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

Laboratoire/Entreprise : Universite Sorbonne Paris Nord. LIPN – UMR CNRS 70
Durée : 12 mois
Contact : azzag@univ-paris13.fr
Date limite de publication : 2024-06-30

Contexte :

Sujet :
Object Detection based on LLM.

Profil du candidat :

Formation et compétences requises :

Adresse d’emploi :
Université Sorbonne Paris Nord. LIPN – UMR CNRS 7030

Document attaché : 202404230657_PostDoc_Iriser_2024.pdf

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

Laboratoire/Entreprise : LIFO
Durée : 12 mois
Contact : thi-bich-hanh.dao@univ-orleans.fr
Date limite de publication : 2024-06-30

Contexte :
The JUNON project is granted from the Centre-Val de Loire region through an ARD program (Ambition Recherche Développement). The project is driven by BRGM and involves BRGM, University of Orléans
(LIFO), University of Tours (LIFAT), CNRS, INRAE, ATOS and ANTEA companies. The main goal of JUNON is to develop digital twins to improve the monitoring, understanding and prediction of environmental
resources evolution and phenomena, for a better management of natural resources. Digital twins will allow us to virtually reproduce natural processes and phenomena using combinations of AI and
environmental tools. They will rely on geological and meteorological data (time series) and knowledge, as well as physical-based models.
JUNON project is organized into 5 work packages (WP):
1. User’s needs and geological knowledge for ground water
2. User’s needs and biological/chemical knowledge about pollutants and greenhouse gases
3. Data management and data mining
4. Times series predictions
5. Aggregation and realization of digital twins

The postdoc program will be supervised by LIFO-CA and will be in WP4, focusing on the prediction of quantity/level of ground waters. There will be strong interactions inside WP4 with other postdocs and PhD in LIFO or LIFAT, with WP1 and WP3 (BRGM) with engineers.

The CA team is a dynamic team with 8-10 PhD. We work on Machine Learning, Data Mining and Deep Learning and have been interested in knowledge integration in ML/DM methods.

Sujet :
In ground water level predictions, physical-based models or classic AI tools have achieved good performance in short term predictions, for instance up to 3 months. The performance, however, worsens for a more long-term prediction, such as for instance up to 1 year or more. Recently, several works have shown the interest of hybrid models, that combine both physical and AI models, in environmental science.

The goal of this work is to study how expert knowledge could be integrated to improve predictors. Expert knowledge can come from different sources. It may be information such as seasonal cycles, soil
or subsoil natures that may impact on the prediction. Some physic-based models have already been developed, either global or distributed, these models encapsulate some expert knowledge that could
be used to guide AI models. The aim of the postdoctoral program is to build new prediction models that take advantage of both physical-based and AI models and to study the integration of expert knowledge.

We have developed methods integrating prior knowledge into deep learning models in clustering tasks or in image classification tasks. We are interested in either pursuing this approach or considering physics-informed neural networks which is a hot topic.

Profil du candidat :
– Good experience in data analysis and machine learning is required.
– Experiences/knowledge in time series prediction and environmental science is welcome.
– Curiosity and ability to communicate (in English or in French) and to work in collaboration with scientists in environmental science.
– Ability to propose and validate new solutions and to publish the results.
– Autonomy and good organizational skills.

Formation et compétences requises :

Adresse d’emploi :
LIFO, University of Orléans

Document attaché : 202405291257_Post-Doc position-LIFO.pdf

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

Laboratoire/Entreprise : Institut FEMTO-ST, Besançon
Durée : Permanent
Contact : jean.aucouturier@femto-st.fr
Date limite de publication : 2024-06-30

Contexte :
L’Institut FEMTO-ST et l’école SUPMICROTECH à Besançon (France) appelle des candidat.e.s pour une chaire de professeur.e junior (CPJ) sur le thème de l’apprentissage et de la modélisation data-driven de systèmes dynamiques, avec une application possible (mais pas limitée) aux neurosciences.

Informations détaillée ici: https://neuro-team-femto.github.io/2024/04/19/faculty-position and https://www.galaxie.enseignementsup-recherche.gouv.fr/ensup/ListesPostesPublies/FIDIS/0250082D/FOPC_0250082D_4094.pdf

La position est financée pour une période initiale de 3-6 ans (selon l’expérience), après laquelle la personne sera examinée pour sa promotion directe au rang de Professeur.e des Université (CNU61). Le package inclut également un financement de recherche de démarrage de 300k€, et un volume d’enseignement réduit à 64h pendant la période de tenure-track.

Date limite de candidature: 15 Mai 2024, uniquement via la plateforme Galaxie: https://www.galaxie.enseignementsup-recherche.gouv.fr/ensup/cand_CPJ.htm.

N’hésitez pas à prendre contact dés maintenant avec Jean-Julien Aucouturier (aucouturier@gmail.com) pour plus d’information si intéressé.e.s.

Sujet :
Le domaine de recherche concerne le domaine émergent de l’apprentissage pour le contrôle et les systèmes dynamiques (https://l4dc.web.ox.ac.uk). Nous recherchons des candidat.e.s visant à développer la prochaine génération de techniques d’apprentissage-machine pour contrôler et modéliser de façon data-driven et physiquement interprétable des systèmes dynamiques complexes physiques ou physiologiques (ex. dynamic mode decomposition, sparse identification of non-linear dynamics, etc.).

Une application possible, mais non limitée, concerne le domaine de la modélisation data-driven de données biologiques/neurophysiologiques, domaine dans lequel l’Institut FEMTO-ST est déjà actif et possède plusieurs plateforme d’acquisition de données (https://neuro-team-femto.github.io).

La mission d’enseignement (CNU 61-Génie informatique, automatique et traitement du signal) est en école d’ingénieur (SUPMICROTECH/ENSMM), et concerne le domaine de l’IA et de la modélisation data-driven pour l’ingénieur, avec un focus souhaité sur l’explicabilité et l’informativité physique.

Profil du candidat :

Formation et compétences requises :

Adresse d’emploi :
La personne recrutée rejoindra le Département d’Automatique et Robotique de l’Institut FEMTO-ST (https://www.youtube.com/watch?v=3fsEKECEpmY), et pourra notamment développer ses travaux dans le cadre du NEURO group (https://neuro-team-femto.github.io), qui est actif à l’interface entre automatique, systèmes dynamiques et neurophysiologie humaine. L’Institut FEMTO-ST est situé à Besançon, une capitale régionale à taille humaine, proche de la frontière suisse et des montagnes du Jura, et régulièrement classée première en France pour sa qualité de vie (https://paris-jetequitte.com/partir-vivre-besancon/).

Document attaché : 202404230504_FOPC_0250082D_4094.pdf

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

Laboratoire/Entreprise : LISN – UMR9015
Durée : 12 (+6)
Contact : anne.sergent@lisn.fr
Date limite de publication : 2024-06-30

Contexte :
The mechanical engineering department of the LISN lab invites applications for a one-year postdoctorate position to conduct cutting-edge research at the intersection of turbulent natural convection, convolutional neural networks (CNN), physics-informed machine learning, and high-performance computing (HPC). The successful candidate will work on advancing the field of super-resolution analysis for turbulent fluid flows using innovative approaches based on numerical and
experimental ombroscopy techniques.

