– des offres d’emploi (plusieurs millions) contenant des descriptions textuelles détaillées mais non structurées,
– divers référentiels relatifs au monde du recrutement.

Sujet :
L’objectif du post-doc est de proposer de nouvelles approches robustes et interprétables pour l’analyse et l’extraction d’information et de connaissances dans des documents (majoritairement textuels) en s’appuyant sur les avancées récentes en apprentissage de représentations par modèles profonds et en modélisation et représentation des connaissances.

Les problématiques considérées sont variées et peuvent comprendre :

– l’alignement de différents référentiels à partir de données (exemple : comment réconcilier 2 référentiels métiers différents),
– la génération de référentiels à partir des données,
– le parsing de CV et l’extraction d’informations telles que les expériences, les diplômes, les compétences, etc.,
– le parsing d’offres d’emploi et l’extraction d’informations telles que les missions, compétences requises, etc.,
– le matching explicable de profils de candidats et d’offres d’emploi :
– pour une offre d’emploi, caractériser les candidats les plus adéquats,
– inversement, pour un candidat, suggérer les offres d’emploi les plus intéressantes pour lui.

Une attention particulière devra être portée à l’explicabilité ainsi qu’à l’équité des résultats obtenus (notamment afin d’éviter tout biais indésirable).

Profil du candidat :
– Doctorat en Statistiques / Apprentissage Automatique / Intelligence Artificielle
– Excellent dossier de recherche
– Intérêt pour les problématiques de recrutement
– Très bonne maîtrise du français et de l’anglais

Formation et compétences requises :
– Apprentissage automatique et profond
– Apprentissage de représentations
– Traitement du langage naturel
– Modèles de langage
– Explicabilité
– Équité
– Clustering

Adresse d’emploi :
Laboratoire MICS, CentraleSupélec, Université Paris Saclay
3 Rue Joliot Curie, 91190 Gif-sur-Yvette

Document attaché :

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

Laboratoire/Entreprise : CReSTIC
Durée : Poste permanent
Contact : nicolas.passat@univ-reims.fr
Date limite de publication : 2020-06-30

Contexte :
Bonjour.

Un poste de professeur en informatique (section 27) est ouvert à l’Université de Reims Champagne-Ardenne, avec un profil recherche en intelligence artificielle. Le concours est ouvert sur la session synchronisée.

Plus d’information sur le profil ci-dessous.

Si vous êtes intéressé(e), merci de vous adresser à l’adresse suivante : nicolas.passat@univ-reims.fr

Cordialement,

N. Passat, directeur-adjoint du CReSTIC

Sujet :
RECHERCHE :

Profil : Intelligence artificielle

Le(la) candidat(e) recruté(e) viendra renforcer l’unité de recherche sur les thèmes de l’intelligence artificielle. Les compétences souhaitées sont prioritairement méthodologiques : il est attendu que le(la) candidate soit à même de développer des activités de recherche dans des domaines tels que la structuration de données, la modélisation de connaissances, la classification et l’apprentissage automatique. Le laboratoire compte plusieurs enseignants-chercheurs de rang B développant des activités en intelligence artificielle. Il sera attendu du(de la) candidat(e) recruté(e) qu’il(elle) fédère et structure les activités de l’ensemble de ces collègues de manière à renforcer l’impact scientifique de l’unité dans ce domaine.
Outre le développement d’une recherche méthodologique en intelligence artificielle, de nombreux besoins existent, liés à l’usage de l’intelligence artificielle dans des domaines applicatifs (voir les axes transverses du laboratoire sur le site web). Les besoins sont notamment cruciaux dans les domaines de la santé (avec le développement d’un Institut “IA Santé” entre le CHU de Reims et l’Université, et de nombreux liens collaboratifs avec des personnels hospitalo-universitaires) et les domaines de la culture et des arts numériques (avec, notamment, des partenariats privilégiés avec des institutions culturelles et artistiques, et des projets transverses avec les SHS au sein de l’établissement et de la Région). Il sera attendu que le(la) candidat(e) recruté(e) soutienne ces activités en apportant une compétence “métier” en intelligence artificielle, à des collègues et collaborateur(rice)s non-expert(e)s du domaine, mais dont les projets s’appuient fortement sur l’usage de méthodes et outils en intelligence artificielle.

