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

Laboratoire/Entreprise : L@abIsen – entreprise ACOME
Durée : 15 mois
Contact : benoit.lardeux@isen-ouest.yncrea.fr
Date limite de publication : 2021-10-05

Contexte :
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.

ACOME – Mortain
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.

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 :
PhD Informatique, RO, Science des Données, Génie Logiciel

Adresse d’emploi :
L@bIsen
33 Avenue du Champ de Manoeuvre
44300 CARQUEFOU

Document attaché : 202109140945_postdoc_acomeisen.pdf

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

Laboratoire/Entreprise : Université Aix-Marseille
Durée : 2 ans
Contact : Paul.villoutreix@univ-amu.fr
Date limite de publication : 2022-01-01

Contexte :
Recent years have witnessed an explosion of data in biology and medicine. Many acquisition techniques, like microscopy or sequencing techniques, provide complementary views of the same system, e.g. an organ, an embryo, a tumor. To understand the dynamics happening at single cell resolution and develop new personalized treatments, we need to integrate these complementary sources of information. To tackle this problem, this project aims at developing new Temporal Data Integration theoretical and computational methods for various complementary acquisition techniques (microscopy, and multi-omics).

Sujet :
When studying a biological system such as a developing embryo, many acquisition techniques are available. Each of them brings out unique features of the system, however, they are often incompatible and cannot be performed at the same time. To address this challenge we need to develop multi-domain integration techniques. Current approaches rely either on the tools of optimal transport, or multiple autoencoders, however, they are not designed to address temporal data. With this project, we propose to take advantage of multi-domain dynamical data in high-dimensional spaces to infer a dynamical coupling between sequencing data acquisition techniques (such as sc-RNASeq) and microscopy data. This will include theoretical work and computational experiments on artificial and real data. The results of the project are expected to have large impact in the machine learning community and be of wide applicability in real world biological problems. The scientific environment for this project is ideal as it combines expertise in interdisciplinary approaches of machine learning applied to biological data, and expertise in theoretical machine learning.

Profil du candidat :
We are looking for a PhD in machine learning, computer science, applied mathematics with strong interest in machine learning and its applications to biology. The postdoc will take place in Paul Villoutreix’s interdisciplinary team (Learning meaningful representation of life http://bioml.lis-lab.fr/) and the Machine Learning team of the Computer Science lab in Marseille (https://qarma.lis-lab.fr).

Formation et compétences requises :
Theoretical background and coding skills in Machine Learning.

Adresse d’emploi :
Turing Center for Living Systems – CENTURI (Marseille)
LIS and Université Aix Marseille

Document attaché : 202109090700_postdoc temporal data integration.pdf

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

Laboratoire/Entreprise : laboratoire ERIC
Durée : 12 mois
Contact : julien.velcin@univ-lyon2.fr
Date limite de publication : 2022-01-01

Contexte :
Ce contrat constitue l’élément central du projet POIVRE, financé par le programme IRSDI de la fondation Jacques Hadamard (https://www.fondation-hadamard.fr/). Le projet implique des chercheurs du laboratoire ERIC et d’EDF R&D. Les membres du laboratoire ERIC, en collaboration avec leurs partenaires, travaillent depuis quelques années sur le traitement des données textuelles et sur l’apprentissage automatique de représentations adaptées aux réseaux de documents.

Sujet :
Le projet POIVRE vise à construire des nouvelles solutions pour analyser les points de vue, solutions qui seront appliquées à l’analyse des débats sur Twitter au sujet du nucléaire dans la campagne présidentielle française. En effet, cette plateforme d’échange est un réseau d’information hétérogène qui permet aux individus de communiquer en postant des messages (information textuelle) via différents mécanismes (relation de suivre ou d’être suivi, faire suivre le message par ReTweet, aimer ou mentionner). Or, ce type de réseau est un lieu privilégié d’échange de points de vue où s’opèrent des phénomènes de diffusion de l’information, de regroupements partisans, d’influence.

L’objectif du post-doctorant.e est de concevoir des nouvelles méthodes pour analyser les points de vue tels qu’ils se figent dans un réseau d’information hétérogène comme Twitter. Pour cela, l’idée principale consiste à avoir recours à des approches de deep learning comme les Graph Neural Networks (GNN) en les adaptant aux différentes caractéristiques liées à la question du point de vue. En effet, celui-ci peut dépendre de la position du noeud dans le graphe mais également de différents éléments (par ex. les arguments) développés dans le contenu textuel des messages. Les méthodes développées doivent pouvoir être utilisées pour identifier des communautés aux points de vue similaires.

Les méthodes développées dans ce travail seront notamment testées sur un jeu de données issue de Twitter, récolté à l’occasion de la campagne présidentielle qui débute en France. Ce jeu de données portera en particulier sur les débats que suscitent les questions sur l’énergie (nucléaire, énergies renouvelables). En plus du support de chercheurs en Informatique avec une expérience en machine learning et en analyse des réseaux sociaux, le.a post-doctorant.e pourra bénéficier de l’expertise de sociologues spécialistes des questions de l’étude des représentations sur le sujet de l’énergie.

Profil du candidat :
Nous recherchons principalement un docteur en machine learning ayant travaillé sur des données en réseau (graphes). Une expérience en NLP serait un vrai plus, ainsi qu’un intérêt pour le travail collaboratif en étroite collaboration avec les sciences sociales.

Formation et compétences requises :
Doctorat en Informatique avec des compétences en machine learning et si possible en NLP.

