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

Laboratoire/Entreprise : Entreprise Jeolis et LIMOS
Durée : 1 ou 2 ans
Contact : christophe.rey@uca.fr
Date limite de publication : 2021-10-01

Contexte :
Collaboration entre un laboratoire LIMOS / CNRS et une jeune entreprise innovante Jeolis Solutions, les deux situées à Clermont-Ferrand, dans le domaine de l’e-Santé et plus spécifiquement l’Education Thérapeutique du Patient (ETP, qui selon l’OMS, vise à aider les patients à acquérir ou maintenir les compétences dont ils ont besoin pour gérer au mieux leur vie avec une maladie chronique). Les contraintes environnementales et la crise sanitaire comme celle du Covid-19 plaident pour une absolue nécessité de développer rapidement une digitalisation intelligente afin d’aboutir à une e-ETP motivante, ludique et personnalisée.

Sujet :
Dans les perspectives de l’article [1], il a été énoncé la possibilité d’améliorer l’expressivité logique du programme en utilisant d’autres approches comme ASP (Answer Set Programming) afin de limiter l’utilisation de code impératif.

Les missions de la personne recrutée seront l’implémentation d’outils permettant de :

Combiner le meilleur des mondes OWL2 et ASP
OWL2 pour l’aspect statique des connaissances (TBox et ABox + vérification de la consistance par classification d’individus), comme ce qui est proposé dans l’éditeur Protégé. De plus OWL2 permet l’héritage entre classes et relations.
ASP pour l’aspect dynamique des connaissances et la pertinence de règles logiques avec négation(s), contraintes et non monotones

L’aspect théorique de cette hybridation a été proposé dans Hexlite [2] mais nous pensons qu’une mise en œuvre en tout Python faciliterait l’adoption.

Etablir une transcription DMN à ASP

Ecrire un programme ASP n’est pas encore à la portée des experts métiers du monde industriel, ce qui ne facilite pas l’adoption d’ASP malgré des solveurs performants. Cependant, il existe le standard DMN (Decision Model and Notation) du consortium OMG qui permet aux industriels d’écrire des systèmes de décision à partir de simples tableaux type Excel. Il serait intéressant d’avoir un outil permettant le passage de DMN à ASP, comme ce qui a été proposé récemment dans cDMN [3].

L’intérêt serait de permettre aux experts psychologues, pédagogues d’écrire, d’améliorer, de tester des stratégies de progression plus facilement, plus rapidement qu’actuellement, sans passer par un expert ingénieur spécialisé en Ingénierie des connaissances.

Contexte de travail

La personne recrutée rejoindra le thème Données, Services, Intelligence du LIMOS mais sera mise à disposition de l’équipe R&D de Jeolis Solutions à hauteur de 80% de son temps (application du plan France Relance – préservation de l’emploi R&D en entreprise).

Le CDD est d’une durée de 12 ou 24 mois (à préciser au moment de la demande France Relance), et commencera en septembre-octobre 2021, adaptable en fonction des disponibilités de la personne retenue.

Références

[1] Xavier Goblet, Christophe Rey : « Suivi thérapeutique intelligent par recommandation à base d’ontologie et de règles ». Conférence Applications Pratiques de l’Intelligence Artificielle (APIA) dans le cadre de la Plate-Forme de l’Intelligence Artificielle (PFIA) du 29 juin au 3 juillet 2020

[2] Peter Schüller : “A new OWLAPI interface for HEX-Programs applied to Explaining Contingencies in Production Planning”. In: New Foundations for Human-Centered AI, Workshop at ECAI 2659, pages 25-31, 2020

[3] Aerts B., Vandevelde S., Vennekens J. (2020) Tackling the DMN Challenges with cDMN: A Tight Integration of DMN and Constraint Reasoning. In: Gutiérrez-Basulto V., Kliegr T., Soylu A., Giese M., Roman D. (eds) Rules and Reasoning. RuleML+RR 2020. Lecture Notes in Computer Science, vol 12173. Springer. https://arxiv.org/abs/2005.09998

Profil du candidat :
Titulaire d’un diplôme de master en informatique (obtenu en 2019, 2020 ou 2021) avec une solide expérience en développement Python

Modalités de candidature

Les personnes candidates sont invitées à soumettre un CV, une lettre de motivation et éventuellement des lettres de référence, en format PDF à engelbert.mephu_nguifo@uca.fr, à christophe.rey@uca.fr et à xavier.goblet@lojelis.com .

