Archives

poste PR 61-27 – Traitement d’images et IA – St-Etienne

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

Laboratoire/Entreprise : Télécom Saint-Etienne – Laboratoire Hubert Curien
Durée : permanent
Contact : amaury.habrard@univ-st-etienne.fr
Date limite de publication : 2022-04-01

Contexte :
1 postes de Professeur des Universités est ouvert au concours pour la rentrée 2022 à l’Université Jean Monnet de Saint-Etienne avec affectation pédagogique à Télécom Saint-Etienne (école interne à l’Université Jean Monnet et affiliée à l’Institut Mines Télécom) et affectation recherche au laboratoire Hubert Curien (LabHC, UMR CNRS 5516) sur le profil Traitement d’images et IA.

Sujet :
Activités pédagogiques
Dans le cadre de son fort développement autour des technologies du numérique en général et de l’informatique en particulier, Télécom Saint-Etienne recrute un(e) professeur(e) des universités. La personne recrutée intégrera l’équipe pédagogique des thématiques « informatique » et « images » de Télécom Saint-Etienne. Les activités d’enseignement de la personne recrutée se placent principalement au sein des différents diplômes d’ingénieurs de Télécom Saint-Etienne (sous statut étudiant et sous statut apprentissage).
Les domaines de compétences techniques et pédagogiques couvrent obligatoirement les deux pans suivants :
– Le domaine du traitement d’images numériques, tant sur le plan méthodologique que des applications et usages de ces concepts dans les différents secteurs d’applications industriels,
– Le domaine de l’informatique, notamment autour des méthodologies et algorithmes de l’intelligence artificielle et de leurs usages en entreprise.
La personne recrutée prendra des responsabilités au sein de l’école, en termes de missions collectives, de pilotage d’option, d’unités d’enseignement, de projets en montage ou en lien avec des masters spécifiques au domaine. La personne recrutée devra assurer la prise en compte des impacts sociétaux et en termes de développement durable dans ses activités d’enseignements.
La personne recrutée doit pouvoir assurer des enseignements en anglais (supports et oral) dans le cadre de l’internationalisation des cursus à l’école.
L’aisance avec les pédagogies actives (travail par projets, classe inversée, etc) sera un plus.

Axes de Recherche
Le Laboratoire Hubert Curien vise à recruter un professeur des Universités d’excellent niveau scientifique ayant une forte culture en traitement d’images, mathématiques appliquées et intelligence artificielle. La personne recrutée devra développer un projet de recherche lui permettant de jouer le rôle de cadre et d’apporter des contributions méthodologiques dans les domaines scientifiques suivants :
– Optimisation et apprentissage de modèles parcimonieux
– Analyse de signaux faibles,
– Reconstruction 3D,
– Débruitage d’images.

La personne recrutée sera en charge de renforcer les collaborations scientifiques transversales entre les équipes « Image Science and Computer Vision » et « Data Intelligence » du laboratoire.
La qualité scientifique du (de la) candidat(e) sera notamment évaluée par :
– Le niveau de reconnaissance internationale de ses travaux (positionnement des activités par rapport à l’état de l’art international)
– L’excellence de la production scientifique. Une attention particulière sera portée à la qualité des revues et conférences ciblées.
– La qualité des encadrements de thèse déjà effectués (e.g. qualité des publications, prix/récompenses, devenir des doctorants, etc.),
– L’expérience dans la participation et le portage de projets d’envergure (nationaux, internationaux).
Le (la) candidat(e) devra disposer d’un profil permettant le développement de projets scientifiques de haut niveau et ambitieux vis-à-vis de l’état de l’art international.

Profil du candidat :
Traitement d’images et IA

Formation et compétences requises :
HDR ou équivalent

Adresse d’emploi :
Université de Saint-Etienne, Campus Manufacture.
Télécom Saint-Etienne
Laboratoire Hubert Curien

Ingénieur informaticien pour analyse de données médicales

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

Laboratoire/Entreprise : Scool (Inria Lille / CRIStAL) et CHU de Lille/Inse
Durée : 1 an (renouvellé pos
Contact : philippe.preux@univ-lille.fr
Date limite de publication : 2022-04-01

Contexte :
Collaboration en cours depuis 2 ans entre l’équipe Scool et le CHU de Lille concernant le suivi de patient post-opératoire.