Mots clés : intelligence artificielle ; applications (santé, culture…)

Coordonnées :
Nom du contact : Nicolas PASSAT
Tél : 07.85.00.06.86
Email : nicolas.passat@univ-reims.fr

ENSEIGNEMENT :

Profil : Enseignant-chercheur ayant des compétences suffisamment variées pour intervenir dans différentes disciplines enseignées en première et deuxième année de DUT Informatique (algorithmique, programmation, développement web, génie logiciel). Sa polyvalence lui permettra de participer activement à la mise en œuvre du futur Bachelor Universitaire de Technologie. Il devra également assurer l’encadrement de projets tutorés ainsi que le suivi de stagiaires et d’alternants en entreprise. L’IUT RCC et le département Informatique ayant la volonté de continuer à développer l’alternance au cours des années qui viennent, une expérience dans ce domaine (responsabilité de formation en alternance par exemple) est un plus.

Mots clés : algorithmique, programmation, web, génie logiciel

Département(s) d’enseignement : Informatique
Lieu(x) d’exercice : IUT de Reims-Châlons-Charleville, site de Reims
Équipe pédagogique : 4 PR, 17 MCF, 3 PRAG, 6 PRCE

Autres informations : la personne recrutée devra s’investir dans les tâches administratives inhérentes au fonctionnement d’un département d’IUT, comme la participation à la communication du département (forums d’orientation, journées portes ouvertes …), la responsabilité de parcours ou de formations et, à moyen terme, la direction du département.

Coordonnées :
Nom du contact : Jean-Michel NOURRIT
Tél : 03.26.91.30.50
Email : jm.nourrit@univ-reims.fr

Profil du candidat :
Qualification PR en 27e section requise.

Formation et compétences requises :
Cf. ci-dessus.

Adresse d’emploi :
Cf. ci-dessus.

Document attaché :

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

Laboratoire/Entreprise : ICUbe – Université de Strasbourg
Durée : 12 mois
Contact : gancarski@unistra.fr
Date limite de publication : 2020-07-10

Contexte :
L’objectif du projet est de d’améliorer une plateforme numérique conviviale permettant aux utilisateurs de retrouver et de sélectionner des ressources numériques exploitables dans un contexte éducatif. Ces ressources seront proposées à travers un moteur de recherche présentant les résultats en fonction de l’utilisateur et des profils utilisateurs qui lui sont proches, selon un mécanisme de recommandation personnalisé.

Sujet :
Deux aspects seront abordés durant ce post-doctorat :

Analyser les systèmes et méthodes de recommandation existants afin de proposer une première solution opérationnelle ;
Développer une méthode d’apprentissage de profils utilisateurs, à partir de données statiques (informations propres aux utilisateurs) et dynamiques (comportement des utilisateurs sur la plateforme).

Profil du candidat :
Une très bonne maîtrise de la langue française est indispensable : les ressources à modéliser et les publics concernés seront quasi exclusivement francophones.

La candidature doit comporter un CV détaillé (en français) incluant une liste de publications, une description de la thèse et son adéquation avec le sujet du post-doc ainsi qu’une lettre de motivation. Les coordonnées d’au moins deux référents sont à joindre.

Date limite pour postuler : 15/07/2020

Date prévisionnelle de début de contrat : Septembre ou octobre 2020
Durée : 12 mois (prolongeable de 6 mois suivant les résultats)

Contacts : Pierre Gançarski (gancarski@unistra.fr) et Delphine Bernhard (dbernhard@unistra.fr)
Téléphone : 03 68 85 45 76

Formation et compétences requises :
Connaissances fortes en traitements des langues er recherche d’information

Adresse d’emploi :
ICube
300 bld Sébastien Brant
67400 Illkirch

Document attaché : 202006240627_AnnoncePostDoc_Strasbourg_DB.pdf

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

Laboratoire/Entreprise : LGI2A Bethune
Durée : 1 year
Contact : francois.delmotte@univ-artois.fr
Date limite de publication : 2020-07-14

Contexte :
The Vumope project aims at optimizing the sharing of the driving’s task between a human driver and safety systems.
In particular the LGi2A tries to refine models about the state of the drivers in order to improve the overall safety of the multimodal system.

