Archives

AI Research Fellow position (PhD or non-PhD) @ Computer Vision and Pattern Discovery group of Bioinformatics Institute (BII), A*STAR, Singapour

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

Laboratoire/Entreprise : Computer Vision and Pattern Discovery group of Bio
Durée : + 1 an
Contact : leehk@bii.a-star.edu.sg
Date limite de publication : 2022-09-18

Contexte :
The advancement of Artificial Intelligence enables the extraction of quantitative information from high resolution biomedical images. New knowledge, skills, and approaches are required to develop novel, efficient and reliable computational tools for emerging challenges in biological and biomedical studies. Our project is supported by close collaborations with local hospitals.

Sujet :
You will be working in a team of AI researchers who have a deep understanding of the fundamentals of deep learning and have considerable experience in applying deep learning to different problems. Our group has a well established reputation in developing AI solutions for digital pathology image analysis, radiology images and digital health. You will have the opportunity to learn and hone your AI skills through this project as well as by learning from other on-going projects in the team. You will receive training and guidance to be in the niche area of applying deep learning for bioimage analysis applications. You will learn both AI along with guiding clinical/medical knowledge in this project. This will be the differentiating factor for you as an AI scientist at our lab. You will also learn to sharpen your communication, collaboration, project management and leadership skills.
Responsibilities:
1. Develop AI methodologies to perform computer assisted diagnostics.
2. Work closely with collaborators to fully understand the clinical problems.
3. Design and conduct the experiments to assess the proposed AI models’ performance.
4. Collaborate with the team members via discussions, study groups, guiding students/interns/research officers.
5. Periodically present the progress to the group and submit the research findings to top-tier journals and conferences

Profil du candidat :
We are looking for a researcher with a creative mind, strong communication skills and a team player to work with us on collaborative projects with multiple local hospitals.

Formation et compétences requises :
1. Undergraduate, masters or PhD with a strong background in Computer Science, Mathematics, Statistics, Biomedical Engineering or relevant fields.
2. Prior knowledge in machine learning and prior domain knowledge medical image analysis is NOT REQUIRED. Training for these domains will be provided on the job.
3. Experience and versatility in programming especially in python.
4. Familiarity with PyTorch and/or TensorFlow is NOT REQUIRED but would be a plus.
5. Good communication skills, a team player and willing to share ideas and knowledge with peers .
6. Candidates should be able to work in a fast paced environment.

Adresse d’emploi :
This Research Fellow position for Artificial Intelligence research is available in the Computer Vision and Pattern Discovery (CVPD) group of Bioinformatics Institute (BII), A*STAR, Singapore.
For more information, please email Hwee Kuan Lee (leehk@bii.a-star.edu.sg) and Wei Liu (liuwei@bii.a-star.edu.sg). Visit the CVPD websites for more informaiton: http://web.bii.a-star.edu.sg/~leehk/ and https://www.a-star.edu.sg/bii/research/ciid/cvpd

ingénieur pour conception et développement d’une application sur tablette en javascript (H/F)

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

Laboratoire/Entreprise : LIRIS
Durée : 6 mois
Contact : frederique.laforest@insa-lyon.fr
Date limite de publication : 2022-09-04

Contexte :
Dans le cadre du Labex ASLAN et d’un projet pour l’aide à l’apprentissage de l’écriture, l’équipe TWEAK du LIRIS recherche un ingénieur pour la conception et le développement d’une application sur tablette en javascript.

Sujet :
L’objectif de ce CDD est de poursuivre le développement d’une application sur tablette tactile aidant les dyslexiques scolarisés en primaire et les enfants plus jeunes à risque de développer une dyslexie, dans leur apprentissage de la lecture et de l’écriture. Elle est développée en Javascript.

