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

Laboratoire/Entreprise : IRIT/Toulouse et SCIENOMICS/Paris
Durée : 12 mois
Contact : cassia.trojahn@irit.fr
Date limite de publication : 2022-09-19

Contexte :
In product development materials are selected and designed based on several criteria including performance, cost of production, availability, recyclability, and others. It is commonly accepted that the chemical space covers at least 1063 molecules making therefore the discovery of new materials with optimal design an impossible task to be performed following exhaustive screening and testing. Learning from known chemicals, translating the design requirements of the products and the constraints of the related processes into requirements for the materials to be discovered and testing then using virtual experiments is a viable route to follow.

SCIENOMICS is developing SIMAGORA, an online marketplace offering virtual experiments for the eco-conception and development of products, and the materials needed. It implements no-code concepts and allows interoperability between simulation engines from diverse domains. The aim is to democratize simulation technology and will provide to the international scientific community the capability to offer cutting-edge virtual experimentation technology to all companies worldwide.

Sujet :
In SIMAGORA semantics will play an important role since it will allow to gather experience and expertise available and implemented in technology that will be used to assist SIMAGORA users to take decisions. Ontologies are one of the critical technologies since they provide a formal ground for a self-guided online AI agent employing decision algorithms and provides automated virtual experimentation strategies for materials discovery and product development.

This post-doc will have the main task of performing research and development activities for enabling semantics-aware data access, integration of heterogeneous sources and interpretation in terms of product design objectives in SIMAGORA. It involves the generation of simulation scenarios (structured graphs in the simulation space) based on ontologies rather than building them ad hoc. Therefore, the project consists of three main activities:
(a) research and development in ontologies that will allow to capture product design and materials knowledge;
(b) conceive methodologies to develop and evaluate knowledge graphs and
(c) contribute to the conception of an AI agent, “robo-advisor”, capable to assist in materials discovery and product development through virtual experimentation execution.

Profil du candidat :
Applicants are required to have a PhD in Computer Science, a strong background in semantic web technologies, ontology engineering, ontology construction and reasoning. Fluency in written / spoken English is required too. A good publication record and strong programming skills will be a plus.
Capability to integrate a diverse group of people and supervise research and development work of PhD candidates.

Formation et compétences requises :
(See profile)

Adresse d’emploi :
Localization : Scienomics, 16 rue de l’Arcade, 75008 Paris, FRANCE with short visits at IRIT, Institut de Recherche en informatique de Toulouse (IRIT) – UPS, 118 Route de Narbonne F-31062 Toulouse Cedex, FRANCE.
Duration : 12 months, starting ASAP – 3 months of trying.

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

Laboratoire/Entreprise : Unité de Biostatistique et Processus Spatiaux, INR
Durée : 18 mois
Contact : stephane.girard@inria.fr
Date limite de publication : 2022-11-30

Contexte :
Ce travail de postdoc sera réalisé au sein du projet ANOVEX, financé par Inria et INRAE pour renforcer leurs collaborations autour des risques environnementaux. Les outils statistiques d’analyse multivariée (p. ex. analyse de variance multivariée, analyse de sensibilité, analyse en composantes principales, arbres de décision) sont indispensables pour extraire des structures interprétables à partir de jeux de données complexes, souvent dans une visée de réduction de dimension et de
représentation parcimonieuse du système étudié, et pour construire et valider des modèles statistiques robustes pour la prédiction. Ces outils aident à mieux expliquer et prédire les systèmes à multiples composantes, comme le système climatique ou les risques multiples. Or, les approches classiques exploitent principalement les moyennes et les covariances des variables mesurées, mais sont peu adaptées à des analyses multifactorielles des valeurs extrêmes, souvent associées aux impacts les plus sévères. Ce projet propose des avancées méthodologiques et des implémentations numériques pour adapter ces approches au cadre des événements extrêmes. Dans les applications visées, ces nouveaux outils permettront de mieux caractériser les différences dans les événements extrêmes entre les simulations des différents modèles
climatiques, entre observations et simulations, et de mieux comprendre la sensibilité du risque des feux de forêt aux variables météorologiques à différentes échelles spatio-temporelles. Pour mesurer le risque incendie,
les variables météorologiques sont souvent utilisées en entrée de modèles numériques complexes représentant des processus physiques ou des corrélations statistiques, ou en entrée d’autres algorithmes à construction plus heuristique. Les indicateurs météorologiques du danger de feux de forêt, comme le « Fire Weather Index » (FWI), constituent un très bon exemple. La sensibilité de ces familles d’indicateurs aux événements extrêmes dans le système température-précipitation-humidité-vent, dont les variations d’effectuent dans différentes échelles spatio-temporelles, est encore mal comprise.

