Archives

Ecole thématique Sciences Ouvertes pour les SHS: scripts, codes et logiciels (SO-SHS).

Date : 2025-06-22 => 2025-06-27
Lieu : Elle se déroulera au CAES CNRS de Saint-Pierre d’Oléron et bénéficie du soutien du CNRS, de l’INED, du CIST, de l’UMR IDEES et de la faculté Sciences et Humanités de l’Université Paris Cité.

Bonjour à toutes et tous,

Le Centre pour l’analyse spatiale et la géovisualisation (UAR RIATE) organise du 22 au 27 juin l’école thématique Sciences Ouvertes pour les SHS: scripts, codes et logiciels (SO-SHS).

Cette école s’adresse aux chercheur·euses, doctorant·es, enseignant·es-chercheur·euses, ingénieur·es et post-doctorant·es en SHS ayant une pratique de la programmation et souhaitant s’initier aux concepts et techniques de gestion de développements informatiques s’inscrivant dans la science ouverte.

Les thématiques suivantes seront abordées:

– Enjeux de la Science Ouverte : ouverture des articles, des données et des codes de la recherche.
– Forges logicielles et workflows : gestion des scripts et codes avec Git et les plateformes (GitHub, GitLab…), automatisation de tâches, publication sur le Web.
– Literate programming et notebooks : solutions opérationnelles pour associer code et documentation (quarto, Jupyter, markdown…)
– Reproductibilité computationnelle : expliciter l’environnement informatique des analyses (renv, venv, docker…) et archiver des productions logicielles.

Plus d’informations sur le site de l’école :
https://so-shs.gitpages.huma-num.fr/

Pour candidater, merci de remplir le formulaire suivant :
https://groupes.renater.fr/limesurvey/index.php/576632

Les inscriptions sont ouvertes jusqu’au 4 avril 2025.

Bien cordialement,

Pour le comité d’organisation,

Timothée Giraud

Lien direct

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

Hackathon IXXI CBPsmn – Ce que l’IA fait à la pratique de la science

Date : 2025-06-22 => 2025-07-09
Lieu : ENS de Lyon (IXXI)

L’IXXI et le CBPsmn organisent les 8 et 9 juillet à l’ENS de Lyon un hackathon dédié à l’expérimentation des Grands Modèles de Langage dans le cadre de la recherche scientifique.

L’intelligence artificielle générative, et en particulier les grands modèles de langage (LLM), s’impose progressivement comme un nouvel outil de l’arsenal méthodologique des scientifiques. Capables d’analyser de vastes corpus de données, de synthétiser des informations complexes et peut-être de suggérer de nouvelles pistes de recherche, ces modèles ouvrent des perspectives inédites pour la production et la diffusion des connaissances. Mais comment peuvent-ils s’intégrer concrètement dans le quotidien des chercheurs, à travers la diversité des disciplines ? Quels sont leurs atouts, leurs limites et leurs impacts sur les pratiques scientifiques ?

Cet évènement s’adresse aussi bien aux étudiants et étudiantes qu’aux chercheuses et chercheurs confirmés et, plus généralement, à toute personne, quelle que soit sa discipline, intéressée par l’expérimentation de défis concrets visant à tester le potentiel de ces modèles comme outil de la production scientifique. Les équipes auront 24h pour s’emparer d’un jeu de données en proposant une problématique et en mobilisant un LLM pour y répondre. A l’issue de ces 24h, les équipes seront appelées à restituer leur travail devant l’ensemble des participants. Un prix récompensera la proposition la plus originale.

Ce hackathon sera une occasion de confronter les outils d’IA aux exigences de la rigueur scientifique, d’identifier les meilleures pratiques et de co-construire de nouvelles approches pour la science de demain.