Profil du candidat :
formation en informatique de niveau Licence, DUT, master ou ingénieur
processus de développement agile
gestion de versions, méthodes de tests
expression des besoins
développement javascript
aisance en langue française, à l’écrit et à l’oral

Formation et compétences requises :
formation en informatique de niveau Licence, DUT, master ou ingénieur
processus de développement agile
gestion de versions, méthodes de tests
expression des besoins
développement javascript
aisance en langue française, à l’écrit et à l’oral

Adresse d’emploi :
LIRIS, INSA Lyon, Villeurbanne

PhD position on Fair and Inclusive Self-Supervised Learning for Speech Technologies (Paris/Grenoble)

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

Laboratoire/Entreprise : LAMSADE (Paris) / LIG (Grenoble)
Durée : 3 ans
Contact : alexandre.allauzen@dauphine.psl.eu
Date limite de publication : 2022-09-20

Contexte :
The ANR project E-SSL (Efficient Self-Supervised Learning for
Inclusive and Innovative Speech Technologies) will start on November
1st. Self-supervised learning (SSL) has recently emerged as one of the
most promising artificial intelligence (AI) methods as it becomes now
feasible to take advantage of the colossal amounts of existing
unlabeled data to significantly improve the results of
various systems.

Speech technologies are widely used in our daily life and are
expanding the scope of our action, with decision-making systems,
including in critical areas such as health or legal aspects. In these
societal applications, the question of the use of these tools raises
the issue of the possible discrimination of people according to
criteria for which society requires equal treatment, such as gender,
origin, religion or disability… Recently, the machine learning
community has been confronted with the need to work on the possible
biases of algorithms, and many works have shown that the search for
the best performance is not the only goal to pursue [1]. For instance,
recent evaluations of ASR systems have shown that performances can
vary according to the gender but these variations depend both on data
used for learning and on models [2]. Therefore such systems are
increasingly scrutinized for being biased while trustworthy speech
technologies definitely represents a crucial expectation.

Sujet :

Both the question of bias and the concept of fairness have now become
important aspects of AI, and we now have to find the right threshold
between accuracy and the measure of fairness. Unfortunately, these
notions of fairness and bias are challenging to define and
theirmeanings can greatly differ [3].

The goals of this PhD position are threefold:
– First make a survey on the many definitions of robustness, fairness
and bias with the aim of coming up with definitions and metrics fit
for speech SSL models
– Then gather speech datasets with high amount of well-described
metadata
– Setup an evaluation protocol for SSL models and analyzing the
results. The PhD position will be co-supervised by Alexandre Allauzen
(Dauphine Université PSL, Paris) and Solange Rossato and François
Portet (Université Grenoble Alpes). Joint meetings are planned on a
regular basis and the student is expected to spend time in both
places. Moreover, two other PhD positions are open in this
project. The students, along with the partners will closely
collaborate. For instance, specific SSL models along with evaluation
criteria will be developed by the other PhD students.

To apply, send a CV and a cover letter to A. Allauzen before September
the 12th

Profil du candidat :
Skills
– Master 2 in Natural Language Processing, Speech Processing, computer
science or data science.
– Good mastering of Python programming and deep learning framework.
– Previous experience in Self-Supervised Learning, acoustic modeling
or ASR would be a plus
– Very good communication skills in English
– Good command of French would be a plus but is not mandatory

Formation et compétences requises :
See skills.

Adresse d’emploi :
Université Paris-Dauphine / Laboratoire d’Informatique de Grenoble

Ingénieur•e d’étude en informatique pour le signal et le machine learning (CDD)

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

Laboratoire/Entreprise : CRIStAL UMR 9189 / Centrale Lille Institut
Durée : 12 mois (renouvelabl
Contact : pierre.chainais@centralelille.fr
Date limite de publication : 2022-11-14

Contexte :
Un(e) Ingénieur•e d’étude en informatique pour le traitement du signal et le machine learning / Contractuel de recherche

Contexte du recrutement

Ce poste en CDD de 12 mois renouvelables au sein du laboratoire CRIStAL, Centre de Recherche en Informatique, Automatique et Signal de Lille (UMR 9189), est financé par l’ANR qui soutient la chaire en intelligence artificielle (IA) Sherlock portée par Pierre Chainais (2021-2025), professeur à Centrale Lille et membre de l’équipe SigMA, Signaux, Modèles et Applications. L’équipe SigMA est composée de 17 membres permanents (enseignants-chercheurs et chercheurs CNRS) et de 18 doctorants et post-doctorants et offre un environnement scientifique stimulant et de haut niveau.

