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

Laboratoire/Entreprise : Connaissance et Intelligence Artificielle Distribu
Durée : 3 ans
Contact : cnicolle@u-bourgogne.fr
Date limite de publication : 2020-07-31

Contexte :
Les réseaux biologiques sont des outils très efficaces pour modéliser, analyser et découvrir de nouvelles interactions biologiques dans des systèmes biologiques complexes. Ces dernières années, des modèles de réseau et des algorithmes ont été utilisés pour le développement de la médecine de précision pour de nombreuses maladies. La machinerie mathématique au cœur de ce domaine de recherche est basée sur la théorie des graphes, un domaine disciplinaire largement étudié. Ce domaine est aussi associé à l’apprentissage automatique sur des données structurées sous forme de graphes.
Un grand défi est de créer de meilleurs outils de modélisation pour intégrer l’expertise humaine et les techniques d’intelligence artificielle afin d’exploiter les méga données issues des soins de santé et, de formuler des hypothèses sur la façon dont les organismes humains agissent en matière de santé et de maladie. Pour relever ce défi, de nombreux travaux émergents proposent la conception d’IA explicables permettant la conception rapide de médicaments profilés. Ces IA explicables combinent des approches d’IA connexionnistes telles que l’apprentissage en profondeur, les réseaux de neurones, etc. et des IA causales basées sur la modélisation de graphes de connaissances dérivées des connaissances des experts métiers. Cette recherche abordera des questions telles que :
– Comment agréger des sources de données issues de bases de données médicales hétérogènes tout en conservant la cohérence des connaissances associées?
– Quelles sont les meilleures fonctions pour analyser des données brutes afin d’extraire des connaissances ?
– Comment développer la prédiction in silico de nouvelles cibles thérapeutiques qui seront ensuite testées in vitro et / ou in vivo?

Sujet :
Cette recherche est financée par le gouvernement français et la société OncoDesign (https://www.oncodesign.com/en/).
Cette société et le laboratoire CIAD ont initié une collaboration scientifique dans le domaine de la médecine spécialisée.
Cette collaboration concerne l’identification de nouvelles cibles thérapeutiques et l’accélération des phases de développement de la recherche et de la création de nouvelles molécules.

Profil du candidat :
Le candidat doit avoir une formation en informatique avec idéalement des compétences en apprentissage automatique et / ou en ingénierie des connaissances.
Des connaissances dans le domaine de la biologie seront appréciées.
Les candidats doivent fournir une preuve de bonne pratique écrite et orale de la langue anglaise. La maîtrise de la langue française sera appréciée.

Formation et compétences requises :
La contrainte principal pour candidater est d’être titulaire d’un diplôme de Master ou équivalent avec une solide formation universitaire dans un ou plusieurs des domaines suivants: informatique, mathématiques ou formation équivalente avec une moyenne vous situant dans le premier tiers de la promotion.

Critères de sélection préférés
– Expérience en intelligence artificielle et / ou exploration de données / DataScience.
– Un candidat ayant une certaine expérience industrielle dans les domaines susmentionnés aura la préférence.
– Une activité de publication dans les disciplines susmentionnées seront considérées comme un avantage.

Le doctorant sera rémunérés par l’entreprise sous la forme d’un CDI associé à une bourse CIFRE.
Le montant du salaire peut être négocié avec l’entreprise.
Le mandat est d’une durée de 3 ans et peut être prolongé au-delà de la soutenance de thèse.
La nomination à ce poste nécessite que vous soyez admis par l’école doctorale EDSPIM et que vous suiviez le plan individuel de formation de 100 heures proposé par cette école sur la durée de la thèse.

Adresse d’emploi :
Le poste sera localisé à Dijon, ville française gastronomique et touristique à 1h30 de Paris en train.
Le laboratoire CIAD et l’entreprise sont à 500 mètres de distance.