Renseignements complémentaires et inscriptions en ligne: https://www.ixxi.fr/agenda/evenements/hackathon-grands-modele-de-langage

Lien direct

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

ÉCOLE THÉMATIQUE :

Annonce en lien avec l’Action/le Réseau :

Thème :

Science Ouverte, Reproductibilité, Développement Logiciel et Scripts

Présentation :

Les pratiques de science ouverte ont depuis plusieurs années gagné le domaine des sciences humaines et sociales. On y rencontre des pratiques émergentes, au travers des réseaux (MATE-SHS), dans la mise à disposition des données et des logiciels au sein de divers dépôt institutionels (forges logicielles comme gitlab Humanum, entrepôt de données comme Nakala), mais aussi de publications type « Data Paper » dans des revues spécialisées (Cybergéo, Data & Corpus, etc.). La « reproductibilité computationelle » est également abordé dans des GT inter-disciplinaire (GTNotebook), dans des revues spécialisés (RZine) et par la présence actives de certaines disciplines des SHS (géographie, psychologie) au sein du jeune réseau « Recherche Reproductible Français ».

Si les signes sont bien là et encourageants, les besoins de formation de cette communauté scientifique en SHS, même s’ils sont bien identifiés, ne sont que très peu couverts. Après les données de recherche, les publications l’objectif de cette école thématique est de former les scientifiques des SHS aux enjeux du troisième pilier de la science ouverte : les codes sources et les logiciels.

Il est ainsi crucial de former rapidement la communauté aux enjeux actuels pour faire évoluer nos conceptions des humanités numériques. C’est tout l’enjeu de cette école que d’améliorer les connaissances, mais aussi de les diffuser dans la communauté scientifique ces prochaines années.

Les thématiques suivantes seront abordées:

I. Introduction aux enjeux et différentes facettes de la Science Ouverte
II. Forges logicielles et workflows
III. Notebooks et literate programming
IV. La reproductibilité computationnelle

Cette école s’adresse aux chercheur·euses, doctorant·es, enseignant·es-chercheur·euses, ingénieur·es et post-doctorant·es en SHS ayant une pratique de la programmation et souhaitant s’initier aux concepts et techniques de gestion de développements informatiques s’inscrivant dans la science ouverte.

Du : 2025-06-22

Au : 2025-06-27

Lieu : CAES CNRS de Saint-Pierre d’Oléron

Site Web : https://so-shs.gitpages.huma-num.fr/

Workshop Econom’IA

Annonce en lien avec l’Action/le Réseau :

Thème :

Algorithmes d’intelligence artificielle appliqués en sciences économiques

Présentation :

L’atelier « Econom’IA 2025 », organisé à EconomiX, UMR CNRS-Université Paris Nanterre, s’inscrit dans la dynamique d’accélération de l’adoption des méthodes d’Intelligence Artificielle (IA) en Sciences Humaines et Sociales (SHS), où ces outils demeurent encore sous-utilisés. Cet atelier, prévu les 19 et 20 mai 2025, a pour objectif de renforcer l’intégration des approches computationnelles dans des domaines interdisciplinaires, notamment là où les sciences sociales croisent l’informatique et l’analyse de données.
L’atelier se distingue par son format hybride, combinant des sessions de formation théorique le matin et des présentations de travaux de recherche l’après-midi. Cette approche vise à stimuler l’émergence d’une communauté de chercheurs compétente et active en SHS, tout en favorisant les échanges entre experts et débutants pour encourager des collaborations innovantes.
La première journée de l’atelier sera consacrée aux techniques d’analyse de graphes textuels, tandis que la seconde journée portera sur les développements récents des modèles de langage (LLM) et leur application dans les sciences économiques et sociales. Les travaux présentés seront rigoureusement sélectionnés par un comité scientifique, garantissant la qualité et la pertinence des contributions.
L’objectif final de cet atelier est de consolider les compétences des participants, de promouvoir les avancées en IA, d’encourager l’innovation méthodologique, et d’accroître l’impact et la visibilité des résultats de recherche en SHS

Du : 2025-05-19

Au : 2025-05-20

Lieu : EconomiX, Université Paris Nanterre

Site Web : https://economia.sciencesconf.org/

Conférence Systèmes Complexes (chapitre français)

Annonce en lien avec l’Action/le Réseau :

Thème :

Systèmes complexes

Présentation :

FRCCS propose un événement annuel et pérenne en Europe, localisée sur le sol français, permettant ainsi aux jeunes chercheurs et à la communauté nationale d’accéder à un forum de niveau européen. L’évènement rassemble une communauté de chercheurs pluridisciplinaire travaillant à la modélisation et l’analyse des systèmes complexes, mettant en synergie les outils et concepts développées en analyse et modélisation des systèmes complexes (e.g., mathématiques, informatique, physique statistiques) et les disciplines pouvant s’approprier et enrichir les concepts de la complexité (e.g., sociologie, économie, histoire, gestion, archéologie, géographie, linguistique).