Prise de fonction : 1er Octobre 2022
Catégorie : A
Contractuel CDD CDI
Quotité : 100%
Affectation : CRIStAL, Centre de Recherche en Informatique, Automatique et Signal de Lille (UMR 9189)
Supérieur Hiérarchique : Pierre CHAINAIS
Niveau requis : M2 ou ingénieur•e avec une spécialité en informatique, traitement du signal et des images, ou machine learning.
Rémunération : 2000 à 2500€/mois nets
Durée du contrat : 12 mois renouvelable

Contact Recherche : Pierre Chainais, pierre.chainais@centralelille.fr
Contact Administratif : Pôle des Ressources Humaines : pole.rh@centralelille.fr

Sujet :
Le projet de recherche de la chaire IA Sherlock porte sur « Fast inference with controlled uncertainty : application to astrophysical observations ». Il inclut le développement et l’implémentation de différentes méthodes d’inférence en traitement du signal et machine learning, incluant des approches d’apprentissage profond. Les applications visées concernant la résolution de problèmes inverses en traitement du signal et des images, en particulier en lien avec l’astrophysique. La complexité et le coût de calcul de ces méthodes augmente potentiellement très vite lorsque l’on travaille avec de grandes masses de données ou sur des problèmes en grande dimension. Nous concevons de nouvelles méthodes et algorithmes qui ont pour objectif de limiter ces coûts ou de les répartir sur des unités de calculs multiples grâce au calcul distribué.

Nous travaillons en particulier sur des approches d’inférence bayésienne, allant de l’optimisation déterministe à l’apprentissage bayésien profond, en passant par les méthodes de Monte Carlo par chaînes de Markov (MCMC). Une attention spécifique est portée à la parallélisation des calculs et la distribution des données sur plusieurs nœuds de calculs (CPU et/ou GPU).

Au-delà de l’estimation ponctuelle de paramètres, nous nous intéressons à la quantification des incertitudes. Il s’agit d’un enjeu crucial pour garantir la qualité des prédictions, notamment en l’absence de vérité terrain comme en astrophysique par exemple. L’estimation de la distribution d’un estimateur se traduit le plus souvent par le recours à des méthodes d’échantillonnage telles que les méthodes de Monte Carlo par chaînes de Markov (MCMC). Ces méthodes étant réputées coûteuses en temps de calcul, nous développons de nouvelles méthodes qui ouvrent la voie à la parallélisation/distribution des algorithmes associés. Nous étudions aussi des approches alternatives aux méthodes MCMC en exploitant notamment le potentiel de l’apprentissage profond (deep learning) et du transport optimal.

L’ingénieur•e recruté•e sera chargé•e du développement de codes parallélisés/distribués permettant d’accélérer les calculs. Il/elle devra respecter une logique de recherche reproductible et de logiciel libre favorisant une diffusion publique large des codes produits. Il/elle sera chargé•e d’accompagner les membres de l’équipe SigMA via des actions de formation internes en vue de partager ses connaissances avec l’équipe. Il/elle contribuera activement aux activités de recherche dans une logique de collaboration active. Ce CDD pourra éventuellement servir de tremplin à une poursuite en thèse de doctorat.

Candidatures : envoyer CV détaillé, diplômes, relevés de notes des 2 dernières années Bac+4/+5 ; rapport de stage de fin d’étude si disponible ; 2 lettres de recommandation ; si titulaire d’un doctorat, joindre les rapports sur le manuscrit et la soutenance.
Candidature à transmettre à : pole.rh@centralelille.fr et pierre.chainais@centralelille.fr

Profil du candidat :
Candidats juniors (sortie d’école d’ingénieurs ou de master) bienvenus. Une poursuite en thèse pourrait être envisagée.