Sujet :
voir https://recrutement.inria.fr/public/classic/fr/offres/2022-04371

Profil du candidat :
voir https://recrutement.inria.fr/public/classic/fr/offres/2022-04371

Formation et compétences requises :
voir https://recrutement.inria.fr/public/classic/fr/offres/2022-04371

Adresse d’emploi :
Centre Inria à Villeneuve d’Ascq et CHU de Lille.

Fouille de modèle et visualisation de données pour explorer les avenirs d’une zone au Sénégal

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

Laboratoire/Entreprise : CIRAD (Le Centre de coopération internationale en
Durée : 5 à 6 mois
Contact : camille.jahel@cirad.fr
Date limite de publication : 2022-03-28

Contexte :
La zone des Niayes fournit 70% des produits horticoles à Dakar, profitant d’une nappe phréatique peu profonde, d’un climat favorable et de sols fertiles. Mais ces dernières années ont été marquées par une baisse importante du niveau de la nappe et une salinisation progressive des terres par invasion marine, du fait d’une diminution de la pluviométrie. A cela s’ajoute des problématiques de surexploitation des ressources hydriques par les exploitations agricoles, les agro-industries et les exploitations minières qui ne cessent de s’agrandir. Les prévisions climatiques pour les prochaines années, particulièrement alarmantes pour le Sénégal, tendent à montrer que ces tendances risquent de s’amplifier, menaçant directement toutes les exploitations agricoles de la zone.
Il est donc urgent de prendre la mesure de ces changements pour tenter de les atténuer. Dans ce contexte, une série d’ateliers de prospective ont été menés en 2018, qui ont permis de dessiner les contours de scénarios d’évolution des Niayes (Camara et al., 2020 ). Mais ces scénarios sont dans un registre narratif et qualitatif et doivent maintenant être illustrés d’indicateurs quantitatifs.
Pour cela, une équipe multidisciplinaire de modélisateurs et thématiciens ont écrit un modèle des dynamiques de la zone des Niayes, à l’aide de la plateforme de modélisation spatiale Ocelet (www.ocelet.fr). Le modèle articule plusieurs modules, et permet de simuler des dynamiques de la nappe phréatique, l’étalement urbain, l’avancée du domaine cultivé, les productions agricoles, les revenus agricoles et les emplois agricoles. Le modèle a été construit de manière à reproduire les dynamiques de ces différents modules observés ces 15 dernières années. Il s’agit pour le stagiaire d’explorer la diversité des résultats en entrée et en sortie de modèle et enfin de l’utiliser pour simuler les différents scénarios plausibles.

Sujet :
Il s’agit pour le stagiaire d’explorer la diversité des résultats en entrée et en sortie de modèle et enfin de l’utiliser pour simuler les différents scénarios plausibles.
La première phase consistera à identifier dans les résultats de sortie du modèle ceux qui correspondent aux scénarios qualitatifs identifiés par les acteurs en 2018 (approche experte). A partir de cet espace des sorties et en utilisant une des méthodes telle qu’OSE, le stagiaire identifiera dans l’espace des entrées les jeux de paramètres qui conduisent aux espaces des sorties considérées par les experts. Pour cela, des séries de simulations seront lancées sur des périodes simulées de 20 ans, en fonction de jeux de paramètres cohérents avec les scénarios qualitatifs produits plus tôt et en insérant différentes « ruptures » dans les simulations (par exemple, introduction d’un nouveau paramètre en cours de simulation). Ce travail d’exploration et d’analyse de l’espace des sorties sera mené par le stagiaire, en s’inspirant là aussi des travaux de la communauté d’OpenMole.
Le stagiaire sera alors à même de produire une interface de visualisation des trajectoires territoriales qui permette aux décideurs et aux chercheurs d’identifier les bifurcations dans les scénarios simulés parmi les avenirs plausibles de la zone des Niayes. Le travail de visualisation des données en sortie – comme par exemple, des cartes d’occurrence de phénomène pour un même scénario, ou une présentation de l’espace des possibles, etc. – fournira le contenu à la plateforme de visualisation.

