Consulter les offres d’emploi

Biostatisticien, épidémiologiste
Publiée le 19/04/2018 10:42.
CDD, Grenoble 38000.
Entreprise/Organisme :Inserm - U1209
Niveau d'études :Master
Date de début :Septembre 2018
Durée du contrat :2 ans
Rémunération :Grille INSERM en fonction de l’expérience
Secteur d'activité :Recherche
Description :L’équipe d’Épidémiologie Environnementale appliquée à la Reproduction et la Santé Respiratoire située à Grenoble est à la recherche d’un ingénieur ayant des compétences en biostatistique et / ou épidémiologie. Les travaux de recherche de notre équipe visent à évaluer les conséquences à court et moyen termes des expositions environnementales subies durant la vie fœtale et l’enfance. Nos projets sont centrés sur des pathologies et troubles fréquents, et des facteurs d’exposition dont la prévalence est élevée en population générale et dont les niveaux peuvent être contrôlés : polluants atmosphériques, perturbateurs endocriniens (phénols, phtalates) et l’exposome dans son ensemble. Le candidat travaillera sur les données de la cohorte SEPAGES, un nouveau type de cohorte couple- enfant, pour laquelle nous disposons de données détaillées sur les expositions à de nombreux polluants environnementaux (pollution de l’air, perturbateurs endocriniens) et des paramètres de santé de l’enfant (croissance, santé respiratoire, neurodéveloppement) évalués pour la plupart de façon objective durant des examens cliniques. Dans un premier temps, le candidat s’attachera à décrire les facteurs prédicteurs des expositions aux phénols et aux phtalates, deux familles de perturbateurs endocriniens dont l’exposition est prévalente en population générale. Il/elle s’attachera ensuite à étudier le lien entre les expositions à ces perturbateurs endocriniens durant la vie précoce (vie fœtale et première année de vie) et la santé de l’enfant et notamment : 1) La croissance pré-natale évaluée à l’aide d’échographies pendant la grossesse 2) La santé respiratoire évaluée par des mesures objectives de la fonction pulmonaire à 2 mois 3) Le neurodéveloppement de l’enfant évalué à l’aide d’examens réalisés par un psychologue et des questionnaires remplis par les parents aux 3 ans de l’enfant Le candidat sera en charge, en collaboration avec les chercheurs de l’équipe, du nettoyage des données, des analyses statistiques et, si il/elle le souhaite, prendra part de façon active à la rédaction en anglais des publications scientifiques issues de ces travaux. Formation : Master 2, diplôme d’ingénieur ou thèse de science en biostatistique ou épidémiologie Compétences : Très bonne maitrise de la programmation sous Stata, R ou SAS Rigueur, autonomie et sens du travail en équipe Bonne compréhension de l’anglais (écrit et parlé). Une première expérience dans l’analyse de données serait appréciée. Pour plus d’information sur le poste merci de contacter Claire Philippat (claire.philippat@inserm.fr) Candidature : Envoyer CV et lettre de motivation à recrutement.lyon@inserm.fr avant le 3 Mai 2018.
En savoir plus :NA
Biostaticien_Epidemiologiste_INSERM_U1209.pdf.pdf
Contact :claire.philippat@inserm.fr
Stage - apprentissage statistique pour accompagner le vieillissement
Publiée le 19/04/2018 10:42.
Stage, Lille / Villeneuve d'Ascq.
Entreprise/Organisme :Inria
Niveau d'études :Master
Durée du contrat :Six mois maximum
Description :Une offre de stage visant à implémenter des algorithmes d’apprentissage automatique pour prédire le "bien vieillir".
En savoir plus :https://modal.lille.inria.fr/wikimodal/lib/exe/fetch.php?media=stage_pasteur_bien_vieillir_.pdf
Stage___Pasteur__bien_vieillir_.pdf
Contact :benjamin.guedj@inria.fr
Thèse Chimiométrie et Big Data : adaptation de l'algorithme PLS-locale au big data
Publiée le 19/04/2018 10:42.
Référence : these_reg_loc.
Thèse, MONTPELLIER.
