Consulter les offres d’emploi

Prédiction de caractères complexes par spectrométrie proche infrarouge
Publiée le 28/11/2021 22:55.
Référence : Stage M2 - Orléans - Chimiométrie.
Stage, Orléans.
Entreprise/Organisme :INRAE- UMR BioForA
Niveau d'études :Master
Sujet :Prédiction de caractères complexes par spectrométrie proche infrarouge appliquée aux arbres forestiers
Date de début :1er Février ou 1er Mars 2022
Durée du contrat :6 mois
Rémunération :Gratification mensuelle moyenne de 577 €
Secteur d'activité :Recherche et développement
Description :Les changements globaux se présentent comme le défi majeur du 21ième siècle pour nos sociétés. Les arbres forestiers sont particulièrement sensibles car la durée de leur cycle de vie ne permet pas une adaptation rapide à un environnement changeant. Les études dédiées à l’analyse de la vulnérabilité et l’adaptation s’appuient fondamentalement sur la variabilité des réponses des arbres à un stress ou à une combinaison de stress et nécessitent la mesure de caractères complexes sur un large panel d’individus. Dans ce contexte, l’acquisition haut-débit de caractères complexes et intégrateurs vis-à-vis d’un stress devient un enjeu majeur à la fois pour améliorer notre compréhension des mécanismes d'adaptation, l’amélioration et la conservation des ressources génétiques et la gestion des écosystèmes forestiers. L’émergence de nouvelles technologies et d’outils accessibles par des non-spécialistes ouvrent les portes de la caractérisation haut-débit dans les sciences du végétal. Depuis une dizaine d’années, l’UMR BioForA s’est spécialisée dans la spectrométrie proche infra-rouge (SPIR). L’intérêt de cette technologie est déjà éprouvé dans la recherche forestière avec un nombre important de publications pour la caractérisation de propriétés du bois telle que la composition chimique du bois. L’objectif du stage est de tester le pouvoir prédictif de la SPIR pour des caractères complexes comme la sensibilité à un stress biotique ou abiotique et pour la discrimination d’espèces. Le stagiaire aura à sa disposition des jeux de données complets avec des spectres acquis sur plusieurs tissus, sur différentes espèces et des données de références de plusieurs caractères. Le stagiaire aura en charge d’appliquer et d’adapter des procédures d’analyse pour comparer les différentes modalités et estimer l’intérêt de la SPIR sur ces données. Le stagiaire bénéficiera de l’expertise scientifique au sein de l’UMR BioForA à la fois pour les variables étudiées, les espèces et pour les analyses de données. Profil souhaité du candidat : Niveau bac+5, stage de Master II, d’ingénieur ou équivalent avec une formation en biologie et/ou en statistique. Connaissances de base du logiciel R© pour la manipulation et l'analyse statistique des données. Esprit d'analyse et de synthèse. Bonnes capacités rédactionnelles.
En savoir plus :www6.val-de-loire.inrae.fr/biofora
Proposition_Stage2022_ M2_INRAE_BioForA_Orléans.pdf
Contact :remy.gobin@inrae.fr
Bordeaux - Equipe SISTM - Postdoctorat ou ingénieur de recherche projet NIPAH (inria/Inserm)
Publiée le 28/11/2021 22:55.
Référence : Bdx-inserm-inria-sistm-NIPAH.
Postdoc, Bordeaux.
Entreprise/Organisme :Inserm U1219
Niveau d'études :Doctorat
Date de début :Aussi tot que possible
Durée du contrat :1 an minimum
Rémunération :Grille inserm
Secteur d'activité :Biostatistique
Description :See attached document.
En savoir plus :https://www.inria.fr/fr/sistm
PostdocNIPAH_SISTM2021_Bordeaux.pdf
Contact :melanie.prague@inria.fr
Stage de M2 : Effet de l’estimation statistique sur l’optimisation de la maintenance
Publiée le 28/11/2021 17:10.
Stage, Grenoble.