Sujet :
The objective of the post-doctoral position are:
• To dig into a database in order to obtain models about the mental state of the drivers (tiredness for example)
• To realize several scientific publications in renown ranked journals,

•The project is undertaken by collaborating with other teams/ labs from the Hauts-de-France, and in particular with the LAMIH lab from the university of Valenciennes.

Profil du candidat :
PhD in Datamining, statistics, classification,
Matlab language is required, basic knowledge of the Python language is a perk

Application: send CV, PhD defense reports, articles to francois.delmotte@univ-artois.fr

Formation et compétences requises :
PhD in Datamining, statistics, classification,
Matlab language is required, basic knowledge of the Python language is a perk

Application: send CV, PhD defense reports, articles to francois.delmotte@univ-artois.fr

Adresse d’emploi :
Lgi2A, University of Artois, Béthune (Nord de France), France

one year position, monthly gross salary: 2550€,

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

Laboratoire/Entreprise : LRI ou LIRIS ou LIMOS
Durée : 12 mois
Contact : cohen@lri.fr
Date limite de publication : 2020-07-16

Contexte :
Suite à l’appel lancé par le CNRS au début du mois d’Avril 2020, une équipe issue d’UMR du CNRS s’est mobilisée pour aider les médecins dans leur tâche d’analyse des données des études cliniques relatives au COVID-19.

Depuis le début de la crise du COVID-19, l’OMS publie une fois par semaine un fichier contenant la juxtaposition des lignes issues des 17 registres nationaux (sources de données). Plusieurs centaines de nouvelles lignes étaient publiées chaque semaine. Chaque ligne devait être homogénéisée et corrigée (appellation des noms de pays, des genres, des âges, …) puis longuement complétée par une série de copier-coller d’informations issues des registres d’origine. L’objectif était d’extraire automatiquement les données issues des registres et de les représenter de façon uniforme et pour générer un fichier Excel avec le format attendu par les médecins partenaires.

En deux mois, une première application a été réalisée (par des membres du LIRIS, LIMOS et LRI) sous Django et permet d’importer les données de quatre registres différents, un système de vues SQL et de manipulation de CSV en Pandas permet de générer les fichiers nécessaires pour le CRESS. Un prototype d’historisation des données et de manipulation des données est en cours d’élaboration.

Ce CDD a pour objectif de renforcer les fonctionnalités existantes et d’étendre l’outil.

Sujet :
(i) Mise en place d’un schéma global d’intégration (entrepôt de données) permettant d’intégrer les données de multiples sources (registres cliniques). Intégration des sources existantes ainsi que de nouvelles sources dans ce schéma (schéma relationnel, extraction d’informations, vue vers le schéma global).

(ii) Conception et implémentation d’interfaces de modification des données par les annotateurs, gestion des droits d’accès attenants.

(iii) Mise en place de mécanismes d’historisation des données: gestion des changements provenant des registres et changements apportés par les annotateurs.

De façon transverse, (iv) la reprise des codes des parseurs effectués pour les rendre plus robustes est une tâche importante à effectuer ainsi que (v) l’optimisation de la base (indexation, partitionnement…).

La personne recrutée devra travailler en étroite collaboration avec l’équipe de personnes ayant implémenté la version actuelle de l’outil et savoir échanger avec les utilisateurs de l’outil (les médecins et annotateurs).

Profil du candidat :
Ingénieur ou Master M2 (BAC+5)

Formation et compétences requises :
– Bonnes connaissances en base de données relationnelles (PostgreSQL)

– Coutumier du développement Python (environnements virtuels, packaging). La connaissance des librairies utilisées pour le scrapping (BeautifulSoup, requests) et l’analyse de données (Pandas) ainsi que du framework Django sont des plus.

– Connaissance de git

– Des compétences en développement JavaScript seraient un plus

– Capacité à travailler en équipe (avec des informaticiens et non informaticiens issus du domaine médical) et capacité à communiquer en français et en anglais.