Entreprise/Organisme :Irstea
Niveau d'études :Master
Date de début :entre septembre et novembre 2018
Durée du contrat :3 ans
Rémunération :1 874,41 € bruts, soit 1 506,46 € nets
Secteur d'activité :chimiométrie ; Big Data
Description :L’objectif de la thèse est de tester et d’adapter des techniques du big data pour rendre compatibles les algorithmes de PLS locale avec les grandes (typiquement > 20 000 individus) et très grandes (>106 individus) bases de données. Deux méthodes d’indexation, étudiées intensivement par l’équipe Zenith du Lirmm (participant au projet de thèse), seront explorées : Le hachage (en particulier, le calcul de sketches) L’indexation arborescente des données représentées par iSAX. Pour chacune de ces deux techniques, la méthodologie suivante sera suivie : Application directe des algorithmes existants (hachage et iSAX) sur les bases de données spectrales ; évaluation des gains de performances en termes de temps de calcul et des gains ou des pertes de performances en terme de précision de prédiction. Test de l’influence de différent prétraitements spectraux couramment utilisés en SPIR ; définition d’un prétraitement optimal pour rendre les spectres compatibles avec les algorithmes iSAX et sketches. Adaptation des algorithmes de recherche d’iSAX et de sketches aux particularités structurelles des spectres PIR.
En savoir plus :pasi.irstea.fr ; sujet 3995
phd_irstea_regloc.pdf
Contact :jean-michel.roger@irstea.fr
Stage en biostatistique
Publiée le 19/04/2018 10:42.
Stage, Montigny le Bretonneux.
Entreprise/Organisme :UVSQ
Niveau d'études :Master
Date de début :mai 2018
Durée du contrat :6 mois
Rémunération :Statutaire
Secteur d'activité :Médecine
Description :Mission 1 : Participation aux différents programmes de recherche de l’équipe - Réalisation des analyses statistiques - Supervision de la conception des questionnaires, de la saisie et du data-management - Vérification de la qualité et la cohérence des données - Aide à la préparation de communications dans des congrès - Aide à la rédaction d’articles scientifiques Mission 2 : Appui pour les étudiants en Master 2 en équipe - Appui méthodologique et statistique, personne-ressource de l’équipe - Supervision du travail des étudiants - Aide à la rédaction de mémoire et d’articles scientifiques Mission 3 : réalisation d’études ancillaires à l’aide des données disponibles dans l’unité - Réalisation d’analyses statistiques - Soumission et présentation de communications dans des congrès - Rédaction d’articles scientifiques
En savoir plus :NA
Fiche de poste stagiaire biostat.pdf
Contact :adeline.duclos@uvsq.fr
Ingénieur statisticien (BOE)
Publiée le 19/04/2018 10:42.
Référence : Ingénieur statisticien (BOE).
CDI, Paris 03.
Entreprise/Organisme :Conservatoire national des arts et métiers
Niveau d'études :Master
Date de début :Septembre 2018
Rémunération :Grille de la fonction publique
Secteur d'activité :Biostatistique
Description :Missions proposées L’ingénieur d’études recruté viendra appuyer l’équipe du laboratoire MESuRS pour la mise en place et le déroulement de ses différentes études épidémiologiques, que ce soit pour le recueil de données, la gestion informatique de bases de données ou leur analyse statistique. Il/elle sera amené à rédiger des rapports de synthèse sur des études auxquelles il aura participé, et sera associé à la rédaction d’articles scientifiques. Il/elle pourra également encadrer ou co-encadrer des stagiaires en épidémiologie ou biostatistique. Profil et compétences recherchées L’ingénieur d’études recruté devra avoir de solides connaissances en statistique et maîtriser les outils informatiques pour la gestion de grandes bases de données et pour les analyses statistiques (ex. R ou Stata). Il/elle aura une expérience antérieure dans le domaine de la santé (épidémiologie). Titulaire d’un BAC+5 en statistique, biostatistique ou épidémiologie, il/elle saura faire preuve de rigueur scientifique, sera autonome, aura de bonnes capacités de communication orale et écrite et une bonne aptitude au travail en équipe.
En savoir plus :mesurs.cnam.fr
IGE MESuRS 2018 - résumé.pdf
Contact :mounia.hocine@cnam.fr
Data manager / Chargé.e d’études 2ème catégorie projet « StimHo »
Publiée le 19/04/2018 10:42.