Entreprise/Organisme :Université Grenoble Alpes, LJK et GIPSA-lab
Niveau d'études :Master
Sujet :Effet de l’estimation statistique sur l’optimisation de la maintenance pour des systèmes complexes réparables dans des environnements variables
Date de début :février 2022
Durée du contrat :5 ou 6 mois
Rémunération :environ 500€ par mois
Secteur d'activité :recherche
Description :Voir fichier pdf
En savoir plus :https://www-ljk.imag.fr/
Internship LJK-Gipsa-lab.pdf
Contact :olivier.gaudoin@univ-grenoble-alpes.fr
Statistiques computationnelles pour l'analyse post-vol en rentrée atmosphérique
Publiée le 28/11/2021 17:10.
Postdoc, Centre d’Etudes Scientifiques et Techniques d’Aquitaine, situé entre Bordeaux et Arcachon.
Entreprise/Organisme :Commissariat à l’Energie Atomique et aux Energies Alternatives (CEA-DAM)
Niveau d'études :Doctorat
Date de début :1er trimestre 2022
Durée du contrat :1 an, renouvelable
Secteur d'activité :défense
Description :Le post-doctorat se situe dans le contexte d’essais en vol d’un véhicule instrumenté (navette spatiale, capsule ou sonde) qui rentre dans l'atmosphère. Il s’agit de reconstruire, à partir de mesures (centrale inertielle, radar, ballon météorologique, etc.), la trajectoire et diverses quantités d'intérêt, afin de mieux comprendre les phénomènes physiques et de valider les modèles prédictifs. On s’est orienté vers des statistiques bayésiennes, associées à des méthodes par chaînes de Markov Monte Carlo (MCMC). Le post-doctorant aura pour mission de développer et d’étendre l'approche proposée. On cherchera en particulier à accroitre les performances d’échantillonnage en grande dimension, avec des lois de proposition plus efficaces. L'objectif final sera d'aboutir à un prototype évolutif qui, dédié à l'analyse post-vol des essais en vol, exploite les différentes sources d'information et les incertitudes associées. Les évaluations porteront sur des données simulées et réelles, avec comparaison à des outils existants. On s'efforcera de valoriser le travail par des communications et publications scientifiques. Encadrants : Pierre Minvielle (CESTA, DAM, CEA) et Audrey Giremus (Université de Bordeaux, Laboratoire IMS CNRS UMR 5218)
En savoir plus :https://instn.cea.fr/post-doctorat/statistiques-computationnelles-pour-lanalyse-post-vol-en-rentree-
SujetPostDoc.pdf
Contact :pierre.minvielle@cea.fr
Clinical Data Manager
Publiée le 25/11/2021 13:51.
Référence : ADAM_11_01.
CDD, Toulouse.
Entreprise/Organisme :CHU Toulouse
Niveau d'études :DUT/Licence ou équivalent
Date de début :Janvier 2022
Durée du contrat :6 mois renouvelable
Rémunération :En fonction des grilles salariales de la fonction publique
Secteur d'activité :Recheche clinique
Description :L’unité MéDatAS-CIC est une structure d’accompagnement des projets de recherche réalisés au sein du CHU de Toulouse. Cette unité récente, adossée au Centre d’investigation Clinique, déploie ses compétences en méthodologie, data management et statistiques sur des projets variés (pédiatrie, pharmacologie, neurologie, médecine interne, oncologie, appareil digestif, psychiatrie, Réanimation, médecine d’urgence, Infectiologie…). Les domaines sont nombreux et particulièrement pourvus d’intérêt méthodologique. Les membres de cette unité ont des années d’expérience à leur actif et font preuve de compétences reconnues dans leur domaine. Intégrer cette unité dynamique, c’est : - partager votre expérience et apprendre de votre environnement de travail - proposer des innovations - communiquer sur votre activité - interagir efficacement avec les acteurs de la recherche - vous épanouir dans un domaine motivant et une équipe bienveillante
En savoir plus :www.chu-toulouse.fr
Offre poste CLINICAL DATA MANAGER.pdf
Contact :morin.ch@chu-toulouse.fr
Construction de nouveaux critères multi-objectifs pour la sélection variétale
Publiée le 25/11/2021 12:22.
Référence : offre de stage de master 2.
Stage, Jouy-en-Josas.