Du : 2025-05-21

Au : 2025-05-23

Lieu : Université de Bordeaux (LaBRI UMR 5800)

Site Web : https://iutdijon.u-bourgogne.fr/ccs-france/

TerraBytes workshop @ ICML 2025

Date : 2025-07-18 => 2025-07-19
Lieu : Vancouver, Canada

ICML 2025 workshop on global datasets and models for Earth Observation

When: 18/19 July 2025

Where: Vancouver, Canada

Submission website: https://openreview.net/group?id=ICML.cc/2025/Workshop/TerraBytes

Important dates

Papers submission deadline: May 16th, 2025
Papers acceptance notification: June 6, 2025
Workshop: July 18/19, 2025

Earth Observation (EO) presents unique challenges and opportunities that set it apart from other fields of machine learning (ML) and computer vision (CV) (Rolf et al., 2024). EO data is abundant, repeatedly covering a large but limited environment: our planet. The colocation and evolution of these observations is a rich, emergent source of information, of multimodal and multitemporal nature. However, due to both local and global changes, especially climate change, the statistical distribution of EO data is inherently non-stationary (Tarasiou et al., 2023). These properties break some of the usual assumptions of ML, and EO data require special care for data handling and modeling (Mai et al., 2022). In addition, current EO datasets are sampled with spatio-temporal biases. Some areas, e.g., the global South, are strongly under-represented within EO datasets (Cornebise et al., 2022). In optical imagery, cloud cover is undesirable, thus leading to datasets that remove cloudy images at the risk of biasing their geographical coverage (Tiede et al., 2021). Addressing these distributional biases is of primary importance, as they have an impact on the performance and reliability of models for downstream applications in ecology, geosciences, agriculture, urban planning, etc. (Kattenborn et al., 2022).

TerraBytes is an initiative to address these challenges. At the intersection of data curation, data archiving, and representation learning, this workshop will foster a holistic discussion covering major steps in the EO from downlinked satellite data, training paradigms to downstream applications.

Call for submissions

We invite submissions on the following topics:

Large-scale Earth observation datasets and benchmarks:
curation of new large-scale vision datasets for EO,
augmentation techniques for EO data and their impact on learning, data traceability and expansion of existing datasets,
re-use and adoption of existing datasets in new scenarios,
impact of training data quality and size on downstream tasks under domain shifts.
Efficient and continual representation learning for remote sensing:
weakly and self-supervised learning for EO data,
domain adaptation strategies to deal with temporal, geographical or sensor gaps,
continual and online learning, to update models when facing distribution shifts,
active learning and reinforcement learning.
Real-world applications:
early detection, monitoring and assessment of disasters e.g. floods, landslides, wildfires,
large-scale Land Cover and Land Use mapping,
2D and 3D change detection in urban and rural areas,
estimation of biophysical parameters (biomass, biodiversity, soil stress, etc.).

Lien direct

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

Post-Doc Position in Explainable Artificial Intelligence over evolving IoT data streams

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

Laboratoire/Entreprise : ETIS/CY Paris Cergy Université
Durée : 18 months
Contact : aikaterini.tzompanaki@cyu.fr
Date limite de publication : 2025-10-01

Contexte :
The position is funded by the prestigious EU Horizon PANDORA project, A Comprehensive Framework enabling the Delivery of Trustworthy Datasets for Efficient AIoT Operation. The main goal of the project is to contribute towards the creation of a dynamic AI pipeline in the context of IoT applications, focusing on i) the creation of synthetic but trustworthy data, and ii) on the development of AI algorithms for various tasks (from classic classification, regression and anomaly detection, to forecasting and predictive maintenance) taking into account the specific data characteristics of continuous data generation settings and leveraging the domain knowledge when available. Explainability is a fundamental property for rendering the systems reliable, as it can help i) enhance the acceptability of the system by the system experts and further aid in decision making, ii) optimize model performance (time and accuracy) by revealing the actual causes behind predictions, and iii) repair data acquisition processes or model training/updating by exposing errors and/or drifts that may arise through time. The project gathers over 20 academic and industrial partners, with real and challenging use-cases and thus provides a unique opportunity to contribute to cutting-edge research with significant real-world impact.