CDD, Ined 133 boulevard davout 75020 Paris.
Entreprise/Organisme :Ined
Niveau d'études :Autre
Date de début :dès que possible
Durée du contrat :12 mois renouvelable
Rémunération :selon profil et expérience
Description :Le data manager aura pour mission principale d’exploiter les données prove nant du Système National d’Information Inter Régimes de l’Assurance Maladie (SNIIRAM) dans les infrastructures de l’EGB et de Constances. Il sera inséré dans l’équipe de recherche et collaborera avec l’ensemble des chercheurs sur les trois grands axes de r echerche du projet.
En savoir plus :https://www.ined.fr/fr/institut/nous-rejoindre/cdd-stages-apprentissage/
Charge d etudes projet StimHo.pdf
Contact :roche@ined.fr
Ingénieur de Recherche - Biostatisticien Sénior AHPH HUPNVS
Publiée le 19/04/2018 10:42.
Référence : IR Biostatisticien APHP.
CDD, Hôpital Bichat, 46 rue Henri Huchard, 75018 Paris.
Entreprise/Organisme :Département d’Epidémiologie Biostatistique Recherche Clinique (DEBRC) du groupe hospitalier HUPNVS
Niveau d'études :Doctorat
Date de début :Poste à pouvoir au 1er Juin 2018
Durée du contrat :Contrat à durée déterminée (CDD), possibilité d’évoluer vers un CDI
Rémunération :Grille salariale d’ingénieur de recherche AP-HP avec reprise possible de l’ancienneté
Secteur d'activité :Recherche Clinique
Description :Tâches et Missions au cours des recherches biomédicales Prendre en charge des études de recherche clinique sous la supervision d’un médecin ou d’un pharmacien de Santé Publique : • Aide à la rédaction de protocoles avec discussion sur le design de l’étude • Participation à la mise en place de l’étude en collaboration avec l’équipe clinique : schéma de randomisation, revue du CRF • Suivi d’essais gérés par le service en collaboration avec les cliniciens et les data managers • Validation de la cohérence des données en collaboration avec le Data Management • Réalisation des analyses statistiques • Rédaction des rapports d’analyses (analyses intermédiaires et de fin d’étude) • Participation à la valorisation scientifique des résultats Tâches et missions transversales • Encadrement d’étudiants en master • Participation à la réflexion méthodologique de l’équipe • Rédaction et révision des procédures statistiques
En savoir plus :http://recherche-hupnvs.aphp.fr/structures-de-recherche/
Fiche de poste IR DEBRC HUPNVS_def.pdf
Contact :cedric.laouenan@aphp.fr
Ingénieur Biostatisticien
Publiée le 19/04/2018 10:42.
Référence : CDD Biostatistique.
CDD, Toulouse France.
Entreprise/Organisme :INSERM U1220
Niveau d'études :Master
Date de début :Juin 2018
Durée du contrat :12 mois
Secteur d'activité :Génomique statistique
Description :Our Inserm group (Statistical Genomics of Human Complex Disorders, Toulouse, France) is developing a research programme in deep sub-phenotyping of Parkinson’s Disease. This research involves the development and application of unsupervised clustering methods, multilocus genetic approaches based on the linear mixed model and computer programmes to identify genetic-specific subgroups of patients using a mixture of data types (longitudinal and whole genome DNA markers). This work is conducted in the context of large scale European and International studies.
En savoir plus :NA
POSITION FOR A BIOSTATISTICIAN.pdf
Contact :maria.martinez@inserm.fr
PhD Thesis : Towards hybrid and explainable recommender systems mixing content analysis and collabor
Publiée le 19/04/2018 10:42.
Thèse, Nancy.