Entreprise/Organisme :INRAE
Niveau d'études :Master
Durée du contrat :5 à 6 mois
Description :L’objectif de ce stage est de construire de nouveaux critères pour la sélection variétale, en tenant compte de plusieurs objectifs simultanément. On pourra par exemple chercher à maximiser le rendement et la surface foliaire de la plante. Une autre cible serait de tenir compte de la variabilité environnementale, par exemple en considérant le rendement dans différentes conditions environnementales. La prise en compte de plusieurs objectifs simultanément permettra de sélectionner des variétés robustes, par exemple dans plusieurs environnements ou dans des environnements extrêmes dans un contexte de changement climatique.
En savoir plus :http://genome.jouy.inra.fr/~ekuhn/offre_stage_stat4plant_optimisation_multicritere_appli_plante.pdf
offre_stage_stat4plant_optimisation_multicritere_appli_plante.pdf
Contact :estelle.kuhn@inrae.fr
Modélisation jointe de données longitudinales et de survie en grande dimension
Publiée le 25/11/2021 12:22.
Référence : offre de stage de master 2.
Stage, Jouy-en-Josas.
Entreprise/Organisme :INRAE
Niveau d'études :Master
Durée du contrat :5 à 6 mois
Description :La pyrale du maïs (Ostrinia nubilalis est un des ravageurs majeurs du maïs en Europe. Elle peut entraîner des baisses considérables de rendement et favoriser le développement de pathogènes sur les plantes attaquées. Le présent projet vise à développer un modèle prédictif de la date de floraison du maïs intégrant simultanément les variabilités de l'environnement et génétiques, ainsi que la dynamique des attaques de pyrales.
En savoir plus :http://genome.jouy.inra.fr/~ekuhn/stageM2_2022_modelisation_jointe_floraison_pyrale.pdf
stageM2_2022_modelisation_jointe_floraison_pyrale.pdf
Contact :estelle.kuhn@inrae.fr
Modélisation du biais dans les recrutements : étude de l'influence d'un biais dans les données
Publiée le 24/11/2021 19:29.
Référence : I@BAR Sujet M2.
Stage, Laboratoire Jean Kuntzmann (Grenoble).
Entreprise/Organisme :Université Grenoble Alpes
Niveau d'études :Master
Sujet :Le marché des solutions de solution utilisant l'intelligence articielle (IA) explose aujourd'hui sous l'impulsion de startups proposant par exemple des solutions de recommandations automatiques de candidats via une recherche sémantique sur les CV 1, des solutions d'analyse de signaux verbaux et non verbaux au cours des entretiens 2, ou encore des outils de prédiction de la capacité des candidats à s'entendre avec une équipe et à travailler ecacement 3. Toutes ces solutions promettent des recrutements plus ecaces et surtout exempts de biais et de discrimination. Pourtant, si les biais et la discrimination sont des risques inhérents à toute décision de recrutement humain, les particularités qui caractérisent les technologies de l'IA, en termes d'opacité, de complexité, de comportement partiellement autonome ne fournissent pas de garanties pour réduire ces biais, et on peut même penser que l'IA peut engendrer d'autres types de biais (Lacroux et Martin-Lacroux, 2021). Par exemple, un algorithme entraîné à prendre des décisions à partir de données sociales biaisées reproduit ces biais, voire même les amplie et crée des discriminations fortes fondées sur des critères comme le sexe, l'âge, l'origine des individus (pour un exemple, voir Besse (2020)). Dans ce contexte, le projet IAB@R (Intelligence Articielle, Biais et Acceptabilité dans le recrutement) ambitionne de questionner la validité et les impacts des outils d'IA appliqués au recrutement. Force est de constater que les études sont rares alors que la demande de données empiriques est forte (Villani et al., 2018) et que les enjeux sont importants et particulièrement sensibles notamment dans le cadre de la promotion de la diversité et la lutte anti-discrimination. Cette lutte correspond non seulement à un impératif éthique mais aussi à une obligation légale en termes d'explicabilité des décisions prises sur la base de recommandations algorithmiques (la loi précise que les recruteurs doivent être capables si besoin de justier leurs choix). L'objectif de ce stage est d'analyser le comportement de diérents algorithmes (régression logistique, forêts aléatoire et réseaux de neurones notamment ; une phase d'apprentissage de certains algorithmes est prévue dans les 6 mois si besoin) en donnant des données biaisées en entrées et de voir l'impact sur les estimations de sortie. Pour ce faire, le ou la stagiaire analysera des plans de simulations pour estimer l'inuence du biais avec des données quantitatives et qualitatives (en s'appuyant notamment sur l'article de Besse (2020) et un stage de M1 eectué l'an dernier). Dans un second temps, une analyse sur des données mimant des recrutements réels sera faite (en partenariat avec un stage de M1 proposé en parallèle). La n du stage dépendra des résultats obtenus et du projet professionnel du ou de la stagiaire. Aucune connaissance en science sociale n'est demandée. Ce sujet n'est pas susceptible d'aboutir sur une thèse mais des discussions sont potentiellement possibles si le ou la stagiaire serait intéressé ·e.