Sujet :
Un objectif clé sera de développer des nouvelles représentations mathématiques pour les mesures de risque extrême dans les systèmes multivariables et multi-échelle, afin de pouvoir utiliser les opérations
matricielles classiques, applicables en grande dimension. Une réflexion générale sera à mener sur les approches de réduction de dimension les plus pertinentes pour les événements extrêmes dans des systèmes complexes impliquant de nombreuses variables dépendantes. Dans le volet appliqué, nous ambitionnons une meilleure connaissance des structures des événements extrêmes dans le système climatique en France et en Europe, de leur hétérogénéité spatiale, de leur évolution temporelle sous changement climatique, et de leur impact sur les risques encourus dans les territoires.

Profil du candidat :
Des bonnes connaissances théoriques dans au moins un des trois domaines suivants sont requises : statistique des valeurs extrêmes ; analyse multivariée ; mesures de risque. La programmation en R est également demandée. Des connaissances en sciences du climat seront un atout.

Formation et compétences requises :
Doctorat. Merci d’envoyer un CV (avec la liste des productions scientifiques) et une lettre de motivation, et d’indiquer les coordonnées d’un ou deux encadrant(e)s disposé(e)s à fournir une lettre de recommandation.

Adresse d’emploi :
Unité de Biostatistique et Processus Spatiaux, INRAE Avignon,
Domaine Saint-Paul – Site Agroparc, 228 Rte de l’Aérodrome CS 40509, 84914 Avignon Cedex 9

Document attaché : 202209161207_offre-postdoc-ANOVEX.pdf

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

Laboratoire/Entreprise : Unité de Recherche LIST3N (Laboratoire Informatiqu
Durée : 12 mois
Contact : babiga.birregah@utt.fr
Date limite de publication : 2022-11-30

Contexte :
Le DataLab-UTT du Laboratoire Informatique et Société Numérique (LIST3N) de l’Université de Technologie de Troyes travaille sur la conception d’Analytics pour la valorisation des données de gestion de projet de certains de ses partenaires industriels. L’objectif est d’améliorer les performances du pilotage de projet par l’analyse temps réel des Logs d’activités.
Nous cherchons à recruter un(e) ingénieur(e) ou un Post-doc en Data Mining pour traiter les logs de cycle d’activités de projets industriels.

Sujet :
La mission consiste à construire un Data pipeline adapté aux problématiques d’exploration des logs de suivi de projets et à proposer des indicateurs de performance pour la détection précoce des divergences.
Du point de vue mathématique, il s’agit de modéliser les données et de construire des algorithmes de détection d’anomalies et de tracking de parterns d’intérêt.
La/le candidat(e) travaillera en étroite collaboration avec nos partenaires industriels sur le projet ainsi qu’avec les chercheurs du DataLab.

Profil du candidat :
La ou le candidat(e) retenu(e) travaillera sur l’analyse des logs de cycles de vie de projets. Elle/il devra avoir:
• une bonne capacité à interagir avec les équipes métiers et les acteurs du projet
• des connaissances en modélisation de données et leur gestion (Spark, AWS, etc.)
• de solides compétences et une bonne expérience en Data Mining avec Python (statistiques, Machine Learning, etc.)
• et de bonnes dispositions à évoluer en mode projet (outils Slack ou Bitbocket ou Trello ou GitHub, etc.)

Formation et compétences requises :
Doctorat en Mathématiques Appliquées ou en Informatique ou en Data science avec ou sans expérience professionnelle.

Adresse d’emploi :
Université de Technologie de Troyes*
12, rue Marie Curie
CS 42060 – 10004 Troyes Cedex

*Des missions en région parisienne auprès de nos partenaires sont à prévoir. Ces missions seront prises en charge par l’université.