Adresse d’emploi :
Laboratoire ERIC – Université Lyon 2, campus de Bron

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

Laboratoire/Entreprise : IMT Nord Europe et Groupe TERA (région Sud)
Durée : 24 mois
Contact : christelle.garnier@imt-lille-douai.fr
Date limite de publication : 2021-09-30

Contexte :
Dans le cadre du plan de relance visant à préserver l’emploi en Recherche et Développement (R&D), IMT Nord Europe et Groupe TERA recrutent pour répondre aux défis d’un projet collaboratif ayant pour objectif de développer un démonstrateur à taille réelle de la potentialité de la mesure sur un site industriel complexe alliant déploiement optimisé de capteurs et traitement en temps réel des données pour visualiser la dynamique temporelle à très fine résolution (moins d’une minute) et à haute résolution spatiale (moins de 50 mètres) des concentrations en PM (Particulate Matter).
Pour ce faire, un partenariat sera établi avec un industriel de la zone industrielle de Fosse-Berre et l’AASQA de la région concernée ATMO SUD.

Sujet :
Ce poste a pour objectif la réalisation d’une cartographie permettant la spatialisation en temps quasi réel de la pollution à l’échelle d’une zone à risque.
Les principales actions à conduire sont les suivantes :
• Définir une méthodologie permettant d’établir une stratégie de déploiement (définition des dynamiques spatiale et temporelle des capteurs) suivant l’objectif, l’échelle et le niveau de qualité de la cartographie. Ces travaux permettront ensuite d‘optimiser le nombre et la répartition spatiale des capteurs / points de mesures en intégrant si besoin des point(s) de référence sur la zone géographique délimitée (via une ou des station(s) de mesures hautes performances),
• Développer des méthodes de reconstruction à partir de l’état de l’art (krigeage avec processus Gaussiens) et d’outils plus récents, comme l’apprentissage profond utilisant des architectures de réseaux de neurones. Il faudra prendre en compte la qualité des informations (incertitudes suivant capteurs) et l’intégration de données exogènes (météo, topologie…) pour améliorer la qualité de la cartographie.

Profil du candidat :
Doctorat en science des données, traitement du signal ou des images, intelligence artificielle, informatique ou mathématiques appliquées obtenu au cours des années 2019, 2020 ou 2021.

Formation et compétences requises :
• Connaissance des méthodes d’apprentissage automatique, en particulier d’apprentissage profond, et/ou des méthodes d’interpolation spatio-temporelle (krigeage).
• Eventuellement, connaissances de base en sciences de l’environnement.
• Utilisation des outils actuels de science des données : langage Python et framework de deep learning (comme PyTorch, TensorFlow ou Keras).

Adresse d’emploi :
Le poste est situé dans la région Sud, dans la zone de l’étang de Berre. Déplacements à prévoir sur les différents sites du Groupe TERA et à l’IMT Nord Europe (Lille).

Document attaché : 202109081418_2021_Fiche_Postdoc_Cartographie_Polluants.pdf

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

Laboratoire/Entreprise : Institut Francais de Bioinformatique
Durée : 12 mois
Contact : alban.gaignard@univ-nantes.fr
Date limite de publication : 2021-10-03

Contexte :
L’Institut Français de Bioinformatique (IFB) [1] recrute un ingénieur d’études pour le développement de standards (Schema.org) et l’indexation de données en sciences de la vie.

Il s’agit d’un CDD de 12 mois, renouvelable jusqu’à 24 mois, dans un laboratoire de recherche Nantais (plateforme de bioinformatique BiRD [2], Institut du Thorax, LS2N).

Ce poste pourra intéresser de jeunes diplômés souhaitant développer de nouvelles compétences sur la FAIRification de données et logiciels, ou bien des ingénieurs plus expérimentés souhaitant contribuer à la standardisation de métadonnées à l’échelle européenne (Elixir [3], Bioschemas [4]).

Les détails de l’offre sont sur le site du CNRS : https://bit.ly/3jwUtRw

[1] https://www.france-bioinformatique.fr
[2] https://pf-bird.univ-nantes.fr
[3] https://elixir-europe.org
[4] https://bioschemas.org

Sujet :
L’ingénieur-e sera en charge de:

1) développer un outil logiciel d’extraction de métadonnées Bioschemas [2] et d’assemblage de jeux de données ouverts et requêtables via les standards du web sémantique,

2) proposer un catalogue de requête combinant des méta-données Bioschemas de différente nature (e.g. entités biologiques, matériel de formation, algorithmes, workflows, etc.).

Profil du candidat :
Informaticien de niveau minimum Bac + 5 (Master, Master Pro, ingénieur, …) ou expérience équivalente.

Une formation de bioinformaticien avec une forte composante en développement logiciel pourra également convenir.

Formation et compétences requises :
De très bonnes connaissances en développement logiciel sont attendues. Une expérience en développement web ou de base de données est un plus. Une expérience dans le développement collaboratif de ressources ouvertes est également un plus.

Connaissances et aptitudes professionnelles

– capacités d’abstraction et de modélisation
– conception et qualité logicielle (Model/Test Driven Development)
– maîtrise d’un des langages de programmation: Java, Python
– connaissance de git pour le développement collaboratif
– connaissance des formats et protocoles d’échange de données sur le web (e.g. JSON, JSON-LD, YAML, HTTP)
– capacité de synthèse et rédactionnelle, curiosité, initiative, sens de l’organisation et du travail en équipe
– bonne maîtrise de l’anglais oral et écrit
– capacités de travail à distance

Connaissances additionnelles appréciées
– modélisation et représentation des connaissances
– standards et technologies du web sémantique (OWL, RDF, JSON-LD)

Adresse d’emploi :
Institut du Thorax, 8 quai Moncousu, 44000 Nantes