Date de début :Mars 2022
Durée du contrat :6 mois
Rémunération :Gratification
Secteur d'activité :Recherche publique
Description :Le marché des solutions de solution utilisant l'intelligence articielle (IA) explose aujourd'hui sous l'impulsion de startups proposant par exemple des solutions de recommandations automatiques de candidats via une recherche sémantique sur les CV 1, des solutions d'analyse de signaux verbaux et non verbaux au cours des entretiens 2, ou encore des outils de prédiction de la capacité des candidats à s'entendre avec une équipe et à travailler ecacement 3. Toutes ces solutions promettent des recrutements plus ecaces et surtout exempts de biais et de discrimination. Pourtant, si les biais et la discrimination sont des risques inhérents à toute décision de recrutement humain, les particularités qui caractérisent les technologies de l'IA, en termes d'opacité, de complexité, de comportement partiellement autonome ne fournissent pas de garanties pour réduire ces biais, et on peut même penser que l'IA peut engendrer d'autres types de biais (Lacroux et Martin-Lacroux, 2021). Par exemple, un algorithme entraîné à prendre des décisions à partir de données sociales biaisées reproduit ces biais, voire même les amplie et crée des discriminations fortes fondées sur des critères comme le sexe, l'âge, l'origine des individus (pour un exemple, voir Besse (2020)). Dans ce contexte, le projet IAB@R (Intelligence Articielle, Biais et Acceptabilité dans le recrutement) ambitionne de questionner la validité et les impacts des outils d'IA appliqués au recrutement. Force est de constater que les études sont rares alors que la demande de données empiriques est forte (Villani et al., 2018) et que les enjeux sont importants et particulièrement sensibles notamment dans le cadre de la promotion de la diversité et la lutte anti-discrimination. Cette lutte correspond non seulement à un impératif éthique mais aussi à une obligation légale en termes d'explicabilité des décisions prises sur la base de recommandations algorithmiques (la loi précise que les recruteurs doivent être capables si besoin de justier leurs choix). L'objectif de ce stage est d'analyser le comportement de diérents algorithmes (régression logistique, forêts aléatoire et réseaux de neurones notamment ; une phase d'apprentissage de certains algorithmes est prévue dans les 6 mois si besoin) en donnant des données biaisées en entrées et de voir l'impact sur les estimations de sortie. Pour ce faire, le ou la stagiaire analysera des plans de simulations pour estimer l'inuence du biais avec des données quantitatives et qualitatives (en s'appuyant notamment sur l'article de Besse (2020) et un stage de M1 eectué l'an dernier). Dans un second temps, une analyse sur des données mimant des recrutements réels sera faite (en partenariat avec un stage de M1 proposé en parallèle). La n du stage dépendra des résultats obtenus et du projet professionnel du ou de la stagiaire. Aucune connaissance en science sociale n'est demandée. Ce sujet n'est pas susceptible d'aboutir sur une thèse mais des discussions sont potentiellement possibles si le ou la stagiaire serait intéressé ·e.