Les candidatures seront traitées au fil de l’eau.

Formation et compétences requises :
Compétences attendues

· Titulaire d’un diplôme de master en informatique (obtenu en 2019, 2020 ou 2021) avec une solide expérience en développement Python

· Connaissances/expériences des standards du web sémantique (OWL2, SWRL…) et aussi en programmation logique (PROLOG, Answer Set Programming…)

· Connaissances en Ingénierie des connaissances

· Expérience de l’outil gestionnaire de code Git et méthodologie Agile

· Respect des délais, rigueur, organisation, capacité à travailler en équipes pluridisciplinaires

Adresse d’emploi :
JEOLIS SOLUTIONS
12 CRS SABLON
63000 CLERMONT-FERRAND
France

LIMOS
Campus Universitaire des Cézeaux
1 rue de la Chebarde
TSA 60125
CS 60026
63178 AUBIERE CEDEX – FRANCE

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

Laboratoire/Entreprise : ICube
Durée : 1 an renouvelable 1
Contact : aurelie.leborgne@unistra.fr
Date limite de publication : 2021-11-01

Contexte :
L’offre d’outils numériques au service de l’activité professionnelle des enseignants est multiple et s’est révélée particulièrement utile au cours de ces 12 derniers mois dans le contexte de la crise sanitaire.
Devant ce constat, et pour favoriser la motivation intrinsèque des élèves, il est nécessaire d’avoir recours à la pédagogie adaptative, prenant en compte la variété intra- et inter-individuelle des profils des élèves de l’enseignement secondaire. Le frein majeur est que ce type de pédagogie est chronophage pour l’enseignant, d’autant plus que les effectifs des classes sont importants. Dès lors, et compte tenu de l’essor du numérique dans le monde de l’éducation, il devient alors possible de proposer des méthodes algorithmiques d’intelligence artificielle, et en particulier en optimisation [Deneubourg et al., 1990] [Valigiani et al., 2007], pour accompagner les enseignants dans un encadrement plus personnalisé de leurs élèves, notamment pour proposer à ceux-ci des enchaînements d’exercices devant aboutir à l’acquisition de compétences données.

Sujet :
Il s’agira, dans ce projet, de créer un une preuve de concept algorithmique permettant à chaque apprenant d’atteindre les objectifs visés par l’enseignant tout en poursuivant une progression adaptée à son propre profil. Pour ce faire, cet algorithme devra permettre à l’élève d’être acteur de son apprentissage et d’être guidé de manière individuelle dans le choix des exercices à réaliser. Il s’agira donc de proposer à l’apprenant de choisir parmi des exercices proposés en lui exposant une estimation du taux de réussite et des risques pour chacune des voies. Par conséquent, l’apprenant sera doublement impliqué dans ce processus :
– En résolvant des exercices ;
– En étant impliqué dans le choix de son cheminement dans la progression pédagogique
proposée par l’enseignant.
Pour répondre à cette problématique, la proposition ci-après repose sur trois piliers principaux, d’ores et déjà accessibles via le concept d’hommilière (reposant sur l’optimisation par colonies de fourmis) [Valigiani et al., 2007] :
– L’évaluation respective du niveau des apprenants et des ressources pédagogiques [Valigiani et al., 2006] ;
– La représentation de la progression des ressources pédagogiques [Valigiani et al., 2007] ;
– La personnalisation de la trajectoire pédagogique des apprenants [Valigiani et al., 2007] .

L’objectif du projet est, dans un premier temps, de mettre en œuvre un système d’hommilière complet et fonctionnel pour répondre à la problématique de l’accompagnement personnalisé des élèves. Dans un second temps, il s’agira de s’attacher à résoudre les verrous scientifiques suivants:
– Comment établir des profils de groupes et utiliser ces profils pour optimiser la trajectoire pédagogique des apprenants ? [Solon et al., 2021]
– Comment améliorer la mise à jour automatique de la progression pédagogique initiale selon les trajectoires des apprenants ? [Delhomme, 2017] [Clement, 2018] [Lopes et al., 2013]
– Comment permettre à l’enseignant une prise de recul grâce aux trajectoires globales et individuelles ayant émergées à partir de la progression pédagogique initiale ?