Supervision and research team

The Postdoc will work in collaboration with Didier Lucor and Anne Sergent from LISN, and Julien Salort and Francesca Chillà from the Physics Lab of ENS Lyon (https://www.ens-lyon.fr/PHYSIQUE). Thus, the research team is composed by physicist, fluid mechanics and artificial intelligence researchers from different laboratories, leading to a multidisciplinary project funded by ANR.

Funding

This project is funded by the ANR research project THERMAL.
The post-doctoral position is a one-year full-time appointment starting during 2024. Gross salary will depend on the experience of the candidate, up to approx. 40,000 €/year (net salary: up to approx. 32,000 €/year). The candidate will also benefit from French social insurance.
Within the framework of the ANR project THERMAL the postdoc will have funding for participation in conferences, publication fees and visits to Lyon lab. Moreover, the postdoc will have access to compute servers from University Paris-Saclay and GENCI national supercomputers.

Deadline for Applications: first semester 2024
The Postdoc is expected to start in 2024 (preferably during the first semester)

Application Process
Interested candidates should submit the following documents to didier.lucor@lisn.fr and anne.sergent@lisn.fr :
1. Curriculum Vitae (CV) including a list of publications.
2. Cover letter detailing the candidate’s research experience and interest in the position.
3. Contact information for three references.

Sujet :
The research will build upon recent surveys on machine-learning-based super-resolution reconstruction of turbulent flows. The candidate will explore and develop methods to enhance the resolution of turbulent flows through the application of CNN-based techniques, physics-informed loss
functions with access to direct numerical simulations databases produced with high-performance computing technologies on national supercomputers. The goal is to reconstruct instantaneous vortical
flows and temperature fields with high fidelity, even in scenarios with limited/partial training data and noisy inputs.

Key Responsibilities

1. Implement and refine machine-learning models, particularly CNN-based methods, for super-resolution reconstruction of turbulent flows.
2. Investigate the use of physics-informed loss functions and neural network structures to improve the accuracy and robustness of super-resolution models.
3. Collaborate with the lab team to integrate multi-scale filters, unsupervised techniques, and spectral properties into the super-resolution models.
4. Assess the robustness and sensitivity of models against noisy inputs, especially in the context of experimental measurements.
5. Contribute to the development of super-resolution models in wavespace for incorporating specific spectral properties.

Profil du candidat :
– Ph.D. in Computational Fluid Mechanics, Aerospace Engineering, Applied mathematics, Computer Science or a related field.
– Proven track record of publications in relevant peer-reviewed journals.

Formation et compétences requises :
– Strong background in machine learning, particularly convolutional neural networks.
– Experience in physics-informed machine learning and high-performance computing.
– Very good programming skills (e.g., Python, TensorFlow, PyTorch).

Adresse d’emploi :

Page d’accueil

LISN lab (CNRS & Université Paris Saclay):
The mechanical engineering department develops broad-spectrum research activities mainly in fluid mechanics and computer science. Over the last decade, expertise has developed at the interface of computational fluid mechanics, HPC and physics-informed machine learning, uncertainty
quantification and data assimilation techniques.

Document attaché : 202312141407_postdoc-anr-thermal_v2.pdf

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

Laboratoire/Entreprise : Laboratoire des 2 Infinis – Toulouse (L2IT)
Durée : two years
Contact : jan.stark@l2it.in2p3.fr
Date limite de publication : 2024-07-01

Contexte :
The Laboratoire des 2 Infinis – Toulouse (L2IT) is a laboratory created in 2020 to conduct research in fundamental physics with new numerical and theoretical approaches to data analysis. The laboratory’s research focuses on particle physics, gravitational waves and the equation of state of nuclear matter, and is supported by the concurrent development of data science and analysis methodologies. L2IT is operated by CNRS/IN2P3 and Université Toulouse III – Paul Sabatier. The L2IT Particle Physics team contributes to understanding the dynamics of the scalar sector of the Standard Model through studies of the Higgs boson and of the polarisation of vector bosons. It contributes to the development of data reconstruction software for the new tracker (ITk) that the ATLAS collaboration will install for the high-luminosity phase of the LHC. The successful candidate will work in close collaboration with other members of the Particle Physics team, and with members of the Computing, Algorithms and Data team at L2IT.

Sujet :
The successful candidate will develop innovative analysis methods for the reconstruction or the analysis of data from the ATLAS experiment. The L2IT team plays a leading role within the ATLAS collaboration in the reconstruction of charged particle tracks using deep geometric learning (GDL). The person joining us can contribute to this effort, for example by applying GDL to signatures not considered in the existing studies (electrons or tracks produced far away from the centre of the detector). Other applications of machine learning for the reconstruction or the analysis of ATLAS data are possible, depending on the candidate’s experience and motivation.

Profil du candidat :
We are looking for a colleague with a PhD in particle physics or in computer science with a strong specialisation in machine learning. Proven experience with machine learning to solve a scientific problem, or experience with algorithms for particle physics would be a plus.

Formation et compétences requises :
PhD in particle physics or in computer science obtained less than three years before the start date at L2IT.

Adresse d’emploi :
Laboratoire des 2 Infinis – Toulouse (L2IT)
Maison de la Recherche et de la Valorisation
75 cours des Sciences
31400 Toulouse

Document attaché : 202310301004_PostdocML_L2IT.pdf

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

Laboratoire/Entreprise : IMT Atlantique
Durée : 9 months
Contact : carlos.granero-belinchon@imt-atlantique.fr
Date limite de publication : 2024-07-07

Contexte :
Nowadays, several operational Land Surface Temperature (LST) products are available but limitations remain, notably because there is still a trade-off between spatial and temporal resolutions. Thermal sensors such as MODIS or Sentinel 3 (1km spatial resolution) provide a high revisit (daily) and ASTER or the LANDSAT series provide a low revisit with high spatial resolution (around 16 days at 90 m and 100 m). Consequently, upscaling the spatial resolution helps improving the data fusion between different sensors, the generation of LST temporal series as well as a finer-scale analysis for different applications such as the monitoring of vegetation stress, forest fires or urban heat islands
among others.

A large body of research has addressed this challenge with sharpening or disaggregation methods that are based on statistical relationships between high spatial resolution products and LST at low spatial
resolution (Granero-Belinchon et al. 2019). However, these statistical approaches lead to limitations such as the need of high resolution products acquired in the same area and close in time, or scale
invariant hypotheses which sometimes are not adapted.

Inspired by the existing research at the interface between AI and remote sensing, new AI-models continue to appear for the processing of spaceborne images, and more precisely for super-resolution
applications, notably with CNNs (Convolutional Neural Networks) and GANs (General Adversarial Networks) (Brodu et al. 2017, Gargiulo et al. 2019).