Adresse d’emploi :
L’offre est publiée sur le portail emploi du CNRS :

– LRI (Saclay) : https://emploi.cnrs.fr/Offres/CDD/UMR8623-SARCOH-010/Default.aspx
– LIRIS (Villeurbanne) : https://emploi.cnrs.fr/Offres/CDD/UMR5205-MOHHAC-003/Default.aspx
– LIMOS (Clermont-Ferrand) : à venir, candidatez sur une des offres publiées et indiquez que vous souhaitez travailler au LIMOS à Clermont-Ferrand

Les candidatures seront examinées au fil de l’eau.

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

Laboratoire/Entreprise : LICIT
Durée : 12-18
Contact : angelo.furno@ifsttar.fr
Date limite de publication : 2020-07-20

Contexte :
We are looking for an enthusiastic research fellow (with a Phd degree or with a
Phd defence scheduled in the next months), potentially interested in our currently
open post-doctoral position, entitled:

IoT-microservices platform for mobility monitoring, analysis and recommendation

Please, consider sharing this call among potential candidates and colleagues.

If interested to apply, please send the following documents to angelo.furno@ifsttar.fr :
A curriculum vitae;
Transcript of records (marks) up to the Master degree;
The Phd Thesis manuscript;
A two-page (maximum) research statement discussing a personal vision of the position, wrt references proposed in the call (see below)
At least, one recommendation letter and a list of references to contact.
A PhD on a software engineering/distributed systems topic is required.
Knowledge of AI and data science is considered a positive plus.

Sujet :
Postdoc project description
================
The project aims to develop a data-driven monitoring and decision-making platform,
based on IoT and micro-services technologies, to improve transport resilience via
(real-time) big data analytics and complex network mining solutions.

The project provides a unique opportunity to work with a large variety of collected
real-world large-scale datasets for the city of Lyon, France from our partners,
including:
mobile phone (passive) data,
multi-modal transport network of the city of Lyon,
GPS floating car data,
survey data,
vehicle count data,
smart-card data, etc.
Real-time data will be available as well, thanks to a collaboration with a major European provider
of real-time travel information services.

The postdoc will be involved in activities related to the implementation of the prototype of the
PROMENADE platform, which relies on IoT lambda/kappa architectures for automated deployment,
scaling, and management of smart mobility resilience-related micro-services, based on the
preliminary work from the team.

She/He will also be involved in the development of services for mobility data collection, analysis
and decision making.

Please do not hesitate to contact me or Pr. Nour-Eddin EL FAOUZI (nour-eddin.elfaouzi@ifsttar.fr),
in CC, for more information, and share CVs of any contact potentially interested to our proposal.

We are ready to schedule a Skype interview to discuss more about the available position.
The postdoctoral position is expected to start in the period August-December 2019 and
could have a duration between 12 and 18 months.

The link to the full call:
https://promenade.licit-lyon.eu/documents/call_for_postdoc_PROMENADE_short.pdf

Bib references:
[1] De Iasio, A., Furno, A., Goglia, L., & Zimeo, E. (2019, December). A Microservices Platform for Monitoring and Analysis of IoT Traffic Data in Smart Cities. In 2019 IEEE International Conference on Big Data (Big Data) (pp. 5223-5232). IEEE.
[2] Henry E., Bonnetain L., Furno A., El Faouzi N.E., Zimeo E. (2019, June). Spatio-temporal Correlations of Betweenness Centrality and Traffic Metrics. In 6th International Conference on Models and Technologies for Intelligent Transportation Systems (MT-ITS).
[3] Daniel, Cecile, Angelo Furno, and Eugenio Zimeo. “Cluster-based Computation of Exact Betweenness Centrality in Large Undirected Graphs.” 2019 IEEE International Conference on Big Data (Big Data). IEEE, 2019.
[4] Castiello A., Fucci G., Furno A., Zimeo E. (2018, December). Scalability Analysis of Cluster-based Betweenness Computation in Large Weighted Graphs. In 2018 IEEE International Conference on Big Data (Big Data).
[5] Bonnetain L., Furno A., Krug J., El Faouzi N.E. (2019, January). Can we map-match individual cellular network signaling trajectories in urban environments? A data-driven study. In 98th Transportation Research Board Annual Meeting (TRB),
[6] Furno, A., Fiore, M., Stanica, R., Ziemlicki, C., & Smoreda, Z. (2016). A tale of ten cities: Characterizing signatures of mobile traffic in urban areas. IEEE Transactions on Mobile Computing, 16(10), 2682-2696.
[7] Katsikouli P., Fiore M., Furno A., Stanica R. (2019, June). Characterizing and Removing Oscillations in Mobile Phone Location Data. In 2019 IEEE 20th International Symposium on “A World of Wireless, Mobile and Multimedia Networks” (WoWMoM).
[8] Fekih, M., Bellemans, T., Smoreda, Z. et al. A data-driven approach for origin–destination matrix construction from cellular network signalling data: a case study of Lyon region (France). Transportation (2020).