Sujet :
Subject: Predictive maintenance (PDM) in industrial settings spans from identifying anomalies and categorizing failures in already observed data, to prognostically predicting the Remaining Useful Life (RUL) and the Failure Time (FT) of machines, appliances, etc., in the future. Typically such predictive tasks are implemented using Deep Learning and/or statistical analysis techniques, which may be complex to interpret, while their performance is challenged by multiple sources of errors (sensors’ tuning, aging, failures, etc.) and the non-stationary nature of IoT data streams. In particular, concept drifts can originate from the changes in the underlying data generation mechanism that reflects different states of the monitored system. In this context, the predictive performance of already trained models f(X,Y) (e.g., classification, regression) may start degrading after a certain point in time and hence models need to be adapted at the right frequency. However, not all types of changes in the joint probability distribution P(X,Y) have the same impact on model performance. In this respect, we need to distinguish between changes in the posterior probability distribution P(Y|X) (i.e., Model drifts) between input features X and the target variable Y, from class-conditioned data distribution changes P(X|Y) (i.e., likelihood drifts) and changes in the distribution of input features P(X) (i.e., covariate drifts). Clearly, not all types of changes of the joint probability distribution $P(X, y)$ influence predictive models in the same way and hence, they require different mitigation actions. In this project we are particularly interested in how data quality and concept drifts affect the performance of PDM tasks such RUL and FT.

Moreover, besides developing performant, robust, and stable FT and RUL prediction algorithms through time, we are also interested in enhancing interpretability of their results. On the one hand, engineers need to know the root causes for a predicted machine failure at a time t in the future, so that they may take the best possible action towards preventing the failure to happen, or replace a machine in time before having to take the system down for replacement of the compromised machine. Such explanations should cover both the time parameter (why a failure will happen after a time interval) and the type of failure (why a specific type of error will happen). On the other hand, fine-grained explanations of the different types of concept drifts can guide data analysts to take timely, and informed actions for adapting the prediction algorithm to the observed concept drift. While explainability has been a major research interest in recent years, explanation methods for concept drift are still in their infancy. Some of the approaches aim for the detection and quantification of drift, its localization in space or its visualization, while others focus on feature-wise representations of drift. In this project, we aim to investigate actionable concept drift explanations, adding in the equation weak and strong signals for failure events. We believe that concept drift explanations constitute a form of actionable explanations responding to both aforementioned expert needs, and thus can be more valuable than standard feature importance explanations.

Profil du candidat :
Responsibilities/Opportunities
Conduct high quality research in Explainable AI in non-stationary settings.
Develop novel algorithms and methodologies for Predictive Maintenance using IoT streams.
Publish in top-tier conferences and journals.
Collaborate with an interdisciplinary team of researchers and industry partners.
Participate in project meetings and contribute to the project’s management.

Formation et compétences requises :
PhD in Machine Learning, AI, Data Science, Statistics, or a related field.
Strong background in at least one of the following: deep learning, continual learning, time series analysis, or predictive maintenance.
Experience with explainable AI (XAI) methods.
Proficiency in Python and relevant ML frameworks (PyTorch, TensorFlow, Scikit-learn).
Excellent publication record in Data management, Artificial Intelligence, Machine Learning, or IoT applications.