Profil du candidat :
Bases solides en informatiques
Connaissance approfondie de R ou Python
Connaissances en fouille de données
Connaissance des SIG
Expérience sur les modèles mécanistes et spatiaux souhaitable
Connaissances en sciences de l’environnement seraient un plus

Formation et compétences requises :
M2 en informatique, mathématiques appliquées, fouille de données, ou
M2 agronomie/environnement/SHS spécialité informatique

Adresse d’emploi :
maison de la télédétection
Montpellier
500 Rue Jean François Breton
(www.teledetection.fr)

Document attaché : 202201281337_Fouille de modèle et visualisation de données pour explorer les avenirs plausibles de la zone des Niayes au Sénégal_vf.docx

Ingénieur de Recherche (ou post-doctorant) en informatique

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

Laboratoire/Entreprise : Laboratoire ETIS – Cergy
Durée : 6 mois
Contact : hajer.baazaoui@ensea.fr
Date limite de publication : 2022-02-15

Contexte :
La traçabilité d’une manière générale et celle des médicaments constitue un domaine d’actualité compte tenu de la complexité des problèmes et exigences économiques, du vieillissement de la population, … Si ces problèmes viennent à être résolus de manière transversale et adéquate, ils peuvent conduire à des améliorations significatives pour toutes les parties prenantes, y compris les organisations de santé, les utilisateurs finaux et l’industrie pharmaceutique. L’objectif global du projet dans le cadre duquel s’inscrit le présent poste, est d’étudier et de définir un nouveau modèle de traçabilité pharmaceutique, qui améliorerait la protection des utilisateurs. Cette problématique nécessite des compétences complémentaires dans les domaines de la sémantique, de la gestion des connaissances, alliés à des approches d’optimisation multi-objectif et des technologies d’actualité notamment la blockchain,… Les premiers travaux entamés dans le cadre de ce projet, ont permis d’étudier les modèles existants et les facteurs permettant la traçabilité. Ensuite, de définir un modèle de traçabilité pharmaceutique, qui améliorerait la protection de la contrefaçon. D’autre part, un modèle pour l’intégration des données basée sur les ontologies, a été proposé. L’approche sémantique d’intégration virtuelle des données permet de fournir une vue intégrée et liée des données. Un prototype a été implanté et expérimenté.

Sujet :
La personne recrutée se verra confier les travaux déjà réalisés dans le cadre du projet décrit plus haut, ainsi que les prototypes développés. Les principales missions seront de:
-maîtriser les travaux existants et de valider le modèle de mapping des données proposées pour l’intégration des données
-intégrer les parties développées au framework à base de blockchain pour la traçabilité des médicaments
-participer à la rédaction de l’extension du présent projet

Le/la candidat(e) retenu(e) participera aux:
– réunions qui seront organisées
– interactions avec les partenaires du projet
– différentes tâches de rédaction des livrables du projet (rapport, publications scientifiques, nouvelle soumission).

Profil du candidat :
La personne recrutée doit être titulaire d’un doctorat en informatique (spécialités: Intelligence Artificielle, Blockchain, Systèmes d’Information, Bio-informatique,…).
Une forte capacité à comprendre les besoins, argumenter les choix et des compétences en développement sont indispensables.
La maîtrise des langages java et python est nécessaire.
Une expérience en rapport avec les données de santé/médicales est souhaitée.
Une forte capacité à rédiger en anglais et en français

Formation et compétences requises :
Doctorat en informatique

Adresse d’emploi :
Laboratoire ETIS – équipe MIDI – CY Cergy Paris Université

Document attaché : 202201271655_fiche poste IR ou postdoc info VF.pdf

CIRCLE 2022 | 2nd edition of the Joint Conference of the Information Retrieval Communities in Europe

Date : 2022-07-04 => 2022-07-07
Lieu : Samatan, Gers, France





Call for Papers







Call for
Papers


SCOPE


The
second edition of CIRCLE will take place on July
4-7, 2022
at Samatan, Gers, south of France (50 minutes from Toulouse). More
information at https://www.irit.fr/CIRCLE/.