Formation et compétences requises :
Connaissances/compétences

Langages : Python et/ou C++ et/ou techniques de parallélisation CPU (OpenMP, MPI). Des connaissances en parallélisation GPU (par exemple Cuda, OpenCL, …) seraient un plus. Une période d’auto-formation complémentaire pourra être envisagée en complément.
Niveau d’Anglais requis : B2

Compétences opérationnelles :
Bonne culture en tratiement du signal/image et/ou en machine learning. Bonnes pratiques du développement collaboratif. Bonnes compétences rédactionnelles en vue de la réalisation de documents techniques (documentation de code).

Compétences comportementales :
Bonnes qualités de communication

Adresse d’emploi :
Centrale Lille Institut
Cité scientifique
CS 20048
59651 Villeneuve d’Ascq cedex
FRANCE

Contact Recherche : Pierre Chainais, pierre.chainais@centralelille.fr
Contact Administratif : Pôle des Ressources Humaines : pole.rh@centralelille.fr

Document attaché : 202207181305_annonce_ingenieur_informatique_2022_Sherlock_juillet2022.pdf

Chair Professeur Junion à Reims

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

Laboratoire/Entreprise : LICIIS / Université de Reims Champagne Ardenne
Durée : 4 ans
Contact : Luiz-Angelo.Steffenel@univ-reims.fr
Date limite de publication : 2022-10-01

Contexte :
Université de Reims Champagne Ardenne is recruiting a Junior Professor Chair to work with us in the areas of high-performance computing and scientific visualization.

Sujet :
The advertised position (reference number: 2022/4514) will be affiliated to the Computer Science Lab in High Performance Computing and Image for Simulation (LICIIS) led by Professor Luiz-Angelo Steffenel.

Created on January 1, 2021, LICIIS is also a unit under agreement (LRC DIGIT) with the Commissariat à l’Energie Atomique et aux énergies alternatives (CEA). Its missions are both theoretical and applied research, training, valorization, and technology transfer. It currently has 34 members (professors, senior lecturer, researchers, BIATSS, post-doctoral students and doctoral students) including 14 permanent and 9 associated with CEA. It is the main operator of two of URCA’s most important infrastructures: the ROMEO regional computing center (supercomputer ranked 249th in the world in the TOP500 and 20th in the GREEN500 when it was commissioned in 2018) and the Image Center. Its research is organized around three major technological domains and aims to address the challenges they generate and respond to the resulting uses. In direct application with simulation and scientific computing, they cover:
• performance and programming models of hybrid architectures with computational accelerators (HPC).
• artificial intelligence (AI) et big data analysis (HPDA).
• scientific visualization, meshes and their interactions.

Profil du candidat :
The employment is a 4-year position with tenure in a permanent position (full-time) at the end of the term. A PhD degree in HPC, scientific visualization, or equivalent from a related area is required.

The future chairholder will participate in current or future training programs in which URCA is involved in the fields of high-performance computing (HPC), simulation, cloud, big data, artificial intelligence, deep learning, visual computing, and scientific visualization. Mainly mobilized at the master’s and PhD levels, he/she will aim to accompany students following these courses towards the very high academic and professional level.
The current training offer is based on the bachelor’s and master’s degrees in « High Performance Computing and Simulation » (CHPS) and the master’s degree in computer engineering and digital simulation (CMI HPVC). This offer will be completed in the fall of 2022 by the participation of the URCA in the:
• first European Master’s program (EUMaster4HPC – H2020 funding) in High-Performance Computing, High-Performance Data Analytics (HPDA) and AI.
• training program of the PIA3 EquipEx+ MesoNet project in HPC and AI.