Références :
[Clement, 2018] Benjamin Clement. Adaptive Personalization of Pedagogical Sequences using Machine Learning. PhD thesis, 2018.
[Delhomme, 2017] Unification des notions de phéromone et de niveau ELO pour la rétribution d’arcs dans un graphe de progression pédagogique. Rapport de stage de magistère de mathématiques, 2017.
[Deneubourg et al., 1990] Deneubourg JL, S. Aron S, Goss S & Pasteels JM, The self-organizing exploratory pattern of the argentine ant. Journal of Insect Behavior, 3, 159-168, 1990.
[Lopes et al., 2013] Manuel Lopes, Benjamin Clement, Didier Roy, and Pierre-Yves Oudeyer. Multiarmed bandits for intelligent tutoring systems. CoRR, 2013.
[Solon et al., 2021] Yohan Solon, Anne Jeannin-Girardon et Pierre Collet, POEM : Personnalised Open Education for the Masses, workshop de l’Idip de Strasbourg « Mettre à profit l’expérience d’enseignement à distance contraint : au-delà des outils, les pratiques renouvelables », juillet 2021.
[Valigiani et al., 2006] Grégory Valigiani, Evelyne Lutton, Pierre Collet: Adapting the ELO Rating System to Competing Subpopulations in a “Man-Hill”. ISPE CE 2006.
[Valigiani et al., 2007] Grégory Valigiani, Evelyne Lutton, Cyril Fonlupt, Pierre Collet: Optimisation par “hommilière” de chemins pédagogiques pour un logiciel d’e-learning. Tech. Sci. Informatiques 26(10): 1245-1267, 2007.

Profil du candidat :
Nous recherchons un·e jeune docteur·e en informatique spécialisé·e en intelligence artificielle et en optimisation stochastique. Un intérêt pour les sciences de l’éducation et la pédagogie est un plus.
Le/la candidat·e doit être titulaire d’un doctorat obtenu durant les années universitaires 2019-2020 et 2020-2021

Formation et compétences requises :
programmation Java, programmation Python

Adresse d’emploi :
Laboratoire ICube dans le Bas-Rhin en Alsace.

Document attaché : 202107201544_postdoc_optimisation_trajectoires_pedago.pdf

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

Laboratoire/Entreprise : LIRIS / SPIE Tertiaire et Industrie
Durée : 36 mois
Contact : stephane.derrode@ec-lyon.fr
Date limite de publication : 2021-08-16

Contexte :
Contexte :
La réalité mixte est une technologie qui superpose le monde réel et le monde virtuel pour créer un nouvel environnement dans lequel les composants physiques et numériques peuvent interagir en temps réel. Elle est en train de transformer la façon dont les entreprises de construction interagissent avec les informations. Dans ce contexte, SPIE Industrie & Tertiaire développe une application combinant images réelles et modèle numérique pour aider au suivi et au contrôle de ses chantiers. L’objectif de la thèse est de poursuivre le travail entamé dans ce domaine en cherchant à automatiser certaines tâches de reporting, pour améliorer la collaboration et la coordination des projets de construction en temps réel.

Sujet :
Votre sujet de recherche :
Le travail de recherche consistera à développer des algorithmes innovants de reconnaissance d’objets dans les images et d’identification des éléments correspondant dans un modèle numérique, pour générer des rapports instantanés de progression du chantier (élément présents/manquants, équipements mal-posés…). Ces algorithmes pourront s’appuyer sur l’expertise de l’opérateur.rice sur le terrain pour compléter et corriger leur détection puis utiliseront ces feedbacks pour améliorer leur performance au fil du temps.
Le travail de développement consistera en un POC (« Proof-Of-Concept ») qui sera intégré à la solution développée actuellement par une société partenaire spécialisée.
Des phases intensives de tests, dans différents scénarios à imaginer, seront également organisées pour évaluer la fiabilité et la robustesse de la solution retenue.

Profil du candidat :
Le candidat doit être titulaire d’un Master 2 en Informatique et/ou d’un diplôme d’ingénieur avec une spécialité en informatique.