Nguyen et al. 2022 showed that important improvements are still needed to correctly adapt CNNs for LST super resolution to overcome the invariance scale hypothesis and the blurring effect. Thus, the
inclusion of a physical information can lead to better performances for LST super resolution.

Sujet :
This proposal focuses on the MODIS sensor due to the large state-of-the-art available on this mission, the dataset already processed by the involved partners and the recent studies on this sensor dealing
with the super resolution of its LST previously mentioned.

Following (Brodu et al. 2017) or (Gargiulo et al. 2019), a first approach consists in combining high resolution information in the VNIR domain (NDVI for example) with coarse resolution LST to train the model for super-resolution. We call this approach Dual image super resolution (DISR). The main advantage of this approach is the direct use of high resolution information for upscaling LST.

For Single image super resolution (SISR), learning will be performed at degraded resolution. Thus for example for LST upscaling from 1 km to 250 m, training will be done from 4 km to 1 km. This strategy is commonly used when no ground truth is available at the desired resolution (in our case LST
at 250 m), see (Nguyen et al. 2022). Consequently, a scale-invariance hypothesis is assumed, i.e. the learned model from 4 km to 1 km is valid when upscaling LST from 1 km to 250 m. However, scale-invariance is not necessarily exact and so this hypothesis must be corrected. We plan to overcome it by studying the statistical evolution of LST and reflectives indices such as NDVI across the involved scales and different landscapes (a hundred of meters to several kilometers) in order to deduce physical
laws allowing us to correct the scale invariance hypothesis of current AI super resolution methods in remote sensing. For doing so, LANDSAT 9 or ASTER data will be used.

Profil du candidat :
Engineer in deep learning

Formation et compétences requises :
Candidates are expected to have good knowledge in Deep Learning/Machine learning with strong experience in Neural Networks. Ideally, the candidate will have previous experience in remote sensing
and would have shown strong interest on these topics previously. Good skills in python, pytorch, pytorch lightning are also required, as well as a background in teamwork. Previous experience in a multidisciplinary research team will also be considered as positive.

Adresse d’emploi :
The candidate will work in collaboration with Carlos Granero-Belinchon and Lucas Drumetz from IMT Atlantique, Aurélie Michel and Xavier Briottet from Onera Toulouse, Thomas Corpetti from CNRS and Julien Michel from CNES. Thus, the research team is composed by physicist, and researchers on artificial intelligence, signal and image processing and remote sensing from different laboratories, leading to a multidisciplinary project. Moreover, the candidate will develop within the
OSE research team at IMT (https://cia-oceanix.github.io/) which is a dynamic research group on image processing and artificial intelligence for the study of the environment.

The position is a 9 months full-time appointment starting during 2024. Gross salary will depend on the experience of the candidate. The candidate will also benefit from French social insurance, and will have up to 45 days of annual leave. The candidate will be able to benefit up to 90 days of remote working per year.

The candidate will be based at the IMT Atlantique Campus (Brest) in a dynamic and stimulating working environment at five minutes walking from the beach.

Within the framework of the ANR Chair OCEANIX the candidate will have access to compute servers : Datarmor and servers from OSE at IMT Atlantique.

Motivated candidates should send a CV and a motivation letter to: carlos.granero-belinchon@imt-atlantique.fr.

Document attaché : 202402071225_IR_CNES_TOSCA.pdf

Offre en lien avec l’Action/le Réseau : BigData4Astro/– — –

Laboratoire/Entreprise : Institut d’Astrophysique de Paris
Durée : Permanent
Contact : guilhem.lavaux@iap.fr
Date limite de publication : 2024-07-10

Contexte :

L’Institut d’Astrophysique de Paris (IAP) est une Unité Mixte de Recherche du CNRS et de Sorbonne Université d’environ 150 chercheurs, post-doctorants, doctorants, ingénieurs, techniciens et administratifs. L’analyse de gros calcul numérique tient une place majeure à l’IAP : traitement de données astrophysiques massives (HPDA), réalisation et exploitation de simulations numériques (HPC). L’IAP héberge des fermes de calculs dédiées à ces applications ; la plus récente est spécialisée dans le co-calcul CPU-GPGPU et l’utilisation de l’IA. Sur 80 utilisateurs réguliers de ces machines, la moitié sont des collaborateurs issus d’autres laboratoires en France et à l’international.

L’IAP est très impliqué dans les grands programmes d’observation astronomique au sol et dans l’espace (Euclid, JWST, SVOM, LISA, Ariel, GRAND) et à la pointe de la modélisation numérique en astrophysique avec les simulations les plus dimensionnantes de la discipline (Horizon, Sibelius), réalisées sur les super-calculateurs nationaux (Joliot Curie, Jean Zay) et internationaux (Nurion, Cosma). L’IAP est le siège de développement à la pointe pour l’analyse statistique de grands volumes de données par des techniques novatrices (projet BORG, Learning-the-Universe). Ces engagements impliquent de nouveaux besoins en développement et en déploiement des codes, dont l’optimisation pour les architectures GPGPU et l’exploitation d’outils issus de l’IA.

Référent-e développement et optimisation des codes et des algorithmes sur les machines HPDA/HPC pour les nouvelles architectures GPGPU, l’Ingénieur-e de recherche sera affecté-e à l’équipe de 14 personnes « soutien technique aux projets » et rendra compte à son responsable. Cette activité renforcera l’atout numérique du laboratoire sur le sujet, et permettra de gagner en compétence sur les thématiques HPC/HPDA du labo.

Sujet :

L’ingénieur-e de recherche apportera, dans le cadre d’un projet de recherche, une expertise dans l’utilisation des GPGPUs pour le calcul et l’analyse haute performance des données (HPDA/HPC). Il/Elle participera à la résolution de problèmes d’astrophysique théorique, avec des simulations numériques, et d’astrophysique observationnelle avec le traitement et l’assimilation de données massives.

Profil du candidat :

Formation et compétences requises :

Adresse d’emploi :
Institut d’Astrophysique de Paris, 98bis Boulevard Arago, 75014 Paris

Voir https://concoursexternesit.cnrs.fr/public/campagne-2024 (concours 67, BAP E, IAP)

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

Laboratoire/Entreprise : Image et Vision Artificielle (ImViA)
Durée : 18 mois (might be ex
Contact : alamin.mansouri@u-bourgogne.fr
Date limite de publication : 2024-07-15

Contexte :
This recruitment falls in the framework of the Horizon Europe Research & Innovation Action Entitled CHEMINOVA

https://cordis.europa.eu/project/id/101132442

Partners: UB (France), UVEG (Spain), ICCROM (Italy), UNIPA (Italy, NCA-SSK (Ukraine), CNR-ISAC (Italy), LUH (Germany), 4D-IT (Austria), SKB (Austria), DIADRASIS (Greece), UTC (Romania), ARTCO (Germany).

