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

Laboratoire/Entreprise : LISIC UR 4491 / ULCO
Durée : 1 an
Contact : gilles.roussel@univ-littoral.fr
Date limite de publication : 2022-10-28

Contexte :
Le LISIC est partie prenante dans l’élaboration d’un sujet scientifique partenarial dans le cadre d’un projet local. Il s’insère dans le projet de laboratoire sur les jumeaux numériques et s’inscrit dans les objectifs proposés en réponse à l’AAP “Projet de recherche et innovation” du Dialogue stratégique et de gestion du rectorat. Une spécification d’un outil numérique intégré a été défini au sein du du LISIC et repose sur l’idée d’un jumeau numérique appelé “Plateforme Numérique pour l’Urbain” couvrant différentes dimensions de surveillance de la qualité de l’air, de la simulation, du diagnostic de sources, de services aux usagers ou aux collectivités urbaines. Afin de participer au démarrage du projet, un chercheur Post Doc est sollicité afin de s’approprier les travaux existants et de les intégrer dans la plateforme spécifiée.

Sujet :
Les activités principales porteront sur les développements scientifiques et algorithmiques pour la mise en place d’une plateforme de simulation, l’observation et l’assimilation pour la cartographie de la qualité de l’air par des méthodes d’IA. Le ou la candidate sélectionnée développera deux modules et leurs mise en relation pour la réalisation d’un jumeau numérique réaliste de la qualité de l’air. Un des modules sera chargé de générer des mesures synthétiques de la qualité de l’air via un ou plusieurs modèles de simulation, actuellement développés ou utilisés au LISIC. Ces mesures pourront faire preuve d’indéterminations propres à toute chaîne d’acquisition (modèle de réponse de capteurs, dérive, valeurs aberrantes, etc). Pour le deuxième module, le ou la candidate sélectionnée étend des travaux d’assimilation/complétion de données développées au LISIC, en faisant appel à un formalisme de factorisation matricielle / tensorielle informée.

Profil du candidat :
Connaissances, savoir :
Solides bases en machine learning, data sciences.
Des connaissances en simulation, optimisation continue et/ou décompositions matricielles / tensorielles sont attendues.
Des connaissances en lien avec l’observation de la qualité de l’air seraient un plus.

Savoir faire : Le ou la candidate a une expérience validée par des publications scientifiques et/ou des déclarations d’invention :
– en simulation,
– en optimisation continue : descente de gradient (stochastique),
– distribution de calcul,
– apprentissage comprimé, etc
– en assimilation de données,
– et/ou en décomposition matricielle ou tensorielle.

Formation et compétences requises :
Thèse de doctorat en informatique ou en traitement du signal et des images ou en mathématiques appliquées ou en sciences de données. Des expériences applicatives dans le domaine des sciences de l’environnement seront un plus.

Adresse d’emploi :
LISIC, Univ. Littoral Côte d’Opale, Campus de Calais

Document attaché : 202209061352_Offre Post Doc LISIC 2023.pdf

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

Laboratoire/Entreprise : LIRIS, équipe Imagine (Lyon)
Durée : 2 ans
Contact : stefan.duffner@insa-lyon.fr
Date limite de publication : 2022-03-31

Contexte :
In recent years, the issue of resource efficiency has also become increasingly important in construction engineering, as soil and rock account for more than 50% of mineral construction waste.
Tunnel projects play a special role in this regard, as large quantities are generated at specific times and places. Due to the high degree of mechanisation and the associated advantages in terms of construction performance and safety at work, almost the half of tunnels is built with Tunnel Boring Machines (TBM).
For documentation and control of the construction process, these are equipped with various sensor systems that provide comprehensive data sets. But in this area, modern data-driven processes have not yet found a wide application.
This 24-month post-doc position is funded by the French-German ANR project REMATCH. The overall objective of this project is to use the data sets from TBMs, with the help of AI methods, to enhance the recycling of the large quantities of tunnel excavation material. In this regard, an innovative real-time measurement system for material characterisation is to be developed which gives decision support on the question if soil is “usable” or “not usable” for other purposes and thus has to be disposed of in a landfill. This system will base on several approaches using AI methods: firstly, on image recognition of excavated material, secondly, on intelligent data processing of TBM data, and, thirdly, on a knowledge database.