Formation et compétences requises :
Le.la candidat.e saura démontrer des compétences dans le domaine du traitement d’images/vision par ordinateur, de la reconnaissance de formes et du Machine Learning, et (éventuellement) de la réalité augmentée.
Il.elle saura démontrer une expérience certaine dans la pratique d’au moins un langage de programmation (de préférence le C++).
Il.elle saura démontrer autonomie, esprit d’analyse, aisance dans la communication orale et écrite (y compris en anglais) et des capacités de travail en équipe.

Adresse d’emploi :
Pour postuler, merci d’envoyer votre CV, une lettre de motivation et vos relevés de notes de master (Bac+4 et Bac+5), dans un seul document pdf, aux 3 adresses mail ci-dessous, avant le 15 août 2021.

Contacts :
• Kevin Kernn (kevin.kernn@spie.com), Directeur Développement Commercial, Stratégie et Innovation de la division Tertiaire de SPIE Industrie&Tertiaire.
• Anthony Roux (anthony.roux@spie.com) Responsable du Développement des Ressources Humaines de la division Tertiaire de SPIE Industrie&Tertiaire.
• Stéphane Derrode (stephane.derrode@ec-lyon.fr), Prof. à l’Ecole Centrale de Lyon et responsable de l’équipe Imagine du LIRIS.

Entreprise :
La division Tertiaire de SPIE Industrie & Tertiaire, filiale de SPIE France, propose des solutions multi-techniques dédiées aux bâtiments et porte l’ensemble des expertises en génie climatique en France.
Acteur incontournable de la construction et de la rénovation, elle œuvre chaque jour pour favoriser les nouveaux usages. En contribuant à rendre les bâtiments intelligents, humains et interconnectés, nous améliorons le confort et le bien être des occupants tout en réduisant l’impact carbone de leur environnement.

Laboratoire d’accueil :
La thèse se déroulera au sein du LIRIS, sous le co-encadrement de R. Chalon (équipe Sical) et de S. Derrode (équipe Imagine), au sein du département Mathématiques et Informatique de l’Ecole Centrale de Lyon. L’inscription en thèse se fera au sein de l’École Doctorale InfoMaths (ED 512). Cette inscription nécessite une phase d’accréditation qui peut prendre jusqu’à 2 mois.

Informations sur le poste :
• Salaire : 30 k€ brut annuel sur une base 35H
• Date limite pour postuler : 15 août 2021
• Date de début de thèse : novembre 2021
Le financement est celui d’une bourse CIFRE ; le temps de travail se partagera entre la société et le laboratoire, selon un rythme à définir.

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

Laboratoire/Entreprise : LISN (issu le 1-1-21 de la fusion du LISMI et d’u
Durée : 12 mois
Contact : anne.vilnat@lisn.upsaclay.fr
Date limite de publication : 2021-09-15

Contexte :
Nous recherchons un ingénieur de recherche/post-doctorant expérimenté pour travailler au sein du laboratoire LISN du CNRS et de l’Université Paris-Saclay, au sein du groupe ILES, en Traitement Automatique des Langues (TAL).

Il s’agit de travailler sur un projet d’assistant virtuel d’enseignement (chatbot dédié à l’éducation et la formation), qui fait l’objet d’une collaboration entre le laboratoire et l’entreprise The AI Institute qui travaille sur la mise au point de https://professorbob.ai/.
Ce projet est soutenu par la SATT de Paris-Saclay dans le cadre des projets de maturation.

Sujet :
Le but global du projet est d’assister un enseignant en l’aidant à répondre à des questions nombreuses et répétitives des apprenants. Il faut donc apprendre à répondre aux questions, en s’appuyant sur des données fiables, fournies par les enseignants. En s’appuyant sur les travaux récents dans le domaine du TAL, on sait qu’il est possible d’améliorer les systèmes classiques et basiques de réponses à des questions. Cependant, les données au sein des quelles les réponses devront être trouvées ne sont pas les données classiques utilisées dans les campagnes d’évaluation, mais des données en lien avec la discipline en cours d’apprentissage.
Dans ce contexte, il faut d’abord recueillir une importante quantité de données, afin de constituer un grand nombre d’associations de questions et de réponses, pour ensuite mettre en œuvre des technologies de TAL pour associer la bonne réponse à une question posée.
Dans une première étape, le travail consistera donc à formater les données pour constituer un corpus puis à modéliser comment constituer cet ensemble de paires question/réponse partir de données structurées ou non structurées en relation avec la discipline en cours d’apprentissage. Les données sont issues de sources diverses : livres universitaires, polycopiés de cours, sites autorisés en lien avec la discipline en cours d’apprentissage par l’apprenant. Il faudra ensuite évaluer quelles sont les modèles les plus adéquats . La difficulté vient également du fait que l’on souhaite ensuite pouvoir généraliser les recherches, et donc minimiser le travail qui sera à refaire quand on veut transférer le système soit à une autre langue, soit à une autre discipline.