Formation et compétences requises :
The employment is a 4-year position with tenure in a permanent position (full-time) at the end of the term. A PhD degree in HPC, scientific visualization, or equivalent from a related area is required.

Adresse d’emploi :
Please visit the official vacancy website of Reims Champagne-Ardenne University for a more detailed description of the duties, formal requirements, and on how to apply for this position:
https://www.galaxie.enseignementsup-recherche.gouv.fr/ensup/ListesPostesPublies/Emplois_publies_TrieParRegion.html

Chaire de professeur junior / Professor


The application deadline is Sept. 30, 2022.

We are looking forward to receiving your application! Please also consider to share this message with any great candidates.

Université de Reims Champagne Ardenne
Laboratoire LICIIS

Document attaché : 202207120815_Fiche de poste-cpj OSMIUM-fr.pdf

Causal effect estimation in time series

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

Laboratoire/Entreprise : LIG
Durée : 12 months
Contact : Emilie.Devijver@univ-grenoble-alpes.fr
Date limite de publication : 2022-09-18

Contexte :
Causality plays a central role in science and has been the subject of many debates among philosophers, biologists, mathematicians and physicists, to name but a few. The recent decades have seen the development, from philosophers, mathematicians, and computer scientists, of different models and methods to infer causal relations from data and to reason on the basis of these relations. If the first studies were dedicated to non temporal data, more and more studies now focus on time series. Indeed, time series arise as soon as observations, from sensors or experiments, for example, are collected over time. 

Despite the importance of time series, very few works (apart from [6]) have studied methods to estimate the causal effect of interventions. This project will focus on this through the steps described below.

Sujet :
– Literature review on the estimation of causal effects [1,2] as well as treatment effects in time series [3,4,5].
– Design of an estimator for back-door probabilities
– Generalization to other identification probabilities (as in the ID algorithm).
– Theoretical study of the corresponding estimator. 
 
The scientific orientations of the post-doc may vary according to the candidate’s background and interests.

Profil du candidat :
Programming skills: proficiency in R or Python.
Proficiency in either French or English.

Formation et compétences requises :
PhD in machine learning or statistics.

Adresse d’emploi :
Bâtiment IMAG
Grenoble

Document attaché : 202207111449_postdoc_causalReasoning.pdf

Maître-assistant associé en Sciences des données : Apprentissage statistique et Aide à la Décision au service de l’Industrie et des territoires du futur.

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

Laboratoire/Entreprise : Ecole des Mines de Saint-Etienne
Durée : 12 mois
Contact : batton@emse.fr
Date limite de publication : 2022-07-17

Contexte :
L’École Nationale Supérieure des Mines de Saint-Étienne (Mines Saint-Etienne), École de l’Institut Mines Télécom, sous tutelle du Ministère de l’Économie, des Finances et de la Relance est chargée de missions de formation, de recherche et d’innovation, de transfert vers l’industrie et de culture scientifique, technique et industrielle.
Le poste proposé est ouvert au sein du département GMI avec des activités de recherche développées dans l’UMR CNRS 6158 LIMOS qui regroupe l’ensemble des chercheurs en sciences des données et mathématiques appliquées. Il s’agit d’un poste contractuel d’enseignant chercheur d’un durée de 1 an.

Sujet :
Poste de maître-assistant associé en Sciences des données : Apprentissage statistique et Aide à la Décision au service de l’Industrie et des territoires du futur.

Maître-assistant associé en Sciences des données : Apprentissage statistique et Aide à la Décision au service de l’Industrie et des territoires du futur

Profil du candidat :
Doctorat avec une expérience en enseignement dans les domaines des mathématiques ( cf fiche) (moniteur, vacataire et/ou ATER) à un niveau de second ou troisième cycle sera appréciée.