Adresse d’emploi :
Equipe DATA&AI – ETIS Laboratory, CY Cergy Paris Université

33 Bd du Port, 95000 Cergy

Document attaché : 202503241752_Post-Doc Position in Explainable AI in Industrial Settings_DATAIA_PARIS.pdf

sujet de these – Engagement et émotions pour la détection de contenus toxiques sur Internet

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

Laboratoire/Entreprise : ONERA
Durée : 3 ans
Contact : valentina.dragos@onera.fr
Date limite de publication : 2025-05-31

Contexte :
A. Problématique générale et contexte
—————————————————
Le sujet de thèse aura pour objectif central l’étude de l’apport de traits linguistiques de nature sémantique dans la caractérisation et la détection de contenus en ligne de nature toxique (e.g. contenu haineux, contenu extrémiste, contenu discriminant). Plus précisément, les connaissances linguistiques examinées seront en lien : (i) d’une part avec l’analyse du degré d’engagement (e.g. « X est Y » vs. « je vous jure/j’ai la preuve que X est Y ») ; (ii) d’autre part avec l’analyse des émotions (e.g. « quel horrible personnage ! »).

Concernant le trait linguistique (i), la problématique de la thèse prend place au sein de travaux visant à examiner de quelle manière les émotions peuvent constituer un trait linguistique pertinent en vue de l’amélioration de systèmes d’identification automatique de discours haineux en ligne, visée encore largement inexplorée en traitement automatique des langues (TAL) [1] et ce alors que plusieurs études ont montré pourtant que la présence d’émotions – en particulier négatives – est un facteur favorable à la propagation de contenus sur Internet (e.g.[2], [3]). Concernant le trait linguistique (ii), la thèse prend place au sein de réflexions menées autour du fait que le degré d’engagement constitue un signe de radicalité et l’on sait que des positionnements radicaux sont de nature à être à plus diffusés que d’autres sur internet, contribuant potentiellement à un phénomène de désinformation [4].
Le sujet prend place dans le contexte sociétal actuel dans lequel sont perceptibles diverses menaces liées à l’adhésion de différentes catégories de personnes aux à des idéologies et mouvances extrémistes (e.g. extrême droite, masculinisme). L’utilisation des plateformes sociales, adoptées par un nombre croissant d’utilisateurs, constitue un vecteur important de diffusion de ces idéologies et la production massive de données disponibles en ligne a déclenché une importante activité de recherche autour de l’analyse de la subjectivité, entendue comme l’expression des goûts, opinions, croyances ou convictions des utilisateurs [5].

Sujet :
B. Objectifs scientifiques
——————————–
Les objectifs scientifiques s’organiseront autour de deux volets principaux : 1. La construction de ressources linguistiques sous la forme de corpus annotés selon les traits (i) et (ii) ainsi que la construction d’ontologies relevant globalement de la représentation de la subjectivité ;
2. Le développement de méthodes de détection automatique de contenus toxiques capables d’exploiter les connaissances modélisées par ces ressources.

1. Construction de ressources linguistiques
Plusieurs corpus représentatifs seront constitués pour décrire les contenus toxiques sur Internet. La construction du corpus s’appuiera sur une liste d’éléments (mots clés, patrons lexicaux) dont l’équipe d’accueil dispose actuellement grâce aux résultats de projets antérieurs, dont notamment FLYER (Artificial intelligence for extremist content analysis, projet ANR ASTRID 2019). Cette liste sera enrichie et mise à jour en explorant de nouvelles données collectées au cours de la thèse.
L’annotation des données sera réalisée en utilisant des schémas d’annotation existants, pour décrire des unités linguistiques émotionnelles [6] et pour décrire le degré d’engagement [7], [8].

On visera également ici à construire des ontologies décrivant la subjectivité, incluant les traits d’émotions et d’’engagement des utilisateurs, et s’appuyant là aussi sur des travaux existants [9], [10], [11] .

2. Développement de méthodes de détection automatique de contenus toxiques capables d’exploiter les connaissances modélisées en 1.

Ce deuxième volet des recherches concernera l’augmentation des plongements sémantiques grâce aux annotations en s’appuyant sur des travaux récents qui ont étendu les principes des plongements sémantiques en considérant les représentations des concepts. Ces études utilisent des graphes conceptuels, des ontologies ou taxonomies, et intègrent ainsi les relations conceptuelles définies de manière explicite par ces ressources. Plusieurs travaux ont d’ailleurs étudié comment l’utilisation de relations telles que la synonymie, l’antonymie ou l’hyperonymie permet d’améliorer la qualité des plongements sémantiques, c’est-à-dire la précision de la sémantique capturée par les représentations vectorielles [14].