Sujet :
The objectives of this post-doc position are to develop a computer vision system that analyses the videos captured from one or several cameras installed at the TBM and filming the excavated material on the conveyor belt. In order to decide on the possible reuse of the material, different geophysical properties needs to be estimated from visual features extracted in real-time from the video stream(s) coming from RGB cameras. This is challenging due to the mediocre acquisition conditions under low lighting and fast motion inducing some motion blur. More specifically, after some preprocessing, a first step is to develop a machine learning solution based on appropriate CNN models that are trained for either classification and/or regression tasks in a supervised manner. Different models should be designed, implemented and evaluated in terms of robustness and precision.
To go further, novel innovative neural network-based architectures and weakly supervised learning schemes should be proposed to learn a latent representation that reflects the meaningful similarities of relevant soil characteristics. Then, potentially other physical properties should be incorporated more explicitely into this semantic latent representation (either via a specific CNN or autoencoder-type model) to make the learnt features and models more explainable. After evalating these models, they should be appropriately integrated with other AI models that are not based on images but on TBM sensor data.

Profil du candidat :
We seek a post-doctoral researcher with strong skills in machine learning and computer vision. The candidate will be in interaction with the other project members in order to specify the requirements of the AI-based solution and manage the progress of the project.
Additional teaching activities may be conducted at INSA Lyon if the candidate desires to.

Formation et compétences requises :
A PhD in computer science or similar related to image processing, data analysis and machine learning.

Adresse d’emploi :
LIRIS, INSA Lyon, 7 avenue Jean Capelle, 69621 Villeurbanne

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

Laboratoire/Entreprise : INRAE – Biostatistique et Processus Spatiaux
Durée : 15 mois
Contact : samuel.soubeyrand@inrae.fr
Date limite de publication : 2022-09-30

Contexte :
Les jaunisses de la betterave, dues à des virus transmis par le puceron Myzus persicae, induisent en moyenne des baisses de rendement substantielles. Les changements de réglementations visant une agriculture sans pesticide (en particulier sans néonicotinoïde) nécessitent une refonte du système de production de la betterave sucrière. L’épidémiosurveillance est une des dimensions essentielles de cette refonte car elle contribue à anticiper (i) les risques sanitaires et (ii) la réduction de ces risques par des mesures prophylactiques agroécologiques.

Pour candidature, envoyer votre CV et une lettre de motivation à samuel.soubeyrand@inrae.fr

Sujet :
Mission. Votre objectif sera de proposer et optimiser une stratégie spatio-temporelle de surveillance multivalente en intégrant la connaissance du risque et de son évolution (diverses approches sont d’ores et déjà développées dans le projet SEPIM pour mesurer les risques pucerons et jaunisses). Dans cette optique, vous pourrez mobiliser plusieurs leviers de surveillance directe (abondance de pucerons, caractère virulifère des pucerons, intensité de jaunisse, souches virales, abondance d’auxiliaires de culture) et de surveillance indirecte (observation des réservoirs, images satellites, pièges à succion distants, météorologie) qui pourront être exploités à différents moments de l’année en fonction du potentiel d’information qu’ils apportent. Vous pourrez prendre en compte une fonction multi-critère de coût intégrant, par exemple, les coûts d’un site supplémentaire de surveillance, d’une alerte inexacte, de l’absence d’alerte, de la mesure du caractère virulifère des pucerons et d’autres coûts opérationnels. A la stratégie spatio-temporelle de surveillance pourra être associée une stratégie prophylactique multivalente. Ceci consistera à fournir des indicateurs pour la mise en œuvre de mesures de mitigation en fonction de l’intégration des risques et des résultats de la surveillance.
Méthodologie. Pour mener cette mission, vous pourrez mobiliser des techniques de statistique (y compris approche d’échantillonnage, statistique spatiale et intégration de modèles), d’apprentissage supervisé ou non supervisé, ou encore d’optimisation. Vous valoriserez vos travaux par des articles scientifiques dans des journaux à comité de lecture méthodologiques ou appliqués. Vos travaux seront en outre valorisés via le développement d’une application web ; dans cette optique vous collaborerez avec le prestataire en charge du développement de l’application.
Environnement de travail. Vous mènerez votre recherche dans le cadre du projet collaboratif SEPIM ( https://pse.mathnum.inrae.fr/sepim ) en étant affecté à l’unité BioSP à Avignon ( http://biosp.org ). Vous pourrez vous déplacer dans les unités partenaires du projet SEPIM pour des missions plus ou moins longues, notamment à Rennes et en région parisienne, afin de favoriser l’intégration dans vos travaux des diverses approches développées par les partenaires du projet. Les interactions avec les autres unités pourront également se tenir en visio. Vous ferez par ailleurs partie du groupe des contractuels du projet SEPIM qui se réunissent régulièrement pour favoriser les travaux inter-unités.