Formation et compétences requises :
Le candidat devra être titulaire d’un doctorat Mathématiques appliquées ou en Science des données (telles les sections CNU n° 24 – 26 – 61 )

Adresse d’emploi :
Ecole des Mines de Saint-Etienne
42023 Saint-Etienne

Document attaché : 202207081307_MSE_ENTITE_concours_maître_assistant_2022-06-20_sciences_des_données.pdf

CIFRE – Cybersecurity with Machine Learning for industrial networks

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

Laboratoire/Entreprise : ICube – T&S
Durée : 3 ans
Contact : lafabregue@unistra.fr
Date limite de publication : 2022-12-31

Contexte :
Industry 4.0 is the novel industrial revolution, where objects are connected to a global network infrastructure. Fieldbus (e.g., CAN, modbus, TSN) interconnect the different devices to controllers. These objects are constrained in memory and computational capacity and may endanger the network infrastructure if they are corrupted. They may even jeopardize the safety of industrial applications.
Thus, cybersecurity for the Industrial Internet of Things is a major concern, while most of the technologies in this area have not been designed with this problem in mind. For instance, CAN communications are neither ciphered, nor authenticated.
We need to deploy Intrusion Detection Systems able to detect anomalies, i.e., when the infrastructure doesn’t behave as expected. It may come from e.g., a human misconfiguration, an attack.

Sujet :
Penetration testing already exploits Machine Learning techniques to detect and identify attacks. Indeed, signature-based solutions are not sufficient since they may disguise themselves into a legal traffic flow but inserting noise.
We want to go there further, to identify anomalies that may be e.g., attacks, misconfigurations, faults. Industrial networks are known to be predictable and we must identify outliers. Some work exists that consider the spatial and temporal correlations but they are application specific, i.e., they need to manipulate directly data chunks. Approaches exist that exploit a RNN to identify anomalies but we are convinced that industrial networks are predictable, and techniques that exploit this predictability should be more accurate. The network controller that has a complete knowledge of the network topology may efficiently detect intrusions.
The objective of this PhD thesis is to first propose techniques to identify automatically patterns when exploiting the list of packets transmitted in the network infrastructure. Indeed, a networked control application relies on a control loop (sensor to controller to actuator) to control the Cyber Physical System (CPS). It is important to characterize each of these control loops (period, source / destination, correlations, etc.). The PhD student will both exploit existing datasets as well as the networked control system testbed deployed at Technology & Strategy.
Then, we will derive Network Intrusion Detection Systems (IDS) to identify anomalies for each of these control loops, extending what has been done for home networks, or generic IP networks. We need to propose techniques to define what corresponds to a normal state, and what corresponds to an outlier / anomaly. The proposition must be sufficiently robust to detect sophisticated attacks such as the Schedule-Based Attacks.

Profil du candidat :
Master in computer science or similar fields, with an affinity for Machine Learning.

Formation et compétences requises :
Applicants should have solid skills in:
• Excellent knowledge of Machine Learning techniques (not only as a user);
• Excellent data science language skills (R, or Python);
• Background knowledge to implement measurements in a real production line;
• Excellent communication and writing skills. Note that knowledge of French is not required for this position.
Knowledge of the following technologies is not mandatory but will be considered as a plus:
• Knowledges in industrial networking protocols and stacks;
• Knowledges of embedded software

Adresse d’emploi :
The PhD student will be co-hosted by Technology & Strategy and the University of Strasbourg, both located in Strasbourg, France.
Technology & Strategy was created in 2008 in Strasbourg. Specialized in Engineering, IT, Digital and Project Management, Technology & Strategy is a reference partner for its customers in the development of innovative projects. Technology & Strategy also has an integrated engineering service to meet the requirements of its customers who are primarily R&D departments of industrial companies.
With a strong international focus and a Franco-German DNA, Technology & Strategy is proud of its 1,800 employees and is present with more than 40 nationalities in 16 offices in 6 countries (France, Germany, Switzerland, Belgium, UK, South East Asia). Technology & Strategy is proud to keep its headquarters in the East of France, near Strasbourg.