Profil du candidat :
Niveau de Formation : Doctorat avec de l’expérience
Expérience en encadrement souhaitable

Formation et compétences requises :
Compétences Requises
• Connaissance des les outils du TAL :
◦ Modèles Deep Learning: connaissances théoriques et manipulation avancée des RNN, Auto-encoders, Transformers, etc..
◦ Bibliothèques et frameworks Machine Learning comme NLTK, Spacy, Scikit-learn, Keras, Tensorflow, Pytorch, etc..
• Algorithmique: bonne connaissance des algorithmes classiques sur les textes, arbres, graphe
• Statistiques: connaissances des techniques d’échantillonnage
• Anglais scientifique courant
• Compétences supplémentaires souhaitables : Moteurs de recherche et traitements textuelindexation, utilisation d’ElasticSearch ou SolR, formalisation et recherche d’expressions régulières

Adresse d’emploi :
LISN, rue du Belvédère, campus universitaire Université Paris-Saclay

Document attaché : 202107131011_poste1.pdf

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

Laboratoire/Entreprise : Institut des Géosciences de l’Environnement (IGE)
Durée : 12 mois (+ext.)
Contact : Julien.Lesommer@univ-grenoble-alpes.fr
Date limite de publication : 2021-07-31

Contexte :
The Institute for Environmental Geosciences (IGE) is looking for a post-doctoral researcher to develop subgrid scale parameterizations for ocean models based on machine learning in the frame of the M2LINES project (https://m2lines.github.io). He/she will focus on improving the representation of submesoscale processes in the NEMO-OCE ocean model (https://www.nemo-ocean.eu) with Deep Neural Networks.

Sujet :
The postdoctoral researcher will use a coarse graining approach applied to high resolution ocean numerical simulations and Deep Neural Networks in order to formulate parameterizations of the impact of unresolved turbulent processes in coarser resolution ocean models. The work will involve analysing several kilometric resolution ocean model simulations through a cloud-based system and formulating inverse problems for estimating the contribution of unresolved processes on ocean dynamics from coarse grained information. The inverse problems will then be solved with physics-aware machine learning algorithms based on Deep Neural Networks. The learned subgrid closures will eventually be tested within the NEMO-OCE ocean model (https://www.nemo-ocean.eu) using SmartSim (https://github.com/CrayLabs/SmartSim) in order to assess their a posteriori skills in realistic simulations. The subgrid closures will focus in priority on the representation of the impact of submesoscale variability on air-sea interactions and ocean surface boundary layer dynamics in ocean climate models. The research will be conducted as part of the M2LINES project (https://m2lines.github.io) and will involve several international collaborators.

Profil du candidat :
The candidates research track record should demonstrate their ability to carry out cutting edge research in one of the following fields : ocean fine scale processes, ocean modelling, turbulent closures, data-driven large eddy simulation via machine learning. Their research background should demonstrate their strong interest in approaches bridging physical science and computational science. Computational skills should include Python, FORTRAN and some experience with one of the prominent software libraries in machine learning (in particular PyTorch or TensorFlow). They should speak and write English fluently and be able to interact in a multicultural environment. They will need to demonstrate curiosity, autonomy and initiative

Formation et compétences requises :
The expected candidates should hold a PhD in physical oceanography, atmospheric science or computational fluid dynamics.

Adresse d’emploi :
https://bit.ly/3AyOiD5

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

Laboratoire/Entreprise : Lagrange, Observatoire de la Côte d’Azur
Durée : 14 mois
Contact : benoit.carry@oca.eu
Date limite de publication : 2021-07-14

Contexte :
Nous mettons sur pied un centre de données et de services dédié à l’étude des petits corps du système solaire (astéroïdes, comètes). Ce centre a pour but de faciliter l’accès aux différentes bases de données et services en ligne proposés par la communauté scientifique française et internationale.