CIRCLE
arose
from a twofold wish to gather three national Information Retrieval
(IR) conferences and to offer young researchers the opportunity to
meet and discuss with senior researchers. CIRCLE is supported by the
ARIA French conference (CORIA, COnférence en Recherche
d’Information et Applications), the Spanish Conference on
Information Retrieval (CERI, Congreso Español de Recuperación
de Información), the Italian Information Retrieval Workshop,
and the Swiss IR community. The main objective of CIRCLE is to
propose a unique place for stimulating and disseminating research in
IR, where senior/industrial and early stage researchers (including
MSc and PhD students) can network and discuss their research results
in a friendly environment.






KEY
DATES



  • 25
    February 2022    :
    Long paper deadline


  • 18
    March 2022    :
    Short, resource, demo papers and extended abstracts deadline


  • 29
    April 2022:
    Papers notifications


  • 27
    May 2022    :
    Camera-Ready deadline







TOPICS
OF
INTEREST


CIRCLE
2022 welcomes both theoretical and experimental papers on core IR and
papers on connections between IR and close disciplines including but
not limited to natural language understanding and information
extraction. Relevant
topics include, but are not restricted to:



  • Search
    and ranking    .
    Research on core IR algorithmic topics, including IR at scale,
    covering topics such as:



    • Queries
      and query analysis


    • Web
      search, including link analysis, sponsored search, search
      advertising, adversarial search and spam, and vertical search


    • Retrieval
      models and ranking, including diversity and aggregated search


    • Efficiency
      and scalability


    • Theoretical
      models and foundations of information retrieval and access



  • Content
    analysis, recommendation and classification    .
    Research focusing on recommender systems, rich content
    representations and content analysis, covering topics such as:



    • Filtering
      and recommender systems


    • Document
      representation


    • Content
      analysis and information extraction, including summarization, text
      representation, readability, sentiment analysis, and opinion mining


    • Cross-
      and multilingual search


    • Clustering,
      classification, and topic models


    • IR
      and natural language processing



  • Domain-specific
    applications    .
    Research focusing on domain-specific IR challenges, covering topics
    such as:



    • Social
      search


    • Search
      in structured data including email search and entity search


    • Multimedia
      search


    • Education


    • Legal


    • Health,
      including genomics and bioinformatics


    • IR
      and digital libraries


    • IR
      and databases


    • Other
      domains such as enterprise, news search, app search, archival
      search



  • Artificial
    intelligence, semantics and dialog    .
    Research bridging AI and IR, especially toward deep semantics and
    dialog with intelligent agents, covering topics such as:



    • Question
      answering


    • Conversational
      systems and retrieval, including spoken language interfaces, dialog
      management systems, and intelligent chat systems


    • Semantics
      and knowledge graphs


    • Deep
      learning for IR, embeddings, and agents



  • Human
    factors and interfaces    .
    Research into user-centric aspects of IR, including user interfaces,
    behavior modeling, privacy, and interactive systems, covering topics
    such as:



    • Mining
      and modeling search activity, including user and task models, click
      models, log analysis, behavioral analysis, and attention modeling


    • Interactive
      and personalized search


    • Collaborative
      search, social tagging and crowdsourcing


    • Information
      privacy and security



  • Evaluation.
    Research that focuses on the measurement and evaluation of IR
    systems, covering topics such as:



    • User-centered
      evaluation methods, including measures of user experience and
      performance, user engagement and search task design


    • Test
      collections and evaluation metrics, including the development of
      new test collections


    • Eye-tracking
      and physiological approaches, such as fMRI


    • Evaluation
      of novel information access tasks and systems such as multi-turn
      information access


    • Statistical
      methods and reproducibility issues in information retrieval
      evaluation



  • IR
    architectures    .
    Research
    dealing with IR system architectures and scalability, covering
    topics such as:



    • String
      processing for IR


    • IR
      system scalability


    • Efficient
      text representations, indexing and ranking





Future
directions.
Research with theoretical or empirical contributions on new technical
or social aspects of IR, especially in more speculative directions or
with emerging technologies, covering topics such as:




    • Novel
      approaches to IR


    • Ethics,
      economics, and politics


    • Applications
      of search to social good


    • IR
      with new devices, including wearable computing, neuroinformatics,
      sensors, Internet-of-Things, vehicles




PAPER
SUBMISSIONS


Authors
are invited to submit one of the following types
of contributions:



  • Long
    original papers (from 6 to 9 pages including references) describing
    mature and original research results


  • Short
    original papers (from 3 to 5 pages including references) which
    typically discuss exciting new work that is not yet mature enough
    for a long paper, such as for example “doctoral papers”.
    In particular, novel but significant proposals will be considered
    for acceptance into this category despite not having gone through
    sufficient experimental validation or lacking strong theoretical
    foundation.


  • Resource
    and demo papers
    (from 3 to 7 pages including references). A     resource
    paper     describes
    IR test collections software tools made available to the IR research
    community.     Demo
    papers showcasing new technologies and prototypes in the cope of
    CIRCLE


  • Extended
    abstracts
    (up to 3 pages including references) containing descriptions of
    ongoing projects or presenting already published results







Manuscripts
should be submitted to CIRCLE’22’s Easychair site
(https://easychair.org/conferences/?conf=circle2022)
in PDF format and must be in English using the current ACM
two-column conference format.
Suitable LaTeX, Word, and Overleaf templates are available from the
ACM
Website
(use the“sigconf”proceedings template).


Long
and short
submissions must be anonymous
and will be
peer reviewed by at least 3 reviewers in a double-blind process by
the CIRCLE common program committee. Resource
and demo
submissions
as well as extended
abstracts
are not
anonymous
and will be peer reviewed by at least 3 reviewers in a single-blind
process by the CIRCLE common program committee


The
conference language for this track will be English. Each accepted
paper will be orally presented and will be part of the proceedings
which will be sent to CEUR-WS.org for online publication.










Lien direct

Notre site web : www.madics.fr
Suivez-nous sur Tweeter : @GDR_MADICS
Pour vous désabonner de la liste, suivre ce lien.

Amélioration d’un algorithme d’apprentissage automatique pour la reconnaissance de polluants fluorés

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

Laboratoire/Entreprise : CASC4DE
Durée : 6 mois
Contact : mad@casc4de.eu
Date limite de publication : 2022-02-28

Contexte :
CASC4DE est une entreprise spécialisée dans le développement de méthodes analytiques ainsi que dans l’ingénierie de logiciels et de données. Nous développons des solutions innovantes pour relever les défis de la gestion et du traitement de grands ensembles de données analytiques en combinant des compétences interdisciplinaires dans les domaines de la biochimie, des mathématiques et des sciences des données. En outre, la société mène sa R&D dans l’esprit de la science ouverte (données F.A.I.R. si possible) et de l’open-source (logiciels libres et indépendants). CASC4DE propose également des services pour répondre aux problématiques analytiques des clients. Nous proposons des approches multi-analytiques avec un accès à des techniques avancées de Résonance Magnétique Nucléaire (19F fluor, RMN 2D, 3D) ou de Spectrométrie de Masse (FTICR MS, 2D FTMS).