Connext and scope of Cheminova:

In the 1960s, a chemical experimentation game called CHEMINOVA gained widespread popularity and inspired many individuals to pursue careers in science. The game came with all the essential tools to create a home laboratory, including test tubes, a burner for heating mixtures, clamps to hold tubes, and chemical products. Named after and inspired by this game, the Horizon Europe Research&Innovation Action project entitled ChemiNova focuses on simplifying chemistry and imaging analysis and fostering collaborative conservation research while prioritizing humans as the central focus for technological innovations.

Therefore, ChemiNova project aims to develop an intelligent computational system that goes beyond current technologies to improve the conservation, analysis and monitoring of European Cultural Heritage assets. Using a myriad of data, we will tackle structural and chemical damages, focusing on two specific human-induced threats: climate change and civil conflicts. Inspired by the simplicity of a children’s game, our value relies on the conviction that we will facilitate conservators’ work to the extent that using a single framework they can document, digitise, classify, and share information for CH conservation. Cheminova will organize collaborative acquisition sessions at the pilots: As part of the project in-person technical meetings we have planned collaborative acquisition sessions involving gathering different types of data by ChemiNova partners. This will include hyperspectral images (UVEG), thermal images (CNR-ISAC), RGB images with a camera mounted on UAVs (4D-IT), Appearance attributes from Reflectance Transformation Imaging-RTI (UB) and RGB images with off-the-shelf cameras (UNIPA), among others. Therefore, the technical meetings will mostly take place in the cities related to pilots (Valencia, Palermo, Vienna and Kyiv -if possible).
Furthermore, our impact lies in the fact that we will not build an ad hoc device, but our technology is adapted so that anyone can access it from anywhere. We will involve local communities (citizens) in conservation practices, from providing data (citizen science) to raising awareness on the effects of climate change, natural and human hazards affecting CH.

Sujet :
Involvement of the candidate in the project

The involvement of the successful candidate will be on the entire project with but significant contributions are expected on WP3 and WP4. These contributions will revolve around a) Developing new methods and tools considering multi-dimensional representations of the object, supporting not only spatial information, but also spectral, RTI, semantic and temporal. These 3D models are called enriched 3D models (e3D) as a result of WP3–ChemiModel); b) Developing advanced analysis based on deep learning to automatically detect types of damages on CH assets due to climate change and other human-induced threats (WP4–ChemiAI). c) Processing RTI data acquired by a drone-based system designed for inaccessible zones d) Participating to the management of the project title
a) Building ChemiModel: Design radiometric calibration protocols and methods and apply them to the data; Co-register data from multiple platform positions in a common, metric reference frame (orientation); Reconstruct the object shape as a watertight surface mesh with radiometric information; Refine and enrich the model locally by maps computed from RTI data and simulate visual appearance of objects through interactive relighting; Integrate other models (different epochs, different sensors) and detect changes by differencing; To compound and upload to the ChemiNova database the e3D models with shape and texture(s).
b) Advanced Analysis and Deep Learning (ChemiAI): develop classification techniques for differentiating types of damage of artefacts, buildings and monuments based on the e3D models derived in WP 3 and using methods for deep learning; To develop a methodology for analysing hyperspectral and RTI data in order to obtain information about damage; Integrate the classification methods for e3D models with RGB textures and additional sensor data for an improved prediction of damage; Derive information about damage for the datasets acquired in the pilots so that it can be integrated into the ChemiNova database.
c) Drone-based RTI system building: The generated 3D point cloud may suffer locally from imperfect or low confidence reconstruction (large objects or for zones out of the reach). In such areas, the RTI technique will be used to improve the generated e3D models. A drone-based RTI system will be built in collaboration with 4D-IT. The candidate will be involved in data processing further to acquisition by drone (alignment, stitching, radiometric calibration. Relighting).
d) Management of the project: Strong involvement in the project is expected: attending consortium meetings, preparing and participating to acquisition campaigns, preparing deliverable and monitoring the progress, representing the project and UB in events and conferences.

Profil du candidat :
The candidate must hold a PhD in Computer/computer Science with competences on Deeplearning.
Knowledge on RTI imaging or more globally Appearance imaging are appreciated

Formation et compétences requises :

Adresse d’emploi :
Laboratoire ImViA – Dijon

Document attaché : 202405101448_PostDoc Proposal_FV.pdf

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

Laboratoire/Entreprise : Centre d’Épidémiologie et de Santé Publique des Ar
Durée : 3 ans
Contact : cespa-recrutement.fct@def.gouv.fr
Date limite de publication : 2024-07-19

Contexte :

Sujet :
Le Biostatisticien/Data scientist du CESPA est intégré à l’équipe de biostatisticiens du service « Système d’information, méthodologie, Biostatistique and Data science ».
C’est un expert de la gestion et de l’analyse de données parfois massives (Système national des données de santé, biologie…). Il réalise à partir de sources de données multiples et dispersées, des analyses permettant de répondre à une problématique de santé opérationnelle. Il est donc spécialisé en statistique, avec des connaissances solides en informatique et connait le secteur de la santé.

Il sera amené à :
– Réaliser l’analyse statistique, le datamining et le machine-learning des données et des études conduites au CESPA
– Créer et gérer des algorithmes, des data scientific workflow, des entrepôts de données, et tout outils facilitant le traitements et l’analyse des données
– Faire la veille scientifique dans son domaine et implémenter de nouvelles techniques d’analyse ou de gestion de l’information
– Apporter des conseils et soutiens méthodologiques pour la mise en œuvre des travaux de recherche pour lesquels le CESPA est directement sollicité, en particulier les thèses des internes des hôpitaux des armées
– Rédiger des rapports, publication et documents d’expertises
– Réaliser des enseignements dans son domaine de compétence.

Profil du candidat :

Formation et compétences requises :

Adresse d’emploi :
Le Centre d’Épidémiologie et de Santé Publique des Armées, est l’établissement de référence pour la connaissance et le suivi de l’état de santé des militaires. Les activités sont conduites en équipes multidisciplinaires, en lien avec les organismes du Ministère des armées, de la Santé, les centres de recherche et universités en France ou à l’international.
Il s’agit d’un établissement militaire d’environ 70 personnes, appartenant au service de santé des armées.
Il est situé à Marseille (13014)
https://fr.wikipedia.org/wiki/CESPA

Document attaché : 202406130754_20240609 Appel à candidature biostat CESPA.pdf

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

Laboratoire/Entreprise : ESTACA
Durée : 15 mois
Contact : sebastien.saudrais@estaca.fr
Date limite de publication : 2024-07-19

Contexte :
Dans le cadre du projet européen (Innovation Action) AMIGOS (https://amigos-project.eu/) qui vise à co-créer, tester, évaluer et développer des solutions de mobilité urbaine innovantes, inclusives, sûres, résilientes et durables pour les villes, l’ESTACA recrute un-e chargé-e de mission pour participer aux travaux du projet.

Sujet :
Les objectifs principaux sont de créer des modèles compréhensibles pour aider à la co-création de solutions pour des villes souhaitant effectuer des aménagements permettant d’améliorer la mobilité urbaine. Un jumeau numérique sera créé pour suivre les évolutions découlant de la mise en place des solutions. Une étude de réplicabilité sera également menée dans des villes jumelles pour valider les solutions.