Profil du candidat :
A PhD on a software engineering/distributed systems topic is required.
Knowledge of AI and data science is considered a positive plus.

Formation et compétences requises :
If interested to apply, please send the following documents to angelo.furno@ifsttar.fr :
A curriculum vitae;
Transcript of records (marks) up to the Master degree;
The Phd Thesis manuscript;
A two-page (maximum) research statement discussing a personal vision of the position, wrt references proposed in the call (see below)
At least, one recommendation letter and a list of references to contact.

Adresse d’emploi :
LICIT laboratory (Lyon, France),
University of Lyon & University Gustave-Eiffel,
Lyon, France

Document attaché : 202007201234_call_for_postdoc_PROMENADE_short.pdf

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

Laboratoire/Entreprise : ISTerre, Université Grenoble-Alpes, France
Durée : 12 months, possibly
Contact : sophie.giffard@univ-grenoble-alpes.fr
Date limite de publication : 2020-07-30

Contexte :
In the context of the MIAI (AI institute in Grenoble) environment, we have a post-doctoral position opened at ISTerre, an earth science lab. The interdisciplinary team associated with the project primarily consists of 3 permanent researchers: Sophie Giffard-Roisin (CR IRD), Grégory Bièvre (MDC UGA) and Stéphane Garambois (Pr UGA, PI of the project).

He / She will be integrated into the enlarged working group and will make the link between the two disciplines of data science and geophysics in partnership with the themes developed within the MIAI of the UGA.

Sujet :
The mission is mainly to do exploratory research, animation and transfer concerning the methodologies currently developed in the field of data sciences and artificial intelligence towards automated processing of low amplitude seismic signals, from detection to classification. An effort will also be focused on understanding the processes they reveal in connection with other measured observables.

A concrete application using a 2D+t grid of recorded seismic signals on an alpine glacier will be the core of the work, in order to understand the link between basal slide and subglacial hydrology. For this, he/she will explore and develop machine learning methods used in signal processing (including deep scattering) and images (convolutional neural networks).

Finally (if time permits), the work will focus on a second application: the processing of seismological data acquired for many years on a mountain slow-moving landslide. The learning techniques could make it possible to better constrain the evolution of the relationships between seismicity / rainfall / displacements and thus the evolutionary processes controlling this dynamic.

Profil du candidat :
Skills
The profile sought is clearly linked to data sciences and techniques developed in artificial intelligence for signal processing with experience in applied methodological developments. Some support in seismology and Earth sciences, but also in machine learning, will be available within the research team.

Know-how
A strong interest in the application aspects of methodological developments in AI and a curiosity towards important processes in earth sciences will be appreciated. As the work environment is interdisciplinary, communication and facilitation skills will be necessary. A strong link will have to be consolidated with the Gricad data center. A partial supervision of several thesis works on more applicative subjects could be proposed.

Formation et compétences requises :
PhD in machine learning, signal processing or seismology (if accompanied with strong computer science skills) is required.