Sujet :
Le fluor est un élément commun mais non métabolisé dans les organismes vivants. Il fait partie de molécules artificielles largement utilisées dans l’industrie et les produits de consommation courante. Les molécules fluorées sont extrêmement résistantes et couramment utilisées dans la synthèse de produits, elles font partie des polluants de l’environnement et sont plus particulièrement connues sous le nom de POP (polluants organiques persistants). Des normes existent pour limiter la quantité de molécules fluorées présentes dans l’environnement mais aucune technique complète n’existe pour le moment pour détecter et identifier ces polluants fluorés. L’idée du projet ANR “FLUOVIAL” est d’atteindre cet objectif en utilisant la RMN 19F.
Le projet est conçu en plusieurs phases :
– acquisition de données RMN 19F de composés fluorés connus
– application d’algorithmes spécialement conçus pour le prétraitement des données
– développement d’un algorithme d’apprentissage automatique (Random Forest) sur les spectres prétraités pour effectuer une classification par molécules
– application de l’algorithme entraîné à des composés inconnus pour détecter et identifier les molécules fluorées
Ce projet sert de base au projet IPANEMA (https://www6.paca.inrae.fr/emmah/Equipes-de-recherche/Equipe-DISCOVE/Projets-en-cours/IPANEMA) financé par l’ADEME qui vise à développer des outils permettant de mieux prévoir le devenir dans les sols des polluants perfluorés (PFAS), très utilisés dans l’industrie.
L’algorithme Random Forest (RF) a été choisi parmi la grande quantité d’algorithmes d’apprentissage automatique disponibles et applicables dans le cas présent car il a fourni de bons résultats préliminaires. La RF est un algorithme d’apprentissage supervisé, avec tous les échantillons étiquetés, basé sur de multiples arbres de décision à partir desquels une prédiction finale est faite par un vote entre chaque arbre individuel. L’algorithme développé et optimisé a donné de bons résultats sur les exemples de la base de données, atteignant plus de 90% de bonnes prédictions.
L’idée durant le stage serait d’améliorer l’outil d’apprentissage automatique développé en :
– ajoutant des outils d’analyse de la Random Forest, notamment pour la recherche et l’évaluation des critères déclenchant la décision de classification
– mettant en évidence graphiquement les zones du spectre qui ont déclenché la décision de la Random Forest
– proposant la superposition du spectre expérimental inconnu, et des spectres de référence
– effectuant éventuellement une nouvelle optimisation de l’algorithme
– permettant l’analyse sur des mélanges

Profil du candidat :
Etudiant de M2 ou cycle ingénieur portant un intérêt aux méthodes d’analyses de données automatiques.

Formation et compétences requises :
Compétences de programmation en langage Python – Familiarité avec l’environnement Jupyter.

Adresse d’emploi :
Pôle API – Boulevard Sébastien Brant – 67400 Illkirch-Graffenstaden

Contacts: mad@casc4de.eu, laura.duciel@casc4de.eu

Documentalist CDS VizieR (Chargé-e du traitement des données scientifiques)

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

Laboratoire/Entreprise : Observatoire Astronomique de Strasbourg
Durée : 12 mois (renouvelabl
Contact : soizick.lesteven@astro.unistra.fr
Date limite de publication : 2022-02-10

Contexte :
Le Centre de Données astronomiques de Strasbourg (CDS) gère d’importantes bases de données qui servent de référence pour la communauté astronomique internationale. Le CDS développe des services en ligne qui permettent d’accéder à ces bases et aussi de les exploiter (http://cds.unistra.fr/). Le CDS compte parmi ses utilisateurs les agences spatiales (l’Agence Spatiale Européenne (ESA) et la NASA), les principaux observatoires, tel que l’Observatoire Austral Européen (ESO), ainsi que l’ensemble des instituts de recherche en astrophysique possédant une composante observationnelle.VizieR, en particulier, est une base de données de catalogues du ciel, qui traite plus de 500 000 requêtes par jour, reçues du monde entier.

——————————————————————————————————-
(english version)
The Strasbourg Astronomical Data Centre (CDS) provides scientific services that serve as a reference for the international astronomical community. The CDS develops online services that allow access to these databases and also to exploit them (http://cds.unistra.fr/). CDS users include space agencies (the European Space Agency (ESA) and NASA), major observatories such as the European Southern Observatory (ESO), as well as all astrophysical research institutes with an observational component. VizieR, in particular, is a service for astronomical catalogues which is heavily used by the community with more than 500,000 queries per day, received from all over the world.

Sujet :
Au sein d’une équipe de documentalistes (Chargés du traitement des données scientifiques), d’astronomes et d’informaticiens, vous serez chargé(e) de décrire, indexer, standardiser et vérifier des données tabulaires provenant des principales revues d’astrophysique pour alimenter la base de données VizieR, dans le but d’optimiser leur exploitation scientifique. Les documents sont écrits en anglais, langue principale de publication des articles scientifiques et des données en astrophysique.