Profil du candidat :
Vous possédez un niveau M2 minimum, doctorat souhaité, et maitrisez l’anglais.
Vous avez une expertise soit :
• En Data Science et vous êtes intéressé par l’évolution des mobilités urbaines en prenant en compte les besoins des citoyens.
• En design de mobilité urbaine et une expérience en Data Science
Le CDD est de 15 mois à partir de septembre 2024 et basé à Laval (53). Un second contrat est envisageable à la suite du premier, d’une durée de 12 mois dans une ville partenaire.

Formation et compétences requises :
M2 ou Doctorat

Adresse d’emploi :
Estaca
rue Georges Charpak
53000 Laval
France

Document attaché : 202406130907_Recrutement M2+ Amigos.pdf

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

Laboratoire/Entreprise : SUPMICROTECH-ENSMM/Institut FEMTO-ST/Sayens
Durée : 24 mois
Contact : zeina.almasry@femto-st.fr
Date limite de publication : 2024-07-31

Contexte :

Sujet :
L’ingénieur(e) maturation recruté(e) aura pour objectifs de réaliser les tâches prévues au sein du projet CBRA. Les travaux liés au projet CBRA sont soumis à déclaration de confidentialité. L’ingénieur(e) devra signer une telle déclaration et s’engager à ne pas communiquer sur ces travaux sans discussion préalable.
Brièvement, les travaux consisteront à fiabiliser le dispositif médical actuel pour l’aide à la détection précoce du cancer du sein, contribuer à son extension à d’autres tailles, sa caractérisation et la robustification du modèle de détection ainsi que l’adaptation du modèle aux nouvelles tailles. Ces travaux seront réalisés conformément à un calendrier prévisionnel défini dans le projet de maturation CBRA et étalé sur 24 mois (celui-ci sera présenté à L’ingénieur(e) par ses encadrants).
L’Ingénieur(e) devra également superviser le travail de L’Ingénieur(e) junior (19 mois) également affecté au projet.
L’ingénieur(e) maturation veillera à l’approvisionnement des consommables en tenant à jour les stocks et en anticipant les commandes (et délais de livraisons) nécessaires afin de ne pas affecter l’activité.
L’ingénieur(e) maturation devra consigner de manière journalière ses travaux et résultats dans un cahier de laboratoire signé par lui-même et contresigné régulièrement par un de ses responsables. Ce cahier sera soumis à confidentialité.
L’ingénieur(e) maturation présentera ses résultats et développement chaque semaine à au moins l’un de ses responsables à l’aide de supports de présentations.
L’ingénieur(e) maturation devra participer à la rédaction de rapports régulier rendant compte de l’avancement du projet.

Profil du candidat :
Doctorat en sciences de l’ingénieur, intelligence artificielle, mathématiques appliquées ou informatique

Formation et compétences requises :

Adresse d’emploi :
recrute@sayens.fr

Document attaché : 202406111139_Offre de poste_postdoc.pdf

Offre en lien avec l’Action/le Réseau : BigData4Astro/– — –

Laboratoire/Entreprise : Institut d’astrophysique de Paris
Durée : permanent
Contact : dubois@iap.fr
Date limite de publication : 2024-07-31

Contexte :
The Institut d’Astrophysique de Paris (IAP) is a Joint Research Unit of CNRS and Sorbonne University, with approximately 150 researchers, post-docs, PhD students, engineers, technicians, and administrative staff. Large-scale numerical analysis holds a significant place at IAP: processing massive astrophysical data (HPDA) and conducting and exploiting numerical simulations (HPC). IAP hosts dedicated computing farms for these applications, the most recent specialising in CPU-GPGPU co-computation and AI use. Among the 80 regular users of these machines, half are collaborators from other laboratories in France and internationally.
IAP is heavily involved in major ground-based and space astronomical observation programs (Euclid, JWST, SVOM, LISA, Ariel, GRAND) and at the forefront of numerical modeling in astrophysics with the most extensive simulations in the field (Horizon, Sibelius), conducted on national (Joliot Curie, Jean Zay) and international (Nurion, Cosma) supercomputers. IAP is a leading center for innovative statistical analysis of large data volumes (BORG, Learning-the-Universe projects). These commitments entail new development and deployment needs for codes, including optimization for GPGPU architectures and the use of AI tools.
As the key person for code and algorithm development and optimization on HPDA/HPC machines for new GPGPU architectures, the research engineer will join the “technical support for projects” team of 14. This activity will enhance the laboratory’s capability and expertise in HPC/HPDA themes. (edited)

Sujet :
### Role:
The research engineer will provide expertise in the use of GPGPUs for high-performance data analysis (HPDA/HPC) within research projects. They will contribute to solving theoretical astrophysics problems through numerical simulations and observational astrophysics through the processing and analysis of large data sets.

### Activities:
– Develop and optimize HPC/HPDA numerical codes, particularly those based on AI, for large data sets and numerical simulations.
– Develop and port codes to GPGPUs, including on distributed memory parallel computing machines, considering specific architectures.
– Monitor technological advancements in computational libraries and new statistical methods (AI in a broad sense).
– Deploy codes on national and international supercomputers (tier-1 and tier-0).
– Draft technical information for computing and storage time requests.
– Participate in data management (transferring input data to external machines, retrieving data, and organizing long-term storage).
– Define the hardware and software infrastructure for the unit’s HPC/HPDA machines, interact with service providers, and co-author procurement requests.

Profil du candidat :

Formation et compétences requises :
#### Knowledge:
– Algorithms
– Scientific computing
– Statistical methods
– Computational libraries
– Compiled languages (such as C, C++, Fortran)
– UNIX-family operating systems (such as Linux, BSD)
– English language: B2 to C1 (Common European Framework of Reference for Languages)
– Scripting languages for scientific computing (such as Python, Julia, Matlab)
– General scripting languages (such as shell, Perl)

#### Operational Skills:
– High-performance programming, particularly in GPGPU
– Use of source code management tools (such as GitLab, GitHub, Bitbucket)
– Technical document writing
– Reporting activities
– Technological and bibliographic monitoring

#### Personal Qualities:
– Ability to work independently
– Strong interpersonal skills
– Ability to work with multiple stakeholders

Adresse d’emploi :
98 bis boulevard Arago, 75014, Paris

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

Laboratoire/Entreprise : LIMOS
Durée : 24 mois
Contact : julien.ah-pine@sigma-clermont.fr
Date limite de publication : 2024-08-31

Contexte :

Sujet :
[Toutes nos excuses si vous recevez à plusieurs reprises cette annonce]

Chers collègues,

Le LIMOS (Laboratoire d’Informatique, de Modélisation et d’Optimisation des Systèmes) et le CERDI (Centre d’Études et de Recherches sur le Développement International) ont le plaisir d’annoncer une opportunité de post-doctorat dans le domaine de l’Intelligence Artificielle pour les Sciences des Catastrophes, dans le cadre du projet DLISCES.