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

Laboratoire/Entreprise : Huawei Technologies, Paris Research Center
Durée : 2 years
Contact : jeremie.leguay@huawei.com
Date limite de publication : 2022-10-08

Contexte :
When applied to communication networks, traditional control and decision-making approaches for traffic engineering require a comprehensive knowledge of the system and of user behaviors, which is challenging in practice. Data-driven AI approaches do not have this drawback, but they offer no safety bounds and are difficult to interpret. In this context, we are conducting research to combine the best of both worlds. In particular, we are developing solutions based on Reinforcement Learning (RL) where the intelligence is shared between a global AI (at the central level) and local AIs (at the edge level) with the integration of safety bounds and the capability to interpret decisions.

Sujet :
In the context of ANR SAFE project, the postdoc researcher will focus on the design and implementation of (i) a testbed to validate AI-based control planes for traffic engineering and routing, and (ii) a semi-distributed reinforcement architecture which leverages efficient collaboration between global and local AIs with safety features. The postdoc will collaborate with partners of the project.

The work will mainly include:
• Design of a semi-distributed architecture based on RL
• Design and implementation of novel safety RL algorithms
• Implementation and evaluation using simulators or emulators (e.g., NS3, Mininet, GNS3)
• Test case generation and performance tests (scripts)
• Participation to scientific publications

Profil du candidat :
Ph.D. Degree in Networking, Computer Science, Electrical Engineering

Formation et compétences requises :
The following skills and experiences are highly desirable:
• Ph.D. Degree in Networking, Computer Science, Electrical Engineering
• Extensive experience with network simulators / emulators and RL applied to networking
• Experience with development tools: Visual Studio, SVN, GIT
• Background in Networking and RL
• English: Operational

Adresse d’emploi :
18 quai du point du jour, 92100 Boulogne Billancourt

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

Laboratoire/Entreprise : ISEA (Institut des Sciences Exactes et Appliquées)
Durée : –
Contact : nazha.selmaoui@unc.nc
Date limite de publication : 2022-09-08

Contexte :
L’Université de la Nouvelle-Calédonie publie 4 postes de maitre.esse.s de conférences en informatique (section 27) pour la rentrée de février 2023:
– Vous êtes en poste et vous souhaitez venir 2 ou 4 ans en Nouvelle-Calédonie : 2 postes de MCF sont publiés en délégation ;
– Vous êtes en poste, vous souhaitez une mutation en Nouvelle-Calédonie
ou
Vous êtes docteur, qualifié, vous souhaitez un recrutement en Nouvelle-Calédonie : 2 postes de MCF sont publiés au recrutement/mutation
Échéances de candidature : selon les postes : 30 septembre, 15 octobre, 17 octobre 2022

Tous les profils et détails sur https://unc.nc/utile/recrutement/recrutement-emplois-stages/ (et sur Galaxie)

Sujet :
NR

Profil du candidat :
voir le lien

Recrutement : emplois et stages

(et sur Galaxie)

Formation et compétences requises :

Recrutement : emplois et stages

(et sur Galaxie)

Adresse d’emploi :
Nouméa Université de la Nouvelle Calédonie

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

Laboratoire/Entreprise : Université Paris-Saclay
Durée : 1 an
Contact : francesca.fiorenzi@universite-paris-saclay.fr
Date limite de publication : 2022-11-15

Contexte :
L’IUT d’Orsay recrute un CDD à temps plein (384h ETD) et un CDD à mi-temps (192h ETD) en informatique (le démarrage des contrats peut-être immédiat).

Sujet :
L’enseignement devra s’effectuer au sein du département informatique de l’IUT dans le BUT informatique (1ère et 2ème année).

Profil du candidat :
Expérience d’enseignement

Formation et compétences requises :
Les compétences recherchées sont de préférence dans un ou plusieurs des domaines suivants : bases de données, Java, IHM, programmation Web, qualité du développement et tests.

Pour plus de renseignements concernant les enseignements et pour candidater, les intéressés peuvent s’adresser à :
Banafsheh Farang-Hariri
et
Francesca Fiorenzi

Adresse d’emploi :
IUT D’Orsay – 13 avenue des Sciences – 91190 Gif-sur-Yvette