Founded in the 16th century, the University of Strasbourg has a long history of excellence in higher education, rooted in Renaissance humanism. The University of Strasbourg is a public research university located in Strasbourg, with over 52,000 students. You will integrate the ICube laboratory attached to the University.

Applications should be submitted by email to tands-cifre@icube.unistra.fr.
They must include:
• A Curriculum Vitae;
• List of 2 or 3 references to contact (position, email address);
• Transcripts of undergraduate and graduate studies;
• Link to MSc thesis, and publications if applicable;
• Link to personal software repositories (e.g. GitHub)
Please prefix the filenames of your application with your lastname.

Document attaché : 202207070957_Fichier_TS-cybersec-iiot.pdf

Développeur/développeuse et gestionnaire d’une base de connaissance sémantique d’une plateforme d’accès aux données ouvertes

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

Laboratoire/Entreprise : IRIT
Durée : 12 mois
Contact : pascal.dayre@irit.fr
Date limite de publication : 2022-12-31

Contexte :
Dans le cadre du projet ANR So-DRIIHM, vous interviendrez dans le développement d’une plateforme pour la science ouverte. La science ouverte est un mouvement dans la continuité de ll’open-data pour l’ouverture et le partage des productions de la recherche comme les données, les publications et les codes à la communauté scientifique et plus largement à la société.
Vous êtes intéressé.e par les technologies de l’internet et du web sémantique.

Sujet :
Il s’agit de travailler sur la base de données sémantique d’une plateforme d’accès aux ressources de la science ouverte.

Vous interviendrez sur la modélisation et la gestion de la base de données et l’exposition du graphe de connaissance correspondant pour être consommé par les services de la plateforme.

• Administration d’un sparql endpoint (graphDB)
• Gestion de la base de données des métadonnées de la plateforme
• Importation de données sémantiques (ETL)
• Modélisation de base de données sémantiques graphes
• Exposition d’un graphe de connaissance selon une API REST
• API REST
• Ecriture de programme python de test des API
• Tests automatiques de non régression
• Documentation
• Collaboration avec des développeurs full stack

Profil du candidat :
Bac+5 ou forte compétence reconnue par des contributions actives à des logiciels libres relatif au sujet de ce poste

Formation et compétences requises :
• Formation de développement informatique ou une expérience de développement reconnue
• Formation en base de données
• Formation en web des données : connaissance des bases de données graphes et du web des données (RDF/RDFS, OWL, sparQL)  
• Expérience en Python, en javascript, en shell
• Connaissance des bases de données graphes et du web des données (RDF/RDFS, OWL, sparQL)  
• Connaissance d’une méthodologie de développement logiciel
• Savoir lire et comprendre les spécifications du W3C
• Curieux.se  , Motivé.e pour apprendre
• Intéressé.e par le mouvement du logiciel libre, de la science ouverte   

Adresse d’emploi :
Vous serez accueilli.e à l’IRIT, l’Institut de Recherche en Informatique de Toulouse (118 route de
Narbonne 31062 TOULOUSE CEDEX 9) pour développer la base de connaissance d’une
plateforme internet de recherche, d’accès et de publication de données d’observations socio-
environnementales pour une large communauté interdisciplinaire de recherche.

Apprentissage pour l’étude de l’activité électrophysiologie haute-résolution

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

Laboratoire/Entreprise : LaTIM / LabSTICC
Durée : 36 mois
Contact : francois.rousseau@imt-atlantique.fr
Date limite de publication : 2022-12-31

Contexte :
Lab

La recherche à IMT Atlantique concerne près de 800 personnes, dont 290 enseignants et chercheurs et 300 doctorants, et porte sur les technologies du numériques, de l’énergie et de l’environnement. Il couvre toutes les disciplines (des sciences physiques aux sciences humaines et sociales en passant par celles de l’information et du savoir) et couvre tous les domaines des sciences et des technologies de l’information et de la communication.

La thèse se déroulera au laboratoire LaTIM (INSERM U1101), sur le campus de Brest, en collaboration avec le Lab-STICC (Brest).