Nous recherchons un.e chercheur.e ayant récemment obtenu son doctorat ou sur le point de le terminer en Informatique ou en Mathématiques Appliquées, dans le domaine de l’IA/Apprentissage Profond/Vision par Ordinateur. Le.a candidat.e retenu.e rejoindra notre équipe pluridisciplinaire pour relever les défis cruciaux de la réduction des risques liés aux catastrophes naturelles dans les pays du Sud.

—————————————
Compétences souhaitées
—————————————
– Solide expertise en deep learning et machine learning, en particulier dans les applications de vision par ordinateur.
– Expériences en traitement d’images satellites, avec un accent sur les données liées aux catastrophes, seraient un plus.
– Capacité démontrée à mener des recherches de haut niveau et à publier dans des conférences et des revues internationales à comité de lecture.
– Vif intérêt pour la collaboration interdisciplinaire et pour la recherche à impact à l’intersection de l’intelligence artificielle et des sciences des catastrophes.
– Maîtrise de l’anglais ou du français.

—————————————
Contexte scientifique
—————————————
Le projet DLISCES vise à exploiter des techniques avancées d’Intelligence Artificielle pour analyser des images satellites, des données socio-économiques et des informations environnementales afin de cartographier des indicateurs de vulnérabilité dans un contexte de risques associés aux aléas climatiques. En combinant méthodes avancées en IA et perspectives socio-économiques, nous visons à améliorer notre compréhension de la vulnérabilité et à contribuer à des décisions de politique publique éclairées.

—————————————
Détails de l’offre
—————————————
– Poste : Chercheur.e Post-doctoral (durée de 2 ans).
– Date de début : Septembre 2024 ou avant.
– Salaire : Entre €31,500 et €34,000 par an, selon l’expérience.
– Date limite de candidature : 31 mai 2024.
– Fiche de poste détaillée : https://limos.fr/news_job/59 et https://cerdi.uca.fr/version-francaise/unite/nous-rejoindre/projet-dlisces-recrutement-dun-e-postdoctorant-e#/admin

—————————————
Pour candidater
—————————————
Pour postuler, merci d’envoyer votre CV, lettre de motivation et les contacts de deux référents à :
– Julien Ah-Pine (julien.ah-pine@sigma-clermont.fr) et
– Pascale Phélinas (pascale.phelinas@ird.fr).

L’examen des candidatures débutera immédiatement et se poursuivra jusqu’à ce que le poste soit pourvu.

Bien cordialement,

Julien Ah-Pine
MCF en Science des Données
UCA/LIMOS

Profil du candidat :

Formation et compétences requises :

Adresse d’emploi :
LIMOS
Campus Universitaire des Cézeaux
1 rue de la Chebarde
TSA 60125
CS 60026
63178 AUBIERE CEDEX – FRANCE

Document attaché : 202404031544_Job Opening PostDoc LIMOS-CERDI.pdf

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

Laboratoire/Entreprise : LIMICS
Durée : indéterminé
Contact : chan.leduc@univ-paris13.fr
Date limite de publication : 2024-09-01

Contexte :
LIMICS – UMRS 1142 : Le Laboratoire d’Informatique Médicale et d’Ingénierie des Connaissances en e-Santé (www.limics.fr) est une unité́ de recherche interdisciplinaire, qui développe des activités de recherche en informatique de santé et relevant des sections CNU 27 (Informatique) et CNU 46.04 (biostatistiques, informatique médicale et technologies de communication). Il regroupe une communauté de chercheurs (38 permanents et 15 doctorants) qui conduisent des recherches en informatique médicale et dans le domaine de l’ingénierie des connaissances pour des applications liées à la santé.

Sujet :
Les thématiques de recherche du LIMICS en traitement automatique des langues, intelligence artificielle symbolique, sciences et analyse des données et apprentissage sur des flux de données hétérogènes (textes, données omiques) sont aujourd’hui fortement sollicitées pour le développement d’applications en santé. Le nombre de projets innovants et le développement potentiel de collaborations avec d’autres laboratoires de recherche de l’USPN (LIPN, LEPS, EREN) sont croissants. Le recrutement d’un professeur en Informatique au LIMICS permettra de contribuer aux avancées de ces recherches pour les années à venir et contribuera également au renforcement des axes développés au sein du LIMICS, en particulier sur les thématiques de l’Ingénierie des connaissances, traitement automatique des langues, raisonnement sur les préférences, raisonnement en logiques de description, raisonnement à partir de cas, raisonnement sur les bases de connaissances massives en santé, aide à la décision et visualisation du web sémantique avec les graphes de connaissances.

Profil du candidat :
Enseignement
============
Le professeur recruté sera rattaché à l’UFR SMBH. Il ou elle effectuera son service d’enseignement à différents niveaux des Licence
(L1,L2 et L3) en Sciences de la Vie et en licence Sciences pour la Santé ainsi que dans le Master de Santé Publique, Parcours “Informatique Biomédicale”. Il ou elle participera notamment aux enseignements d’informatique permetant aux étudiants de Licence de se former à
l’algorithmique, aux langages de programmation (R, python), à la création de page web (HTML, CSS) et aux bases de données.
L’offre de formation pluridisciplinaire du Master d’informatique biomédicale veut répondre aux besoins nationaux et internationaux
de formation à l’informatique dans le domaine santé, la e-santé, le big data en santé (https://smbh.univ-paris13.fr/images/
Formations/masters-sante-publique/master-SMBH-informatique-biomedicale.pdf).
Le professeur recruté aura aussi comme mission d’animer l’équipe d’enseignants-chercheurs de l’UFR SMBH dans le domaine de
l’informatique au sens large.

Recherche
=========
La personne recrutée sera affectée sur le site de Bobigny et collaborera avec les autres sites de l’unité.
Elle devra s’inscrire dans les axes de recherche de l’unité dans son projet fondateur, et contribuer à animer la vie scientifique de l’équipe, à
encadrer des stagiaires de recherche et des doctorants, à organiser des colloques et monter des projets de recherche.
Les thèmes qui seront considérés en priorité sont les suivants :

+ Ingénierie des connaissances
+ Traitement automatique des langues
+ Raisonnement sur les préférences, raisonnement en logiques de description, raisonnement à partir de cas, raisonnement sur les bases de connaissances massives en santé
+ Aide à la décision
+ Visualisation

avec des approches pouvant relever de l’apprentissage statistique, du web sémantique ou de l’intelligence artificielle symbolique.