En savoir plus :https://www-ljk.imag.fr/
Sujet_IABAR_M2.pdf
Contact :vincent.brault@univ-grenoble-alpes.fr
Poste de Professeur des Universités en Statistique au MAP5 (UMR CNRS 8145, Université de Paris)
Publiée le 24/11/2021 19:29.
CDI, MAP5 (UMR CNRS 8145), Campus Saint-Germain des Prés, 45 rue des Saints-Pères, 75270 Paris cedex 06.
Entreprise/Organisme :Université de Paris
Niveau d'études :Autre
Description :Voir le document joint. Attention : - ouverture des candidatures : 26 janvier 2022 ; - date limite de candidature : 28 février 2022.
En savoir plus :https://map5.mi.parisdescartes.fr/postes-denseignants-chercheurs-mis-au-concours-en-2022/
FichePoste_PR26_MAP5.pdf
Contact :antoine.chambaz@u-paris.fr
Deep learning methods for sustainable development applications: decarbonization of the building sect
Publiée le 24/11/2021 19:29.
Postdoc, Grenoble.
Entreprise/Organisme :CEA
Niveau d'études :Doctorat
Date de début :01/03/2022
Durée du contrat :24 mois
Secteur d'activité :recherche en intelligence artificielle
Description :Heat pumps (HPs) are playing an increasing role in energy systems and have the potential to make a significant contribution to the decarbonization of the building sector. However, current HPs do not sufficiently take into account the variability of external disturbances such as weather conditions or user requirements. The two main objectives of the project are the development of Artificial Intelligence (AI) methods based on the incremental learning of Artificial Neural Networks (ANNs) to achieve adaptive regulation and supervision of HPs. Indeed, ANNs can improve the energy performance of HPs by learning about their different modes of operation and allowing them to adapt their heat production in anticipation of future events, as well as by adaptive detection of operational anomalies. However, both ANNs and other machine learning methods often generate significant errors when confronted with significantly different or new data. For real-time use in HP regulators, the ANN system must constantly learn new knowledge, while keeping in mind the old ones. Thus, this work will cover the development of the end-to-end AI pipeline for time series data based on incremental learning for adaptive HP control and supervision, with the development of AI pipeline based on incremental learning for numerical and event sequence data (generated by successive operational states of an underlying unknown state machine): o Pre-process datasets o Develop the classification and the forecast models o Develop the anomaly and novelty detection model for the use cases o Develop the incremental model to the defined datasets
En savoir plus :https://www.emploi.cea.fr/offre-de-emploi/emploi-deep-learning-methods-for-sustainable-development-d
Contact :marina.reyboz@cea.fr
Biostatisticien épidémiologie / santé publique - Inserm
Publiée le 22/11/2021 17:30.
CDD, Paris 12e.
Entreprise/Organisme :Institut Pierre Louis d'épidémiologie et de santé publique - Inserm Sorbonne Université
Niveau d'études :Master
Durée du contrat :12 mios renouvellables
Description :Le réseau Sentinelles est une plateforme de recherche coordonnée par l’Institut Pierre Louis d’Epidémiologie et de Santé Publique (UMR-S 1136, INSERM/Sorbonne Université) permettant la collaboration entre chercheurs, médecins généralistes et pédiatres libéraux. Il participe, en collaboration avec Santé publique France, à la surveillance des maladies communautaires comme la COVID-19, la grippe, les gastro-entérites ou la varicelle (https://www.sentiweb.fr). L’équipe développe en parallèle une plateforme de surveillance de la grippe et de la COVID-19 en population générale GrippeNet.fr/Covid-Net (https://www.grippenet.fr). L’équipe Sentinelles porte également des projets en pharmaco-épidémiologie réalisés à partir des données du SNDS (Assurance maladie) en collaboration avec l’ANSM. La personne recrutée fera partie du pôle d’informatique et biostatistique (6 personnes) au sein de l’équipe pluridisciplinaire du réseau Sentinelles. ACTIVITES PRINCIPALES : # Surveillance épidémiologique du réseau Sentinelles : - analyse des séries temporelles (prévision des incidences, détection des épidémies, etc.) - suivi de la performance des méthodes utilisées (évaluation, amélioration), - développement de nouvelles méthodes et d’indicateurs - développement de projets de recherche # Travaux de pharmaco-épidémiologie menés sur les données du SNDS (principalement EGB) - définition des objectifs et de la méthodologie à mettre en œuvre - analyse des données et valorisation des résultats (revues scientifiques) - animation des réunions du comité scientifique # Appui méthodologique statistique aux épidémiologistes de l’équipe : - méthodes à mettre en œuvre en fonction des problématiques étudiées et des données disponibles, - aide à l’utilisation du logiciel R, éventuellement animation de formations # Veille scientifique sur les thématiques des projets portés par le réseau Sentinelles # Participation à la vie de l’unité et de l’équipe de recherche (réunions, séminaires) # Encadrement de stagiaires de Master et d’internes en santé publique
En savoir plus :https://www.sentiweb.fr/
FichePoste_RS_Statistique_2022.pdf
Contact :recrutement@sentiweb.fr
Internship in Statistics applied to Plant Genetics (Master 2 level)
Publiée le 22/11/2021 17:29.