Activités :
– Extraction, standardisation, description et mise en forme des données à l’aide d’outils spécifiques.
– Vérifications des données avant ingestion dans la base de données VizieR.
– Interaction avec les astronomes du Centre de Données astronomiques de Strasbourg (CDS).

———————————————————————————————-
(english version)
As part of a team of documentalists, astronomers and computer scientists, you will be responsible for describing, indexing, standardising and checking tabular data from the main astrophysical journals to feed the VizieR database, with the aim of optimising their scientific exploitation. The documents are written in English, the main language of publication of scientific articles and data in astrophysics.

Activities
– Extraction, standardisation, description and formatting of data using specific tools.
– Verification of data before ingestion into the VizieR database.
– Interaction with the astronomers of the Strasbourg Astronomical Data Centre (CDS).

Profil du candidat :
Bac + 3 ans minimum

Formation et compétences requises :
Connaissances :
– Expérience informatique souhaitée (UNIX, script, python, …)
– Astronomie ou capacité à apprendre l’astronomie (être à l’aise avec les données scientifiques et numériques)
– Anglais lu indispensable

Compétences opérationnelles :
– Rigoureux et autonome
Compétences comportementales :
– Goût du travail en équipe souhaité

——————————————————————————————————-
(english version)
Knowledge :
– Computer experience welcomed (UNIX, python, scripts)
– Astronomy knowledge or ability to learn astronomy (comfortable with scientific and numerical data)
– English reading/comprehension essential
Operational skills:
– Rigorous and autonomous
– Taste for teamwork desired

Adresse d’emploi :
Centre de Données astronomique de Strasbourg (CDS)
Observatoire astronomique de Strasbourg (ObAs), UMR 7550
11, rue de l’Université 67000 Strasbourg

Détection d’anomalies dans le cadre d’une maintenance préventive

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

Laboratoire/Entreprise : LIST3N/UTT
Durée : 6 mois
Contact : malika.kharouf@utt.fr
Date limite de publication : 2022-02-10

Contexte :
Collaboration de recherche entre deux des axes du laboratoire LIST3N.

Sujet :
Le but de ce stage est de développer une méthode d’apprentissage exploitant les données provenant de capteurs afin de détecter des anomalies dans le cadre d’une maintenance prédictive.

L’algorithme à développer sera basé sur de récents résultats de la théorie des matrices aléatoires.

Profil du candidat :
Etudiant en M2 mathématiques appliquées ou dernière année d’école d’ingénieurs, avec une spécialisation dans la science des données et/ou en apprentissage statistique.

Formation et compétences requises :
Le(la) candidat(e) devra avoir des connaissances académiques en apprentissage statistique, en modélisations numériques et en programmation (Python, Matlab, …).

Adresse d’emploi :
Université de technologie de Troyes
12 Rue Marie Curie, 10300 Troyes

Ingénieur de recherche / Postdoc à INRIA Montpellier

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

Laboratoire/Entreprise : INRIA
Durée : 3 ans
Contact : reza.akbarinia@inria.fr
Date limite de publication : 2022-03-31

Contexte :
Ce poste est proposé dans le cadre d’un projet de recherche (Promise, https://pro.inserm.fr/wp-content/uploads/2021/12/plaquette-PROMISE.pdf) dont l’objectif est de créer un entrepôt de données pour intégrer les données des partenaires du projet liées à l’antibiorésistance. Le développement de l’entrepôt de données sera réalisé en collaboration avec l’équipe Zénith de l’Institut national de recherche en sciences et technologies du numérique (INRIA). L’équipe Zenith, experte en gestion des données scientifiques, a une solide expérience dans le traitement de grandes quantités de données produites par différentes méthodes.

Sujet :
Les principales activités de la personne recrutée sont les suivantes :
• Concevoir un entrepôt de données pour stocker des grands volumes de données.
• Échanger avec les partenaires pour établir au mieux la signification et les possibilité. d’interrogation sur les données, en particulier en les croisant avec celles des autres partenaires.
• Intégrer les données des partenaires dans l’entrepôt de données.
• Créer des pages web pour visualiser les résultats des requêtes et mettre à jour les données.