Adresse d’emploi :
ISTerre Laboratory, Saint Martin D’Hères, Université Grenoble Alpes

Start date between Sept. and Dec. 2020

Document attaché : 202005251446_Fiche de poste post-doc_MIAI.pdf

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

Laboratoire/Entreprise : ETIS
Durée : 18 months
Contact : Dimitrios.Kotzinos@u-cergy.fr
Date limite de publication : 2020-07-31

Contexte :
The ETIS Lab (UMR 8051) of the CY Cergy Paris University has an immediate opening for a post-doctoral researcher. The position is funded by the H2020 EU-funded research project ANIMA (www.anima-project.eu/) and has secured funding for 18 months. The post-doctoral researcher will work under the supervision of Professor Dimitris Kotzinos and in collaboration with other researchers in his respective group.
This postdoctoral project will take an innovative multidisciplinary approach by developing Data Science (Big Data, Machine Learning and/or AI) based techniques to mine opinion models and do sentiment analysis around quality of life around airport regions and classify their aspects.

CONTEXT
Traditionally, opinion of people about different aspects of their lives were obtained through various types of surveys either made by person or online or more recently with the use of mobile apps. These kinds of surveys are though expensive and the researchers can reach only a limited amount of people. On the other hand, the recent explosion on social media content both in terms of volume and variety but also in timeliness, made platforms like Twitter, Facebook and Instagram an excellent source of people’s opinions and sentiments towards various subjects. But data collected from these platforms carry an inherent bias (not everybody is using them) and this is sometimes amplified by the use of bots and other automated posting agents.
In order to further focus our research, data from additional platforms, where people post comments on their experiences (like TripAdvisor, Yelp or AirBnB), will be also used to collect opinions on some of the aspects of the quality of life. Additionally, data from external sources like land use and land value data sets will be crossed with the opinions collected in order to understand what is the actual impact of the opinions in the economy of the area.

Sujet :
RESEARCH OBJECTIVES
Modelling and capturing opinions and their evolution in a quality-of-life context is a new exciting area of interdisciplinary research. The work will combine properties arising from the online social networks with text analytical functions in order to form a model of opinions and then track the evolution of this model through subsequent interactions. We plan to do this through a series of learning and mining tasks over dynamic data, understand the boundaries of the existing algorithms for such tasks and propose new ones when needed. Besides the evolution of the opinions, we are interested in identifying the dynamics and correlations that affect the changes that will be observed. We would like to push the boundaries of the opinion mining and dynamics works while applying them to better understand the opinions and the sentiments of people around the specific subjects of quality of life and airport noise.

Key Responsibilities and Tasks:
• Developing new measures and methods for gathering opinion related data streams
• Developing new opinion mining methods, opinion models as well as algorithms to track their evolution
• Develop or extend methods for sentiment analysis, classification and aspect characterization with a focus on data related to quality of life and noise
• Co-authoring one or two project deliverables
• First-authoring top-tier peer-reviewed journals and conference proceedings
• Presenting findings at national/international scientific conferences
• Develop a toolkit that can be used for subsequent opinion mining studies

Profil du candidat :
Qualifications and Skills/Experience:
• Ph.D. in Computer Science, Data Science, Artificial Intelligence/Machine Learning, or a related field. Applicants that will defend their PhDs before or around the beginning of the post-doc (04/2020) are also welcome to apply.
• Strong analytical and programming skills. Experience in tools used for big data analytics (in R, Python, Java or all) and in Cloud Computing environments is a plus
• Strong oral and written communication skills
• Demonstrated experience preparing conference presentations, research findings, and manuscripts for submission to peer-reviewed journals
• Language: the working language will be English

Formation et compétences requises :
PhD

Adresse d’emploi :
Cergy-Pontoise (suburb of Paris France).
The post-doctoral researcher will be located at the ETIS Lab (UMR 8051) at the CY Cergy Paris University.

Document attaché : 202006191628_PostDoc-descr-ANIMA.pdf

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

Laboratoire/Entreprise : Sorbonne Center for Artificial Intelligence – Abu
Durée : 5 years
Contact : patrick.gallinari@lip6.fr
Date limite de publication : 2020-07-31

Contexte :
Sorbonne University Abu Dhabi invites applications for outstanding candidates for a five-year academic position (Chair of Excellence), open to candidates with a strong background in the field of Data Science and Deep Learning, and an experience of applied research projects. The candidate will work in close collaboration with Total, a major energy operator, sponsor of the position.