Référence : 2021-6787.
Stage, Chappes, France.
Entreprise/Organisme :Vilmorin et Compagnie - Limagrain Vegetable Seeds
Niveau d'études :Master
Sujet :Internship in Mixed Models Applied to Quantitative Genetics in Plant Breeding (H/F)
Date de début :As of February or March 2022
Durée du contrat :6 months
Rémunération :Yes
Secteur d'activité :Food & Agribusiness
Description :Come and join Limagrain is a worldwide top-ranked seed business company developing new plant varieties ! Plant breeding research is multidisciplinary and involves breeders, geneticists, computational biologists, statisticians, etc... You will contribute to the assessment and implementation of an Identical By Descent - based mixed-model approach for Quantitative Trait Locus mapping in multi-parental populations. Your main tasks will be to: - Control the quality of the available multiparental datasets - Build a consensus genetic map - Write a script to assess IBD-based mixed models for QTL mapping - Communicate the detected QTL Your contribution will directly benefit the geneticists of the company by allowing them to increase the power to detect QTL and their resolution ! You are a Masters' degree student in statistics who is interested in applications of mathematics to biological data; or you are a student in plant breeding enrolled in a Masters' degree curriculum with a major in genetics and/or statistics. You must be knowledgeable of mixed modeling (in quantitative genetics would be a plus) as well as familiar with programming , preferably under R environment. Looking forward to hearing from you soon. José
En savoir plus :https://jobdesk.limagrain.com/offre-de-emploi/emploi-internship-in-quantitative-genetics-h-f-_6787.a
Internship in Quantitative Genetics 2022.pdf
Contact :jose.osorioyfortea@limagrain.com
Poste de professeure ou professeur en mathématiques ou statistique pour la formation des enseignants
Publiée le 22/11/2021 11:26.
CDI, Ville de Québec, Canada.
Entreprise/Organisme :Université Laval
Niveau d'études :Doctorat
Description :Le Département de mathématiques et de statistique de l’Université Laval sollicite des candidatures pour un poste de professeure ou professeur. Bien que tous les domaines de spécialisation en mathématiques ou en statistique soient recevables, une expertise particulière ou un intérêt marqué pour la formation du personnel enseignant du primaire et du secondaire est requis. L’engagement se fera normalement au rang de professeure adjointe ou professeur adjoint et l’entrée en fonction serait normalement à l’été 2022. (voir le fichier joint pour les détails)
En savoir plus :https://www.mat.ulaval.ca/fileadmin/mat/documents/Fichiers_combin%C3%A9s_pour_vignette.pdf
Professeur-FormationEnseignants-ULaval.pdf
Contact :directeur@mat.ulaval.ca
Graphe acyclique dirigé et inférence bayésienne pour identifier des sources alimentaires d'Oméga-3
Publiée le 22/11/2021 11:26.
Référence : M2_1_2022.
Stage, Paris/Saclay.