Profil du candidat :
Pour mener la recherche proposée, vous pourrez mobiliser des techniques de statistique (y compris approche d’échantillonnage, statistique spatiale et intégration de modèles), d’apprentissage supervisé ou non supervisé, ou encore d’optimisation. Vous valoriserez vos travaux par des articles scientifiques dans des journaux à comité de lecture méthodologiques ou appliqués.

Formation et compétences requises :
Doctorat ou diplôme d’ingénieur en statistique et science des données ou en agronomie / biologie / sciences environnementale avec un fort intérêt pour l’analyse de données, l’apprentissage ou les méthodes numériques.

Adresse d’emploi :
228 route de l’aérodrome, 84914 Avignon, France

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

Laboratoire/Entreprise : ISEA (Institut des Sciences Exactes et Appliquées)
Durée : 2 ans renouvelable
Contact : nazha.selmaoui@unc.nc
Date limite de publication : 2022-10-14

Contexte :
L’Université de la Nouvelle-Calédonie est un établissement pluridisciplinaire qui répond notamment aux besoins de formation et de recherche propres à la Nouvelle-Calédonie. Elle veille à accompagner efficacement les évolutions de la
Nouvelle-Calédonie et à répondre à ses besoins spécifiques.
L’UNC, ancrée dans son environnement et sa région, a pour ambition de promouvoir son activité de recherche sur la base de l’excellence et de la reconnaissance nationale et internationale. Cette promotion passe par la mise en valeur de ses enjeux scientifiques, de ses capacités d’innovation et de transfert ainsi que par la qualité des formations qu’elle dispense.

Sujet :
L’Université de la Nouvelle-Calédonie recrute pour les besoins de son département Sciences et Techniques, un·e maître·sse de conférences section CNU 27 (informatique) par voie de délégation, pour début de l’année 2023 (les cours débutent début février 2023).

Ce profil s’adresse uniquement aux enseignants-chercheurs titulaires.

Les dossiers de candidature (lettre de motivation, CV, copie du dernier arrêté de promotion et d’affectation, et copie de la pièce d’identité) sont à envoyer, en format pdf, au plus tard le 14 octobre 2022 par voie électronique à recrutement@unc.nc

Profil du candidat :
La personne recrutée aura un profil recherche lié à l’apprentissage machine, la fouille de données, la science de données, le big data et applications, ainsi qu’une polyvalence en ce qui concerne l’enseignement

Profil Enseignement : La personne recrutée interviendra au département des Sciences et Techniques. Elle prendra notamment en charge une
partie des enseignements d’informatique en L1 (enseignements communs aux licences d’informatique et de mathématiques). Elle pourra aussi intervenir plus généralement en deuxième et troisième année de licence informatique dans des domaines liés à I’informatique fondamentale (théorie des automates, complexité et calculabilité,…). La personne recrutée pourra aussi potentiellement intervenir dans le L3 MIAGE et Master MIAGE. Dans ce cadre, la personne recrutée proposera aussi et encadrera des projets tuteurés, et suivra des stages.

Profil Recherche : La personne recrutée développera ses activités de recherche au sein de l’Institut des Sciences Exactes et Appliquées
(ISEA) de l’Université de la Nouvelle-Calédonie. Elle s’intègrera dans un des thèmes du laboratoire, à savoir “Observation, modélisation et simulation”.
Une attention particulière sera portée sur les candidats travaillant dans les domaines de la fouille de données, du big data et des modèles sous-jacents (graphes), et plus généralement de l’acquisition et du traitement de données. Le candidat devra montrer un intérêt pour la pluridisciplinarité et le développement de travaux se situant dans l’interface entre les sciences exactes et appliquées, le tout en lien avec les problématiques néo-calédoniennes, ultramarines et insulaires

Formation et compétences requises :
L’obtention de l’habilitation à diriger les recherches est souhaitée.

Adresse d’emploi :
Université de la Nouvelle Calédonie.
Nouméa – Nouvelle Calédonie

Un·e maître·sse de conférences CNU 27 (délégation)

Document attaché : 202208270043_AVP MCF CNU 27 D.pdf