Sujet :

Profil du candidat :

Formation et compétences requises :
Qualifications: PhD in Mathematics/Statistics/Computer Science/Machine Learning, or related areas. Excellent academic background and recognized experience in research fields abovementioned. Demonstrated international recognition in his/her own research field. Teaching experience.

Adresse d’emploi :
Sorbonne Universite – Abu Dhabi

Document attaché : 202004301554_Job Annoucement-TOTAL-SCAI.pdf

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

Laboratoire/Entreprise : Mission Infrastructures et Données Numériques de l
Durée : 12 mois
Contact : jean-christophe.desconnets@ird.fr
Date limite de publication : 2020-07-31

Contexte :
Afin de construire un écosystème numérique pour la science qui puisse assurer l’interrogation conjointe des bases de données scientifiques institutionnelles et assurer à terme la réutilisation de ces données pour réaliser des indicateurs d’activités, de suivi, des tableaux de bord des productions scientifiques, l’IRD, dans le cadre de son Schéma Directeur Numérique 2019-2023 a démarré des travaux visant à améliorer l’interopérabilité de ces bases. Des premiers travaux ont permis de regrouper, de formaliser et d’aligner les référentiels terminologiques selon les standards du Web Sémantique. Ils sont également portés sur une démarche qui doit permettre le regroupement, la structuration et la standardisation de ces systèmes d’information scientifiques. Ce chantier s’inscrit d’une part dans les actions autour de la science ouverte des organismes de recherche français tels qu’elles ont été présentées dans le Plan National de la Science Ouverte et d’autre part, vise à standardiser et pérenniser la structuration et l’exposition des métadonnées scientifiques de l’institut en vue de leur interconnexion.

Sujet :

Mission L’agent recruté a pour mission d’une part de prolonger les travaux initiés sur la constitution des référentiels terminologiques et d’autre part de travailler à l’amélioration du moissonnage des données et métadonnées des SI scientifiques pour constituer une première base de connaissance des productions numériques scientifiques de l’IRD.
Activités
– Continuer de construire les référentiels disciplinaires de l’IRD. L’accent sera en particulier mis sur la formalisation et l’alignement avec les référentiels géographiques nationaux et internationaux,

– Développer des routines pour regrouper, formaliser et structurer les métadonnées scientifiques selon les standards du web en vigueur afin de les interconnecter et les interroger,

– Participer à l’urbanisation des SI en définissant avec les parties prenantes les exigences pour la conception ou la création des bases de données institutionnelles,

– S’impliquer dans la communauté des sciences des données pour assurer une veille technologique, échanger avec les autres instituts dans le cadre des initiatives nationales et internationales (CoSO, RDA)

Profil du candidat :
Très bonne maitrise des concepts, méthodes et outils liés à la modélisation de données et de connaissances.
Spécialisation en construction et curation de référentiels terminologiques/ontologies.

Formation et compétences requises :
Connaissance des technologies du web sémantique (concepts, langages).
Maîtrise d’outils de construction, d’alignements ou d’agrégation d’ontologies.
Connaissance des principaux standards d’interopérabilité sur les métadonnées et les données fortement souhaitée.

Adresse d’emploi :
Maison de la Télédétection – Montpellier

Document attaché : 202006160837_Ingénieur interopérabilité et ingénierie de la connaissance MIDN-2020.doc.pdf

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

Laboratoire/Entreprise : Institut de Recherche en Horticulture et Semences, Angers
Durée : Permanent
Contact : mathieu.emily@agrocampus – ouest.fr
Date limite de publication : 2020-07-31

Contexte :
Le/La maître de conférences recruté/e effectuera ses activités de recherche au sein de l’IRHS (Institut de Recherche en Horticulture et Semences), Unité Mixte de Recherche (UMR) sous tutelle de l’INRA, de l’Université d’Angers et d’AGROCAMPUS OUEST. L’IRHS regroupe en 13 équipes la majeure partie des forces de recherche en biologie végétale de la région, soit 235 membres dont 175 permanents. L’IRHS développe des approches intégrées mobilisant biologie, modélisation, statistique et bioinformatique.