Entreprise/Organisme :INRAE
Niveau d'études :Master
Sujet :Graphe acyclique dirigé et inférence bayésienne pour identifier des sources alimentaires d'Oméga-3
Date de début :février/avril 2022
Durée du contrat :6 mois
Rémunération :Gratification des stages de M2 de la fonction publique
Secteur d'activité :Recherche
Description :Les acides gras polyinsaturés oméga-3 et la vitamine D font partie des nutriments essentiels à la santé humaine. Cependant, de nombreuses populations sont en état de carence et cette insuffisance n’est pas simple à résoudre car elle dépend de nombreux facteurs. Notamment, les sources de ces nutriments actuellement exploitées sont peu abondantes et peu durables, avec des impacts environnementaux qu’il est nécessaire de mieux quantifier. Leur transformation en aliments et leur conservation posent également des difficultés car ces nutriments se dégradent relativement facilement. Les aliments les plus riches, en particulier poissons gras et fruits de mer, peuvent de plus apporter des contaminants (entre autres les métaux lourds). En aval, s’il est reconnu que l’apport de ces nutriments participe au maintien d’une bonne santé, leurs rôles spécifiques vis-à-vis d’autres nutriments du régime alimentaire ne sont pas suffisamment compris. À partir des connaissances d’un groupe interdisciplinaire d’experts, qui réalise un état des lieux des connaissances scientifiques sous forme de données qualitatives et quantitatives sur les relations entre les systèmes alimentaires et la santé pour de nombreuses sources d’oméga-3 et de vitamine D, nous voulons produire une première modélisation statistique de l’amont (les sources alimentaires) à l’aval (la santé humaine) pour représenter les différents critères d’intérêt (les apports, la durabilité, l’acceptabilité et les impacts santé, entre autres) et leurs incertitudes associées pour les différentes sources des deux nutriments. Le stagiaire sera confronté à des dires d’experts, des données quantitatives et qualitatives hétérogènes, multi-échelles et « sparses ». La construction du modèle statistique avec ses nombreuses variables latentes se fera à l’aide d’un graphe d’indépendances conditionnelles (graphe acyclique dirigé), et l’inférence du réseau ainsi constitué se fera de façon bayésienne grâce à des algorithmes de Monte Carlo par Chaîne de Markov de type échantillonnage de Gibbs ou hamiltonien. Les données utilisées par le modèle statistique seront représentées dans une base de données structurée par ontologie dans une approche Open Science facilitant la réutilisation des données [4].
En savoir plus :https://www6.inrae.fr/mia-paris/Offres-d-emploi/Stages-de-master
Stage M2 Om3D SM PB (1) (1).pdf
Contact :isabelle.albert@inrae.fr
Postdoctorat en biostatistique
Publiée le 22/11/2021 11:26.
CDD, UNIVERSITE DE BORDEAUX.
Entreprise/Organisme :BPH U 1219 INSERM
Niveau d'études :Doctorat
Date de début :01/02/22
Durée du contrat :1 AN
Rémunération :A partir de 2596€ en fonction de l'expérience antérieure
Secteur d'activité :recherche publique
Description :Dans le cadre du projet ANR Joint Models for Epidemiology and Clinical Research (JMECR, PI : Helene Jacqmin-Gadda) et sous la supervision conjointe d'Helene Jacqmin-Gadda et de Reza Hashemi (professeur de statistiques à l'université Razi, Iran), le candidat contribuera au développement d'une approche de model averaging pour calculer les prédictions individuelles à partir de mesures répétées de plusieurs marqueurs en combinant la prédiction de modèles conjoints incluant un seul marqueur. Le post-doctorant sera en charge de l'implémentation de la méthode et du programme de simulation en utilisant le langage R et de son application à des données réelles pour prédire le risque de démence chez les personnes âgées ou le risque de complications après une hémorragie sous-arachnoïdienne dans une unité de soins intensifs.
En savoir plus :https://www.bordeaux-population-health.center/les-equipes/biostatistique/
Postdoctoral position in Biostatistics.pdf
Contact :helene.jacqmin-gadda@u-bordeaux.fr

<1>  2  3  4  5  6  Page suivante

 
 
©2021 SFdS
Société Française de Statistique
Institut Henri Poincaré
11 rue Pierre et Marie Curie
75231 Paris cedex 5
Tél. : +33 (0)1 44 27 66 60
Notre site a été supporté par :