Entreprise/Organisme :Université de Lorraine
Niveau d'études :Master
Sujet :General context Over the last twenty years, an increasing attention has been paid to recommender systems, widely popularized by the Netflix Challenge. The main goal of a recommender system is to provide some users, with personalized products, taking into account their profile and preferences. Recent challenges are about the recommendation of products very complex to describe : jobs, partners... Their characteristics can mix heterogeneous features: quantitative (as ratings) and/or qualitative (as reviews). Moreover, new questions are emerging about explainability of algorithms. Nowadays, Artificial Intelligence algorithms are democratized in our erveyday life, and consumers want to understand the decision resulting from these algorithms (why this decision and not another one ?) as well as quantify the importance of each factor (element) in the decision process (which element is the most important/sensitive). They require more explainability of AI algorithms. In addition, the new European legislation on data protection foresees to impose more transparency to Artificial Intelligence algorithm. The law envisages to make compulsory the agreement of users for using personal data, which will reduce the amount of data that can be collected about users. The customer will also have to be informed about the way their personal data is used. From the algorithms point of view, the decrease of data will impact the quality of the recommmendations. All these changes, will impact shortly and significantly the design of algorithms. In this thesis, we aim at designing and implementing new explainable and transparent recommender systems for complex products, in the frame of data sparsity. Scientific challenges and program The challenges are four fold : - Definition, in a quantitative way, of the concept of transparency, and develop statistical methods to automatically quantify the transparency degree of an algorithm. - Classification of recommender systems from the literature, from the transparency point of view and/or robustness degree with respect to missing data - Conception of new hybrid and explainable recommender systems, robust to sparse data. The products being complex, the heterogeneous descriptions of the products, as well as the multi-sources of information, will be used to construct understandable explanation. Especially, natural language processing, and hybrid (content/social) approaches will be studied. The algorithms will also be able to quantify the weights and the sensitivity of each factor in the final decision. - Constitution of data sets, allowing to evaluate transparency of recommender systems Application noindent The application should include a brief description of research interests and past experience, a CV, degrees and grades, a copy of Master thesis (or a draft thereof), motivation letter (short but pertinent to this call), relevant publications (if any), and other relevant documents. Candidates are encouraged to provide letter(s) of recommendation or contact information to reference persons. Please send your application before 12 May 2018 in one single pdf to : armelle.brun@univ-lorraine.fr marianne.clausel@univ-lorraine.fr The application of the preselected candidates will be reviewed by the Doctoral School IAEM of University of Lorraine in June 2018 for completing the selection process. Practical informations Duration: 3 years (full time position)\ Starting date: October, 2018\ Supervisors A. Brun, University of Lorraine/LORIA, France, https://members.loria.fr/ABrun/ M. Clausel, University of Lorraine/IECL, France, https://sites.google.com/site/marianneclausel/ Working Environment The PhD candidate will work between the Probability and Statistic team of the IECL lab and the KIWI Team of the LORIA lab which are two leading institutions, respectively in Mathematics and Computer Science in France. The two labs are both located at Nancy, France on the same campus. \ The Probability and Statistic team of IECL is working on interdisciplinary projects involving probabilistic modeling and inference methods, with a focus on many applications as textual datas, biology, spatial datas...\ The KIWI team of LORIA is a dynamic group working on recommender system and connected scientific domains over 20 researchers (including PhD students) and that covers several aspects of the subject from theory to applications, including statistical learning, data-mining, and cognitive science. \ Location : Nancy, which is the capital of Lorraine in France, with excellent train connection to Luxembourg (1h30) and Paris (1h30).\ Salary after taxes: around 1600 euros.