Formation et compétences requises :
Titulaire d’une Habilitation à Diriger des Recherches (HDR) en Informatique (ou un diplôme équivalent)

Adresse d’emploi :
9 Rue de Chablis, 93000 Bobigny

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

Laboratoire/Entreprise : Laboratoire Informatique, Image et Interaction (L3
Durée : 36 mois
Contact : alain.bouju@univ-lr.fr
Date limite de publication : 2024-09-15

Contexte :
La réduction du rejet de carbone dans l’atmosphère est une préoccupation mondiale. En effet, l’émissions de gaz à
effet de serre dans l’atmosphère est à l’origine du réchauffement climatique ce qui présente une menace pour notre
terre. L’impact carbone du transport est l’un des plus important, par exemple en France, le transport est l’activité qui
contribue le plus aux émissions de gaz à effet de serre (durable, 2021).
Dans ce contexte, différentes mesures peuvent être appliqué dont dans le domaine des transports. Notamment la
conduite autonome et les services de transport à la demande de véhicules électriques. En effet, la conduite autonome
apporte de nombreux avantages aux individus et à la société, notamment une sécurité routière accrue, une réduction
des embouteillages et une empreinte écologique améliorée.
C’est dans ce cadre que le projet YéloDETA intervient. L’objectif du projet YéloDETA est de fournir un service de
transport à la demande automatisé dans les zones à faible densité (périurbaines et rurales) dans 8 communes de
l’agglomération rochelaise. Cependant, pour parvenir à une diffusion réussie de ces véhicules autonomes et exploiter
ainsi leur potentiel environnemental, il faut favoriser une large acceptation de ce concept de mobilité. L’acceptabilité
et l’acceptation sont donc un point bloquant important (Bel., 2019). Ici, l’acceptabilité concerne les intentions des
utilisateurs à utiliser ou non la technologie, et l’acceptation de son usage effectif.

Sujet :
Les avancées dans les domaines des véhicules autonomes, de la psychologie sociale et de l’évaluation des Interaction
Humain-Machine (IHM) montrent que l’acceptabilité et l’acceptation conditionnent le bon déploiement de navettes
sans conducteur dans la société. Cependant de nombreux obstacles entravent encore l’acceptation généralisée des
véhicules autonomes et nous n’avons pas suffisamment de connaissances sur les perceptions des utilisateurs finaux
sur cette technologie innovante. Gagner l’acceptation des utilisateurs finaux devient donc essentiel au déploiement
généralisé des véhicules autonomes. En effet, dans la littérature il existe différents travaux qui proposent des modèles
d’acceptabilité étudiant le rapport de l’individu à l’objet technologique dont on souhaite prédire l’usage. Ces modèles
étudient le rapport de l’individu à l’objet technologique dont on souhaite prédire l’usage. Cependant, cela ne concerne Allocations doctorales 2024
2
que la manière dont les caractéristiques d’un système technologique influencent l’acceptation de l’utilisateur.
D’autres dimensions sont parfois ajoutées pour améliorer le pouvoir prédictif des modèles tel que la dimension de
confiance.
Ainsi le développement des IHM utilisateur-navette autonome doit être fait sur la base des évaluations de
l’acceptation et l’acceptabilité ainsi que l’expérience utilisateur. Pour autant il n’existe pas de modèle d’évaluation
complet pour l’évaluation de l’acceptabilité, de l’acceptation, l’expérience utilisateurs et de la confiance des usagers
des véhicules autonomes et qui fournit à la fois les éléments clés à intégrer dans une IHM d’une navette autonome ou
bien sa méthode de conception afin de garantir une bonne expérience utilisateur.

Profil du candidat :
Master 2 en Informatique avec une ouverture sur les utilisateurs

Formation et compétences requises :
Master 2 en Informatique avec si possible des bases en développement d’IHM

Adresse d’emploi :
Laboratoire L3i Institut LUDI Bâtiment Pascal Avenue Michel Crépeau
17042 La Rochelle Cedex 1 – France

Document attaché : 202407010859_sujet-these-YeloDeta.pdf

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

Laboratoire/Entreprise : LIMOS UMR 6158 / Université Clermont Auvergne / CN
Durée : 18 mois
Contact : mephu@isima.fr
Date limite de publication : 2024-09-30

Contexte :
La surveillance et la gestion de la ressource en eau est un enjeu sociétal majeur dans le contexte du réchauffement climatique. Une conséquence de ce dernier est l’aggravation de la réduction des débits moyens et d’étiage en période sèche, induisant à son tour des impacts sur la qualité des eaux, et l’augmentation des conflits d’usage. Les arrêtés de restriction d’eau en périodes de sécheresse sont basés sur la connaissance des seuils de débits permettant d’assurer l’exercice des usages prioritaires tout en respectant l’égalité entre usagers des différents départements et la nécessaire solidarité amont – aval des bassins versants.

Une des clefs pour une décision éclairée est la disponibilité de données fiables sur le niveau des ressources et la dynamique d’approvisionnement ainsi que sur les postes de consommation. Il serait essentiel pour cela de disposer d’un réseau de capteurs permettant une surveillance continue des ressources et de leur évolution en fonction de la météorologie et des usages. Depuis 5 ans, les acteurs académiques du site clermontois ont développé une chaîne opérationnelle grâce à laquelle des nœuds communicants transmettent à l’aide d’un protocole de communication ouvert et sécurisé (LoRa) des données de capteurs de tous types jusqu’à un cloud hébergé au Mésocentre Clermont-Auvergne. Déployée aujourd’hui pour l’étude de plusieurs agroécosystèmes, son utilisation par des gestionnaires pour la surveillance continue de la ressource en eau à l’échelle d’un bassin versant requiert une évolution dans le traitement des données collectées.

Sujet :
Le premier objectif du post-doctorat est d’analyser les données collectées sur un réseau de sondes dans une étude conduite de 2019 à 2022 par l’Etablissement Public Loire-Bretagne dans le but d’évaluer la possibilité de mettre en place des outils de diagnostic et de déclenchement d’alarme pour les gestionnaires de la ressource. La pertinence de plusieurs approches d’Intelligence Artificielle sera notamment explorée sur une plate-forme développée au LIMOS (Laboratoire Informatique et Modélisation des Systèmes). Les résultats obtenus alimenteront la définition du cahier des charges du réseau de capteurs en termes de nombre et de localisation des sondes pour une surveillance continue de la rivière Allier.

Dans un deuxième temps, la plate-forme sera utilisée pour l’étude d’autres flux de données issus des agroécosystèmes instrumentés dans le cadre des collaborations pluridisciplinaires de l’Initiative ConnecSens (https://www.connecsens.org).

Le travail consistera :
– Faire un état de l’art sur les techniques d’analyse de flux de données multivariés ;
– S’approprier l’outil SEDAF de détection d’anomalies dans les flux de données, développé au sein du LIMOS ;
– Proposer des solutions d’amélioration de SEDAF sur les flux de données relatives au projet
– Développer la (les) solution(s) retenue(s) dans la cadre du projet
– Elaborer un guide d’utilisation et de maintenance de la solution implémentée
– Rédiger des rapports techniques sur les travaux réalisés, ainsi que des comptes rendus de réunions
– Organiser et participer à des réunions de travail
– Participer à l’encadrement de stagiaires dans le cadre du projet

Profil du candidat :
Les candidatures sont invitées de docteur(e)s en informatique ou en mathématiques appliquées ou dans d’autres disciplines avec une forte expérience dans l’analyse des données et une appétence pour l’informatique.