Sujet :
Le/La maître de conférences recruté/e rejoindra l’équipe ImHorPhen (Imagerie pour l’Horticulture et le Phenotypage) de l’IRHS. Créée en 2017, cette équipe forte d’une trentaine de personnes, mène conjointement :
– Une activité de plateforme : infrastructure de production de plantes en environnement contrôlé et de phénotypage par imagerie ;
– Une activité de recherche : développement d’outils d’imagerie innovants pour la caractérisation des semences, du développement des plantes horticoles in situ et des interactions hôtes pathogènes

Ces activités pluridisciplinaires de phénomique sont portées par des biologistes, des physiciens spécialistes de l’analyse d’image, des informaticiens et des statisticiens, en collaboration avec des chercheurs des différentes équipes de l’IRHS. Le/La maître de conférences recruté/e contribuera au développement méthodologique pour l’acquisition, la gestion et l’exploitation de données tout au long de la chaîne de phénotypage haut-débit mise en place : plans d’expérience sur capteurs, analyse d’images, analyse longitudinale de cohortes, apprentissage automatique, intégration et visualisation de données hétérogènes…

L’équipe ImHorPhen partage une thématique d’analyse de données volumineuses, hétérogènes et incomplètes (issues entre autres de technologies à haut-débit : séquençage, expression de gènes, imagerie, etc.) et multi-échelles (de la molécule au champ en passant par l’organe, la plante entière, etc.) avec l’équipe BIDefI (Bioinformatics for plant Defense Investigations), qui développe méthodes et outils de génomique. Le/La maître de conférences recruté/e contribuera au développement de projets communs aux deux équipes.

Profil du candidat :
Il/Elle est encouragé(e) à développer de collaborations avec les autres équipes d’informatique et statistique du grand ouest (LAREMA, LMJL, IRMAR, LERIA, LINA, IRISA…) ou celles des établissements d’enseignement supérieur dépendant du Ministère en charge de l’Agriculture, notamment Montpellier SupAgro ou AgroParisTech

Formation et compétences requises :
Les candidat(e)s devront posséder un doctorat en sciences des données, (bio)informatique, (bio)statistique, etc. et de préférence pluridisciplinaire, des aptitudes pédagogiques leur permettant d’atteindre un public agronome non
expert, et avoir de l’intérêt pour les projets multidisciplinaires et appliqués, avec une composante ingénierie, en particulier dans les domaines de l’imagerie et du végétal

Adresse d’emploi :
Angers

Document attaché : document1.pdf

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

Laboratoire/Entreprise : CY Cergy Paris Universite
Durée : 1 an renouvelable
Contact : Dimitrios.Kotzinos@u-cergy.fr
Date limite de publication : 2020-07-31

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(e) enseignant(e) contractuel(le) en CDD, de préférence titulaire d’un doctorat en informatique. L’enseignant(e) recruté(e) participera activement au montage des modules d’enseignement, au pilotage de la formation et à l’enseignement dans ce Bachelor. Le contrat initial est d’un an, avec la volonté de proposer par la suite une extension avec un contrat sur 3 ans.

Sujet :
Durée du contrat : 1 an

Date de prise de fonction : 01/09/2020

Volume horaire prévu : 384 HeTD

– Volet enseignement :
Le service d’enseignement sera partagé entre le Bachelor et d’autres enseignements au sein du département de sciences informatiques, en Licence ou Master. Dans le cadre du Bachelor, l’enseignant chercheur recruté participera activement au pilotage de la formation, au montage des modules du Bachelor en lien avec les enseignants du département des sciences informatiques, ainsi qu’à l’enseignement de différents modules. L’enseignement en Bachelor se fait en français, à ZUST, en Chine, lors de séjours de quelques semaines sur place.

– Détails du poste : Salaire brut entre 2 232,28 € et 3 248,31 €, en fonction de l’expérience professionnelle.

Profil du candidat :
– Section CNU / Discipline : 27 / Informatique

Formation et compétences requises :
Doctorat

Adresse d’emploi :
Composante / département : CY Tech Sciences et Techniques / Département des Sciences Informatiques

Site : Saint Martin

2 av. Adolphe Chauvin
F-95302, Pontoise, France