Date de début :01/10/2018
Durée du contrat :3 years
Rémunération :1600
Description :General context Over the last twenty years, an increasing attention has been paid to recommender systems, widely popularized by the Netflix Challenge. The main goal of a recommender system is to provide some users, with personalized products, taking into account their profile and preferences. Recent challenges are about the recommendation of products very complex to describe : jobs, partners... Their characteristics can mix heterogeneous features: quantitative (as ratings) and/or qualitative (as reviews). Moreover, new questions are emerging about explainability of algorithms. Nowadays, Artificial Intelligence algorithms are democratized in our erveyday life, and consumers want to understand the decision resulting from these algorithms (why this decision and not another one ?) as well as quantify the importance of each factor (element) in the decision process (which element is the most important/sensitive). They require more explainability of AI algorithms. In addition, the new European legislation on data protection foresees to impose more transparency to Artificial Intelligence algorithm. The law envisages to make compulsory the agreement of users for using personal data, which will reduce the amount of data that can be collected about users. The customer will also have to be informed about the way their personal data is used. From the algorithms point of view, the decrease of data will impact the quality of the recommmendations. All these changes, will impact shortly and significantly the design of algorithms. In this thesis, we aim at designing and implementing new explainable and transparent recommender systems for complex products, in the frame of data sparsity. Scientific challenges and program The challenges are four fold : - Definition, in a quantitative way, of the concept of transparency, and develop statistical methods to automatically quantify the transparency degree of an algorithm. - Classification of recommender systems from the literature, from the transparency point of view and/or robustness degree with respect to missing data - Conception of new hybrid and explainable recommender systems, robust to sparse data. The products being complex, the heterogeneous descriptions of the products, as well as the multi-sources of information, will be used to construct understandable explanation. Especially, natural language processing, and hybrid (content/social) approaches will be studied. The algorithms will also be able to quantify the weights and the sensitivity of each factor in the final decision. - Constitution of data sets, allowing to evaluate transparency of recommender systems Application noindent The application should include a brief description of research interests and past experience, a CV, degrees and grades, a copy of Master thesis (or a draft thereof), motivation letter (short but pertinent to this call), relevant publications (if any), and other relevant documents. Candidates are encouraged to provide letter(s) of recommendation or contact information to reference persons. Please send your application before 12 May 2018 in one single pdf to : armelle.brun@univ-lorraine.fr marianne.clausel@univ-lorraine.fr The application of the preselected candidates will be reviewed by the Doctoral School IAEM of University of Lorraine in June 2018 for completing the selection process. Practical informations Duration: 3 years (full time position)\ Starting date: October, 2018\ Supervisors A. Brun, University of Lorraine/LORIA, France, https://members.loria.fr/ABrun/ M. Clausel, University of Lorraine/IECL, France, https://sites.google.com/site/marianneclausel/ Working Environment The PhD candidate will work between the Probability and Statistic team of the IECL lab and the KIWI Team of the LORIA lab which are two leading institutions, respectively in Mathematics and Computer Science in France. The two labs are both located at Nancy, France on the same campus. \ The Probability and Statistic team of IECL is working on interdisciplinary projects involving probabilistic modeling and inference methods, with a focus on many applications as textual datas, biology, spatial datas...\ The KIWI team of LORIA is a dynamic group working on recommender system and connected scientific domains over 20 researchers (including PhD students) and that covers several aspects of the subject from theory to applications, including statistical learning, data-mining, and cognitive science. \ Location : Nancy, which is the capital of Lorraine in France, with excellent train connection to Luxembourg (1h30) and Paris (1h30).\ Salary after taxes: around 1600 euros.
En savoir plus :https://sites.google.com/site/marianneclausel/
Thesis.pdf
Contact :marianne.clausel@univ-lorraine.fr
Poste de chargé d’étude statistique en Météo-markéting
Publiée le 19/04/2018 10:42.
Référence : Chargé d’étude statistique en Météo-markéting.
CDD, Campus des Cézeaux Aubière..
Entreprise/Organisme :Laboratoire de Mathématiques Blaise Pascal / Université Clermont Auvergne
Niveau d'études :Master
Date de début :Mai 2018
Durée du contrat :9 mois
Rémunération :2500 euros
Secteur d'activité :Mathématiques / Statistique / Météo Markéting
Description :Contexte : La mission s’inscrit dans le cadre du projet Météomarkéting de collaboration entre le laboratoire de mathématiques de Clermont-Ferrand et les entreprises Périscope et Phimeca.  Laboratoire de mathématiques Blaise Pascal : UMR 6620, CNRS, 4 équipes dont l'équipe de probabilités, Analyse et Statistique. http://recherche.math.univ-bpclermont.fr/  Phimeca : proposer des solutions en ingénierie robuste et en fiabilité, en s’appuyant sur un socle scientifique solide : calculs mécaniques, simulation numérique, sureté de fonctionnement et sûreté nucléaire. www.phimeca.com  Periscope : Agence de communication et de marketing dans un monde digitalisé. Agence génératrice d'idées digitales, Créativité par la data, Utilité de marque, Activation business. http://periscope.digital/ Projet Météomarkéting : Construire des outils permettant d'intégrer la météo-sensibilité dans la stratégie markéting. La personne recrutée participera à l’élaboration de modèles de séries temporelles permettant de répondre ces problématiques. Profil recherché : Niveau : Bac+5 en statistique (Master 2, ou école d’Ingénieur) Compétences : Les méthodes de datamining, analyse des données, Etude de séries temporelles multivariées, Bonne connaissance du logiciel R, Penthao. Une connaissance des problématiques Marketing sera un plus.