Le travail sera réalisé au sein du laboratoire Lagrange, de l’Observatoire de la Côte d’Azur, à Nice. Les chercheurs de cette unité sont fortement impliqués dans le développement de services en ligne pour les petits corps du système solaire.

Voir également: https://bit.ly/3AJLgvK

Sujet :
Dans le cadre de l’étude préliminaire à la mise en place d’un centre de données et de services dédié à l’étude des petits corps du système solaire, participer à une ou plusieurs phases du cycle de vie des logiciels : analyse, développement, qualification, intégration, déploiement dans le respect du cahier des charges, des normes et des règles de sécurité ; assumer des responsabilités de gestion de projet pour la ou les phases prises en charge.

– Prendre en charge tout ou partie de l’activité de gestion de projet (estimer, planifier, suivre)
– Contribuer à la mise en place et au respect des dispositions qualité et des normes
– Animer et encadrer éventuellement une équipe
– Rédiger et mettre à niveau les documentations techniques et fonctionnelles
– Modéliser, concevoir et/ou paramétrer tout ou partie de la solution logicielle
– Développer et tester les objets et composants
– Assurer la maintenance évolutive et curative des développements réalisés
– Élaborer la stratégie de test, concevoir, spécifier et exécuter des tests fonctionnels et/ou techniques
– Créer et tester les packages applicatifs et les scripts de déploiement en production
– Réceptionner, installer, documenter, mettre à disposition les packages en assurant le suivi des versions
– Assurer une assistance fonctionnelle et/ou technique aux exploitants et aux utilisateurs
– Concevoir les actions de formation techniques et fonctionnelles

Profil du candidat :
Ingénieur (H/F) d’étude avec expérience en génie logiciel. Toute connaissance et expérience en calcul scientifique est un atout.

Formation et compétences requises :
– Méthodologie de conduite de projet (Connaissance approfondie)
– Génie logiciel (connaissance approfondie)
– Méthodes de modélisation et de développement (connaissance approfondie)
– Méthodes d’analyse et de conception
– Méthodes de mise en production
– Protocoles de communication
– Méthodologie de tests
– Framework
– Langage de programmation: python et programmation graphique
– Référentiel des bonnes pratiques
– Sécurité des systèmes d’information et de communication
– Anglais technique

Adresse d’emploi :
Observatoire de la Côte d’Azur
Boulevard de l’Observatoire
CS 34229 – F 06304 NICE Cedex 4

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

Laboratoire/Entreprise : L@abIsen – entreprise ACOME
Durée : 15 mois
Contact : benoit.lardeux@isen-ouest.yncrea.fr
Date limite de publication : 2021-11-01

Contexte :
ACOME: A la fois leader et spécialiste sur les marchés des réseaux télécoms et infrastructures, des réseaux
du bâtiment, de l’automobile et de l’embarqué, ACOME est aujourd’hui le 1er groupe industriel
coopératif français produisant des câbles, des tubes et de la fibre optique sur le territoire national
depuis 1932 et la 1ère SCOP de France (Société Coopérative et Participative) avec une forte
dynamique internationale et des implantations en Chine, en Afrique du Nord et au Brésil.
www.acome.fr

L’ISEN Yncréa Ouest est une école d’ingénieur post-bac reconnue comme un établissement
d’enseignement supérieur privé d’intérêt général sous contrat avec le ministère de l’Enseignement
Supérieur et de la Recherche Les activités de recherche de l’équipe d’accueil (L@bISEN de
l’Yncréa Ouest) sont essentiellement centrées sur le numérique et ses applications notamment
celles dans l’Usine 4.0, les réseaux de capteurs, le campus connecté, le traitement des données,
et l’Intelligence Artificielle. Le laboratoire de Recherche L@bISEN Yncréa Ouest est accrédité par
la HCERES.

Sujet :
Dans le secteur industriel, les entreprises sont soumises à des demandes toujours plus fréquentes
de nouvelles versions de leurs produits pour répondre aux besoins en perpétuel évolution du
marché.