Profil du candidat :
Ingénieur (Bac +5) ou titulaire d’un doctorat

Formation et compétences requises :
Compétences techniques et niveau requis :
• Expérience dans le développement des systèmes de gestion de données NoSQL, en particulier MongoDB ou Cassandra.
• Connaissance du développement des sites web.

Adresse d’emploi :
Équipe Zenith, Inria, Montpellier

Asynchronous MCMC algorithms for fast Bayesian inference

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

Laboratoire/Entreprise : CRIStAL UMR 9189 (Lille)
Durée : 3 ans
Contact : pierre.chainais@centralelille.fr
Date limite de publication : 2022-09-15

Contexte :
The project is part of the ANR Chaire IA SHERLOCK (Fast inference with controlled uncertainty: application to astro- physical observations) led by Pierre Chainais (co-funded by Agence Nationale de la Recherche (ANR), ISITE, Centrale Lille Institut and Région Haut-de-France). The succesful candidate will be jointly supervised by Pierre Chainais and Pierre-Antoine Thouvenin in the CRIStAL lab (UMR 9189), Lille, France.
This work will be conducted in the continuity of an ongoing collaboration initiated by Pierre-Antoine Thouvenin with Audrey Repetti – research associate at Heriot-Watt University – and Pierre Chainais. There will be opportunities for short or longer stays at Heriot-Watt University.
The successful candidate will have access to the medium scale computing center from the Universtiy of Lille, and the national flagship Jean Zay supercomputer.

Sujet :
1 Project overview
This project is aimed at accelerating MCMC algorithms for fast Bayesian inference in large scale problems. Applications in astronomy (e.g., hyperspectral imaging) or in remote sensing (e.g., multimodal multi-temporal source separation) could be considered. The project is part of the ANR Chaire IA SHERLOCK led by Pierre Chainais (co-funded by ISITE, Centrale Lille Institut and Région Haut-de-France).
Many signal and image processing applications, ranging from astronomy (Abdulaziz et al. 2019; Cai et al. 2018) to remote sensing (Borsoi et al. 2021; Ghamisi et al. 2019), involve large datasets. In absence of ground truth, fast parameter inference under controlled uncertainty is critical to guarantee the quality of the resulting predictions.
Asynchronous (parallel or distributed) optimization algorithms have recently regained interest due to their potential of acceleration, in comparison with their synchronous counterparts (Hannah et al. 2017). However, optimization algorithms only bring a point estimate, such as the maximum a posteriori (MAP) estimator. Markov-chain Monte Carlo (MCMC) methods bring a richer information by sampling the posterior distribution of the model. MCMC methods are known to induce larger computational costs compared to optimization algorithms. Nevertheless, recent works at the interface between deterministic and stochastic optimization have introduced efficient samplers to address larger datasets (Durmus et al. 2018; Vono et al. 2020). With the exception of (Simsekli et al. 2018; Terenin et al. 2020), asynchronous MCMC algorithms largely remain to be investigated.
This PhD project is aimed at studying the potential of asynchronous MCMC algorithms for fast Bayesian inference in high dimensional problems.
Keywords. Bayesian inference, MCMC algorithms, asynchronous algorithms.

Profil du candidat :
Master 2 or last year engineering school students with major in applied mathematics, computer science or electrical engineering. The project requires a strong background in data science and/or machine learning (statistics, optimization), signal & image processing. Very good Python coding skills are expected. A B2 English level is mandatory.
Knowledge in C++ programming, as well as experience or interest in parallel/distributed code development (MPI, OpenMP, CUDA, …) will be appreciated.

Formation et compétences requises :
A B2 English level is mandatory.
Knowledge in C++ programming, as well as experience or interest in parallel/distributed code development (MPI, OpenMP, CUDA, …) will be appreciated.

Adresse d’emploi :
CRIStAL, Cité Scientifique, 59651 Villeneuve d’Ascq Cedex

Document attaché : 202201242015_phd_project_2022.pdf