En savoir plus :http://recherche.math.univ-bpclermont.fr/
offredeCDDLMBP.pdf
Contact :anne.yao@uca.fr
Post-doctoral research fellowship in data analysis and computation science: lidar 3D point cloud mod
Publiée le 19/04/2018 10:41.
Référence : PRS-18-164.
Postdoc, Montpellier.
Entreprise/Organisme :Insitut de Recherches pour le Développement
Niveau d'études :Doctorat
Date de début :été 2018
Durée du contrat :2 ans
Rémunération :selon expérience
Secteur d'activité :recherche publique
Description :The successful applicant will be in charge of developing, testing and implementing algorithms to extract individual tree information from ALS and TLS point clouds. In particular, she/he will build on a recent comparative study conducted at our lab (yet unpublished) which has identified the most promising algorithms currently published to segment individual tree crowns in ALS point clouds. One important avenue of improvement lies in the combination of spectral information (hyperspectral imagery acquired along with lidar data) with the geometric features extracted from the point cloud. She/he will also develop and improve algorithms to extract individual tree characteristics from lidar data including Plant Area Index, tree standing volume. Algorithms will be implemented in the Computree software as well as R language (LidR package) for efficient dissemination.
En savoir plus :http://amap.cirad.fr/fr/detail_offre_accueil.php?id_offre=237
PostDoc_3D_point_cloud_modelling_for_forestry_application_Montpellier .pdf
Contact :gregoire.vincent@ird.fr
Thèse de doctorat en Epidémiologie/Biostatistiques
Publiée le 06/04/2018 09:35.
Thèse, Saint-Maurice, 94410.
Entreprise/Organisme :Santé publique France
Niveau d'études :Master
Sujet :Évaluation de l’impact du dépistage sur la mortalité par cancer du sein en France
Date de début :01/10/2018
Durée du contrat :3 ans
Rémunération :1400 euros net + subvention 50% pour le transport
Secteur d'activité :Epidémiologie, Santé publique
Description :Après la réalisation de programmes pilotes dans plusieurs départements depuis la fin des années 80, un programme de dépistage organisé du cancer du sein a été généralisé à l’ensemble du territoire français en 2004. Le dépistage par mammographie a pour objectif de réduire la mortalité par cancer du sein, comme cela a été démontré par des essais contrôlés randomisés. Mais l’efficacité du dépistage est régulièrement remise en cause au niveau international et national, où une controverse porte sur la quantification des bénéfices et des risques et sur les méthodologies utilisées et leur interprétation. Un travail basé sur une modélisation mathématique a été effectué au sein de Santé publique France pour estimer l’impact du programme de dépistage sur la mortalité, à partir des cas diagnostiqués entre 1990 et 1996 et suivis jusqu'en 2004. Le modèle incluait des hypothèses concernant l’histoire naturelle de la maladie et la survie avec ou sans dépistage. Les résultats indiquaient une réduction de mortalité de l'ordre de 20%. Ce travail portait cependant sur des années antérieures à la généralisation du dépistage organisé et utilisait des données encore parcellaires. Les résultats étaient très sensibles à certaines hypothèses, en particulier sur la survie des personnes dépistées. Dix ans après cette généralisation, nous proposons d’estimer à nouveau l’impact du dépistage sur la mortalité, en se basant sur les pratiques et modalités actuelles du programme et sur l’ensemble des données et connaissances nouvellement acquises. Des difficultés méthodologiques sont liées à la problématique de l’évaluation du dépistage, tels que la prise en compte de l'avance au diagnostic et le surdiagnostic, et sont même amplifiées dans le contexte français en raison d’une pratique fréquente mais mal quantifiée du dépistage individuel. Les hypothèses que cette thèse cherchera à valider sont d’une part que l’impact du programme de dépistage organisé français sur la réduction de mortalité est conforme aux attentes initiales, et d’autre part que les pratiques de dépistages individuels, variables selon les territoires, affectent l’efficacité de ce programme.