L’industrie de la fabrication des câbles est particulièrement impactée par cette tendance de fond
qui pousse les laboratoires de conception des nouveaux produits à fournir toujours plus de recettes
des nouvelles fabrications en un temps réduit, en prenant en compte les normes imposées par les
clients.

Afin d’améliorer le temps de mise sur marché, un enjeu important est de minimiser le nombre de
tentatives pour fabriquer un nouveau produit afin de minimiser le temps de conception ainsi que
les déchets générés par un nombre trop important d’essais infructueux. Pour cela, le bureau
d’étude de l’entreprise peut utiliser l’expérience et les informations acquises lors des multiples
tentatives déjà enregistrées pour obtenir les produits actuellement commercialisés.

Des masses importantes de données sont donc à disposition pour permettre l’étude des
paramètres qui influent sur la qualité et les particularités des nouveaux câbles générés. La difficulté
consiste à analyser ces données afin d’identifier les paramètres de conception qui ont un impact
sur les indicateurs qu’il est nécessaire d’améliorer.
Le livrable principal pendant ce contrat sera de mettre en place l’architecture logicielle permettant
de collecter les données, les traiter et les analyser. Le jeune docteur pressenti pour ce poste devra
par ailleurs proposer de nouveaux modèles d’optimisation pour généraliser la prise en compte des
indicateurs principaux dans la production de nouveaux câbles. Des méthodes de recherche
opérationnelle et/ou d’intelligence artificielle permettront alors de résoudre ces problèmes clés pour
l’entreprise d’optimisation du processus de conception.

Ce CDD se déroule dans le cadre d’une chaire industrielle entre l’entreprise ACOME, leader
européen dans la création des câbles, et le L@bIsen le laboratoire de l’Ecole Supérieure de
l’Electronique et du Numérique.

Profil du candidat :
Le profil du candidat :
– Jeune docteur
– Appétence pour les problématiques dans l’industrie 4.0
– Une formation solide en outils d’aide à la décision informatique: Recherche Opérationnelle,
Intelligence Artificielle, réseaux de neurones
– Maîtrise des outils logiciels nécessaires à la collecte et le traitement des données
– Une connaissance des techniques de traitement des données massives

Formation et compétences requises :
Doctorat en informatique
Compétences en génie logiciel et génie industriel

Adresse d’emploi :
ISEN Yncrea Ouest – Nantes

Document attaché : 202107080936_postdoc_isen.pdf

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

Laboratoire/Entreprise : Mines Saint-Etienne
Durée : 1 an
Contact : batton@emse.fr
Date limite de publication : 2021-08-24

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 Laboratoire d’Informatique, de Modélisation et d’Optimisation des Systèmes (LIMOS), qui sera lelaboratoire d’accueil, est une Unité Mixte de Recherche (UMR 6158) en informatique, et plus généralement en Sciences et Technologies de l’Information et de la Communication (STIC). Le LIMOS
est principalement rattaché à l’Institut des Sciences de l’Information et de leurs Interactions (INS2I) du CNRS et de façon secondaire à l’Institut des Sciences de l’Ingénierie et des Systèmes (INSIS). Il a pour tutelles académiques l’Université Clermont Auvergne et Mines Saint-Etienne (MSE).

Sujet :
Un des axes forts attendus mais non restrictifs sur ce poste, concerne le développement d’approches de modélisation stochastique communes à la prise en compte de données temporelles, multivariées, qualitatives ou qualitatives et souvent incertaines. Ce travail sera mené conjointement aux différents projets déployés dans l’équipe en lien avec des questionnements industriels.

Profil du candidat :
L’objectif de l’enseignant-chercheur contractuel est de contribuer aux travaux en Science des données réalisés au sein du LIMOS pour répondre aux questionnements en termes de prévision dans le domaine de la fiabilité et/ou du contrôle, de la conception optimale t/ou de l’aide à la décision en lien étroit avec les problématiques sous-jacentes à l’industrie du futur.

Formation et compétences requises :
Le candidat devra être titulaire d’un doctorat Mathématiques appliquées ou en Science des données.

Adresse d’emploi :
Ces missions s’exerceront sur le Campus de Saint-Etienne (42) de Mines Saint-Etienne

Document attaché : 202107071334_EMSE_FAYOL_post-doc_Maths_appli_ingenierie_math-2021.pdf