Formation et compétences requises :

Adresse d’emploi :
1 rue de la chebarde, 63178 Aubière cedex

Document attaché : 202405302158_Profil de poste contrat post-doctoral science des données_vd.pdf

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

Laboratoire/Entreprise : Institut Agro Montpellier -département SABP
Durée : 6 mois
Contact : benedicte.fontez@supagro.fr
Date limite de publication : 2024-09-30

Contexte :

Sujet :
Création de ressources pédagogiques en anglais sur les réseaux de neurones pour le parcours Data Manager de l’Institut Agro Montpellier, dans le cadre du projet européen Agritech EU. Ce parcours de 3 mois a pour objectif de former à la collecte, au traitement et à l’analyse de données agro-environnementales.

Définition des tâches à accomplir :
1. Sélection de données – projets en agronomie ou agro-alimentaire impliquant l’utilisation d’IA – réseaux de neurones
2. Définition et proposition de contenus en IA-réseaux de neurones pour l’agronomie et l’agro-alimentaire au sein d’un module de 15 jours
3. Créations d’activités d’enseignement en lien avec les équipes pédagogiques
4. Créations de ressources disponibles en ligne, principalement en anglais
5. Propositions pour l’évaluation et la mise en place d’une approche réflexive de l’activité

Profil du candidat :
niveau ingénieur, Master 2 avec une première expérience ou un stage de niveau M2 dans le domaine de l’intelligence artificielle – réseaux de neurones.

Formation et compétences requises :
– La connaissance des logiciels R et Python (dans une moindre mesure, Julia) est fortement recherchée.
– Une expérience ou des connaissances en biologie, agronomie ou science du vivant sera(ont) appréciée(s).
– La maîtrise de l’anglais technique
Les qualités suivantes seront recherchées :
– Sens de l’organisation, autonomie, rigueur
– Capacité à travailler en équipe, qualités relationnelles, sens de l’écoute et du dialogue
– Disponibilité, réactivité, pédagogie

Adresse d’emploi :
UMR MISTEA Institut Agro Montpellier – 2 place Pierre Viala – Montpellier

Document attaché : 202406140913_Profil de poste _ Ingénieur pédagogique Intelligence Artificielle – Réseaux de neurones.pdf

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

Laboratoire/Entreprise : ETIS/CYU
Durée : 1 an
Contact : dan.vodislav@u-cergy.fr
Date limite de publication : 2024-09-30

Contexte :
CY Cergy Paris Université (CYU) 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, et en 2020 le Bachelor « Data
Science » en collaboration avec l’Université de Maurice (UoM).

Sujet :
Nous recrutons un MCF contractuel (service d’enseignement de 192 heures), ainsi qu’un enseignant contractuel (service d’enseignement de 384 heures), titulaires d’un doctorat en informatique. Il s’agit pour chacun des postes d’un CDD initial d’un an, à partir de septembre 2024, avec la volonté de proposer par la suite une extension avec un contrat de 3 ans.
Le service d’enseignement sera partagé entre les deux Bachelors et d’autres enseignements au sein du département
de sciences informatiques de CYU. L’enseignement dans les deux
Bachelors se fait en Chine (en français), respectivement à Maurice (en anglais), lors de séjours de quelques semaines sur place.
L’enseignant-chercheur recruté sera intégré au laboratoire ETIS, possiblement dans l’équipe MIDI, sur des
thématiques de recherche autour de l’intégration et l’analyse de grandes masses de données de divers types.

Profil du candidat :
Voir fiches de poste sur le site de CY Tech Sciences et Techniques, rubrique Recrutements:
https://cytech.cyu.fr/lecole-cy-tech/institut-sciences-et-techniques

Formation et compétences requises :
Titulaire d’un doctorat en informatique – pour les deux postes.
Expérience dans l’enseignement supérieur en informatique.
Capacité à enseigner en français et en anglais.

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

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

Laboratoire/Entreprise : Universite Sorbonne Paris Nord. LIPN – UMR CNRS 70
Durée : 12 mois
Contact : azzag@univ-paris13.fr
Date limite de publication : 2024-09-30

Contexte :
This post-doctoral proposal is part of the IRISER LabCom, a Joint Laboratory in ”Intelligence,
Recognition, Surveillance, Reactive” (https://www-l2ti.univ-paris13.fr/iriser/) funded by
the ANR. The IRISER LabCom aims to propose and fully control the behavior and performance
of intelligent or embedded systems designed for artificial vision for the rapid and automated analysis
of images/videos (of very large sizes, multispectral georeferenced high resolutions) captured
aboard COSE aircraft, relying on strategies for processing visual information and machine learning.
We are looking to recruit a post-doctoral in research and development in computer vision and
machine learning for 12 months.

Sujet :
Object Detection based on LLM

Profil du candidat :

Formation et compétences requises :

Adresse d’emploi :
Université Sorbonne Paris Nord. LIPN – UMR CNRS 7030 – Equipe A3

Document attaché : 202406070718_PostDoc.pdf

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

Laboratoire/Entreprise : LIFO
Durée : 1 à 3 ans
Contact : mirian@univ-orleans.fr
Date limite de publication : 2024-09-30

Contexte :
Ce poste offre une opportunité à un docteur d’enrichir son expérience de recherche et d’enseignement. Nous cherchons des candidats pouvant s’intégrer à l’une de nos équipes de recherche, en participants aux projets mentionnés dans la fiche de poste. L’objectif est de permettre à la personne recrutée de s’investir en recherche et d’augmenter sa production scientifique en collaboration avec l’une de nos équipes.

Sujet :
L’université d’Orléans propose actuellement un poste d’enseignant-chercheur contractuel en informatique, avec prise de poste au 01/10/2024.

Le poste est pour 11 mois, éventuellement renouvelable deux fois un an.
La rémunération est proche de la grille des maître de conférences, avec une éventuelle prise en compte de l’expérience après la thèse.
Le service d’enseignement sur une année pleine est de 192h équivalent TD (max. 50h complémentaires). Des charges administratives peuvent éventuellement être confiées à la personne recrutée (ouvrant à des éventuelles primes).

Profil du candidat :
Le service d’enseignement s’effectuera en priorité au département d’informatique de l’UFR Sciences et Techniques.

L’intégration en recherche s’effectuera dans l’une des équipes du laboratoire LIFO (https://www.univ-orleans.fr/lifo/) dans l’une de ces équipes :
– CA : Contraintes et Apprentissage (IA),
– GAMoC : Graphes, Algorithmes, et Modèles de Calcul,
– LMV : Langages, Modélisation et Vérification,
– Pamda : Parallélisme et gestion de données (Big Data).

Le candidat doit être titulaire du doctorat.

Formation et compétences requises :
La fiche de poste et les modalités de candidature sont disponibles ici :
https://www.univ-orleans.fr/fr/univ/universite/travailler-luniversite/personnels-enseignants-et-chercheurs/enseignants-0

Adresse d’emploi :
Research: LIFO – Batiment IIIA – Rue Léonard de Vinci – BP6759
45067 Orléans Cedex 2 — Phone: ++ 33 (0) 2 38 49 25 83