Ce deuxième volet de recherches abordera également l’utilisation de la génération augmentée de récupération (Retrieval Augmented Generation – RAG) afin de faciliter l’exploration des dimensions sémantiques principalement visées (émotions et engagement du locuteur) dans les corpus. Cette technique optimise les résultats fournis par un grand modèle de langue (Large Language Model – LLM) en faisant appel à une base de connaissances externe aux sources de données ayant été utilisées pour entraîner le modèle avant de générer une réponse. L’utilisation d’une ontologie peut alors améliorer la pertinence des réponses fournies par un LLM [12].

Tandis que les LLMs et les plongements sémantiques sont construits à partir de connaissances génériques, l’objectif de la thèse est donc d’intégrer des connaissances spécifiques, issues d’ontologies et d’annotations linguistiques pour le traitement des contenus toxiques collectés en ligne. La thèse étudiera ensuite l’impact de cette intégration sur les performances des modèles. Les recherches permettront de développer des méthodes d’intelligence artificielle hybrides, au carrefour de la représentation des connaissances et de l’apprentissage automatique [13] ainsi que dans une réflexion renouvelée sur l’apport des connaissances linguistiques aux systèmes de détection de discours de haine [15].

Profil du candidat :
Eq. Master en Traitement Automatique des Langues (TAL) ou Ingénierie des Connaissances (IC) ou Ecole d’ingénieurs (maths/info)
– Bonnes compétences en programmation, notamment sous Python
– Des connaissances en annotation linguistique sémantique seront un vrai plus
Modalités de candidature
———————————-

Co-direction : Valentina DRAGOS (ONERA, Palaiseau)/ Delphine BATTISTELLI (MoDyCo, Nanterre)
Salaire : 2488€/brut mensuel
Début : septembre 2025
Nationalité européenne requise
Date limite de candidature : 15 avril 2025

Dossier de candidature à envoyer au plus tard le 15 avril 2025 aux deux encadrantes ci-dessus désignées :
CV, lettre de motivation, relevés de notes du M1 et du M2, le nom d’un.e référent.e à contacter

Formation et compétences requises :
Eq. Master en Traitement Automatique des Langues (TAL) ou Ingénierie des Connaissances (IC) ou Ecole d’ingénieurs (maths/info)

Adresse d’emploi :
ONERA
6 Chem. de la Vauve aux Granges,
91120 Palaiseau

Document attaché : 202503241401_THESE_ONERA.pdf

Study Engineer Position – data-base manager, Bioinformatics & systems modeling for neurodegenerative disease research, Paris, France

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

Laboratoire/Entreprise : Brain-C Lab, NeuroSU, Institute of Biology Paris-S
Durée : 11 months
Contact : lucile.megret@sorbonne-universite.fr
Date limite de publication : 2025-05-31

Contexte :

Sujet :
A 11 months position is immediately available in the Brain-C Lab in Paris for a bioinformatician at the Study Engineer (IE) level (post-master position). The selected candidate will work with a team of mathematicians, bioinformaticians, and neurobiologists on modeling time- and cell-resolved omics data to built computational models of molecular pathogenesis in neurodegenerative diseases such as amyotrophic lateral sclerosis (ALS), integrate data from other diseases such as Huntington’s disease (HD) and disseminate data via online platforms. The selected candidate will use BioGemix, our post-omics machine learning platform and related databases. This position is a unique opportunity to further develop expertise and skills in a multidisciplinary team and network of direct collaborators that cover systems modeling, database development, and cellular neurobiology for breakthrough in neurodegenerative disease research.

Application: Interested candidates should apply immediately by sending a letter of motivation, a full CV, and the names and emails of two-three references to christian.neri@inserm.fr and lucile.megret@sorbonne-universite.fr

Profil du candidat :
The candidates should hold a Master in Biofinformatic or a Master in Informatics and they should have no more than 3-4 years of post-master experience. The position is full time, on site, and candidates should have strong collaborative skills and commitment to team work along with strong ability to work independently in addition to strong interest for research.