Date de début : Octobre 2022
Financement : Union européenne (projet CEREBRO)

Sujet :
Description

Description du projet :
Le projet EIC Pathfinder CEREBRO (an electric Contrast medium for computationally intensive Electroencephalographies for high REsolution BRain imaging withOut skull trepanation) vise le développement d’une nouvelle modalité d’imagerie de l’anatomie et de l’activité électrophysiologique du cerveau, qui est essentielle pour de nombreuses applications, notamment la dosimétrie électromagnétique, la neurostimulation, les interfaces cerveau-ordinateur et le diagnostic de maladies telles que le cancer, l’épilepsie et la maladie de Parkinson.

L’imagerie de l’activité cérébrale peut être réalisée à l’aide d’un électroencéphalographe (EEG), mais en raison des effets de blindage du crâne, la résolution spatiale des relevés est limitée. Une solution fréquente pour surmonter ce problème consiste à implanter des électrodes directement sous le crâne (ECoG) ou sur le cortex. L’imagerie qui en résulte est de meilleure qualité, mais elle n’est que locale.

CEREBRO verra la conception et le design d’une nouvelle modalité d’imagerie basée sur un milieu de contraste électromagnétique qui permettra de contourner l’effet de blindage du crâne, permettant ainsi une imagerie à haute résolution spatiale de l’activité cérébrale dans son ensemble, tout en préservant la haute résolution temporelle des modalités d’imagerie directe de l’activité électrophysiologique.

Les informations qui seront rendues accessibles à la communauté médicale n’ont jamais été extraites auparavant et devraient permettre des percées importantes dans le domaine des neurosciences et des soins aux patients.

Description du sujet :
Ce travail de thèse vise à étendre les algorithmes statiques de source inverse en neuroimagerie au régime des hautes fréquences. Ces extensions reposeront sur le remplacement du “problème direct” statique par un problème dynamique (pour lequel le solveur sera spécifiquement développé). Les courants statiques sont remplacés par des courants oscillants et le potentiel est remplacé par le champ électromagnétique harmonique. Il s’agit clairement d’un cadre sans précédent pour la neuro-imagerie, mais la stabilité à haute fréquence est très attendue puisque le problème mathématique de la neuro-imagerie à haute fréquence pourrait être considéré comme une contrepartie vectorielle de l’imagerie de la source acoustique dans l’eau pour laquelle il existe des algorithmes de source inverse très efficaces.

Dans ce but, il s’agira d’implémenter des algorithmes de source inverse à haute fréquence utilisés par exemple en océanographie et de les utiliser en neuro-imagerie. Contrairement au cas statique qui est mathématiquement mal posé (pour des distributions de sources générales), les problèmes de sources inverses multifréquences sont bien posés. On s’attend donc à ce que l’imagerie en présence des micro-tiges, en plus de compenser les différences de RSB entre les lectures EEG invasives et non invasives, réduise également le caractère mal posé, ce qui permettra d’augmenter encore la précision.

Ce travail de thèse vise à apporter une contribution sur les méthodes de résolution de problèmes inverses à l’aide de techniques d’apprentissage profond. Il s’agira de mettre en place une formulation variationnelle pour l’estimation des propriétés électrophysiologies des tissus cérébraux à partir de données dans le cadre de l’apprentissage profond afin d’apprendre conjointement le terme de régularisation (a priori) et le solveur associé au problème de minimisation.

Profil du candidat :
Ingénieur ou M2 en apprentissage, mathématiques appliquées, traitement du signal et des images.

Formation et compétences requises :
Les compétences requises pour mener à bien ce travail concernent l’apprentissage machine, le traitement d’images, et les mathématiques appliquées. Des connaissances en informatique et en programmation (Python) seront également requises afin de développer les algorithmes associés.

Adresse d’emploi :
IMT Atlantique, Campus de Brest.

Document attaché : 202207050741_2022-Cerebro_french.pdf