Formation et compétences requises :
• Experience working with NGS data and performing respective bioinformatic pipelines in order to process sequencing data.
• Programming autonomy on at least one of the following languages: python, R, C / C ++.
• Good knowledge of basic web technologies: PHP, MySQL, JavaScript, jQuery.
• Fluency on Ubuntu.
• Hands-on experience with in house server maintenance (Backup, shared space, and webserver).
• Scientific English essential

• Skills in data visualization will be a plus.
• Basic knowledge in statistics and machine learning are desirable but not mandatory.

Adresse d’emploi :
7 Quai Saint-Bernard, 75005 Paris

Document attaché : 202503241018_Annonce_bioinfo_IE.pdf

[Call for Paper] IEEE CITS 2025, Colmar, France in July 16-18, 2025 (Hybrid conference)

Date : 2025-07-16 => 2025-07-18
Lieu : CITS 2018 will take place in the Institut Universitaire de Technologie de Colmar (IUT), Universitè de Haute Alsace: 34, Grillenbreit Street, 68008 Colmar, France

[We apologize if you receive multiple times this CFP message.]

Dear colleague-

It is our great pleasure to invite you to attend and submit papers to the 2025 International Conference on Computer, Information and Telecommunication
Systems (CITS 2025), July 16-18, 2025, Colmar, France. CITS 2025, technically sponsored by IEEE Communication Society, is an international forum for
scientists, engineers, and practitioners to present their latest research results in all areas of Computer, Information, and Telecommunication Systems.
The conference will feature tutorials, technical paper presentations and distinguished keynote speeches. The conference will feature 6 tracks:
* Computer Systems Track
* Information Technology Track
* Web Technologies Track
* Networking Systems Track
* Telecommunications Systems Track
* Security Systems Track
Further details are in the following link: https://cits.udg.edu/

Papers should be written in English (10-point font, A4 size paper). For your submission you can use the standard IEEE Transactions templates for 
Microsoft Word or LaTeX formats found at: http://www.ieee.org/go/conferencepublishing/templates (Remember: A4 size).
Papers must be submitted in Portable Document Format (PDF) format, using the following EDAS link: https://edas.info/N33103. All full paper submissions will
be peer reviewed and evaluated based on originality, technical and/or research content/depth, correctness, relevance to conference, contributions, and
readability.

*** All accepted papers will be submitted for inclusion to IEEE Xplore digital library covered by Scopus and EI indexing. Selected extended versions of
accepted papers will be published in special issue(s)/Section(s) of Scholarly journals.

Important Dates:
Invited session, workshop, tutorial proposals: May 5, 2025
Paper submission: May 5, 2025
Author notification: June 16, 2025
Camera-ready paper submission: July 4, 2025


*** Important Notice: Papers are reviewed on the basis that they do not contain plagiarized material and have not been submitted to any other conference 
at the same time (double submission). These matters are taken very seriously and the IEEE will take action against any author who engages in either 
practice

We look forward to your participation in IEEE CITS 2025 and seeing you in Colmar, France.

======================================================================================================================================================
Due to numerous requests from potential authors, CITS 2025 will be held as a hybrid conference in the period July 16-18, 2025, Colmar, France. Those
authors who will not be allowed to travel abroad by strict national rules in force at the time of the conference or have other serious reasons accepted 
by the organizers will be given an opportunity to present their accepted work remotely. We will be happy to see all authors manage to attend; we know
that special circumstances are best handled by having flexible options. Please consider to contribute and submit your original research results to 
CITS 2025. 
======================================================================================================================================================

Mohammad S. Obaidat, Pascal Lorenz, Kuei-Fang (Leila) Hsiao, Petros Nicopolitidis and Yu Guo, 
IEEE CITS 2025 Organizers 
2025 International Conference on Computer, Information and Telecommunication Systems 
https://cits.udg.edu/ July 16-18, 2025, Colmar, France

 

Lien direct

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