En savoir plus :https://www.adum.fr/as/ed/voirproposition.pl?langue=fr&site=ParisEst&matricule_prop=20437
Contact :agnes.rogel@santepubliquefrance.fr
Full/Associate Professor in Statistics at VU AMSTERDAM
Publiée le 06/04/2018 09:35.
CDI, Amsterdam.
Entreprise/Organisme :VU AMSTERDAM
Niveau d'études :Doctorat
Secteur d'activité :académique
Description :The Department of Mathematics of the Faculty of Science, Vrije Universiteit Amsterdam, invites applications for a Full or Associate Professorship in Statistics (0.8/1.0 FTE). More information about the position can be found at https://www.vu.nl/en/employment/vacancies/2018/18096fullassociateprofessorinstatistics.aspx The deadline for application is May 15, 2018.
En savoir plus :https://www.vu.nl/en/employment/vacancies/2018/18096fullassociateprofessorinstatistics.aspx
Contact :m.c.m.de.gunst@vu.nl
Postdoc in probabilistic extreme weather forecasting
Publiée le 04/04/2018 18:44.
Postdoc, Postdoc.
Entreprise/Organisme :Delft University of Technology
Niveau d'études :Doctorat
Date de début :October 2018
Durée du contrat :2 years
Description :There is a Postdoc vacancy in the Dutch NWO-TTW funded project “Probabilistic forecasts of extreme weather utilizing advanced methods from extreme value theory”, which is a joint project between the statistics group of Delft University of Technology and the Royal Netherlands Meteorological Institute (KNMI). We are looking for someone who has the following qualifications: • PhD on statistical and/or machine learning methods including application of these methods to (big) data, preferably in a probabilistic (weather) forecasting framework • preferably knowledge of extreme value theory and/or statistical post-processing and verification methods • highly motivated and interested in meteorology • experienced in (statistical) programming, preferably in R • very good communication skills and fluent spoken and written English. This is a temporary position for a period of 2 years. Applications should include a letter of application emphasising your specific interest in and qualifications for this position, a detailed CV, a publication list and contact details of at least two references in a single PDF file entilted "Lastname, Firstname.pdf". Please e-mail your application by 10 May 2018 to P.T.M. van den Bergh, Hr-eemcs@tudelft.nl.   See https://vacature.beta.tudelft.nl/vacaturesite/permalink/46531/?lang=en for more information.
En savoir plus :https://vacature.beta.tudelft.nl/vacaturesite/permalink/46531/?lang=en
Contact :j.j.cai@tudelft.nl
Ingénieur de Recherche en Statistique
Publiée le 04/04/2018 11:09.
Référence : Meteomarketing.
CDD, Clermont-Ferrand.
Entreprise/Organisme :Université Clermont-Auvergne
Niveau d'études :Master
Date de début :1/05/2018
Durée du contrat :9 mois
Rémunération :2500€ net
Secteur d'activité :Statistique, Marketing
Description :La mission s’inscrit dans le cadre du projet Météomarkéting de collaboration entre le laboratoire de mathématiques de Clermont-Ferrand et les entreprises Périscope et Phimeca. Laboratoire de mathématiques Blaise Pascal : UMR 6620, CNRS, 4 équipes dont l'équipe de probabilités, Analyse et Statistique. http://recherche.math.univ-bpclermont.fr/ Phimeca : proposer des solutions en ingénierie robuste et en fiabilité, en s’appuyant sur un socle scientifique solide : calculs mécaniques, simulation numérique, sureté de fonctionnement et sûreté nucléaire. www.phimeca.com Periscope : Agence de communication et de marketing dans un monde digitalisé. Agence génératrice d'idées digitales, Créativité par la data, Utilité de marque, Activation business. http://periscope.digital/ Projet Météomarkéting : Construire des outils permettant d'intégrer la météo-sensibilité dans la stratégie markéting. La personne recrutée participera à l’élaboration de modèles de séries temporelles permettant de répondre ces problématiques. Profil recherché : Niveau : Bac+5 en statistique (Master 2, ou école d’Ingénieur) Compétences : Les méthodes de datamining, analyse des données, Etude de séries temporelles multivariées, Bonne connaissance du logiciel R, Penthao. Une connaissance des problématiques Marketing sera un plus.
En savoir plus :http://math.univ-bpclermont.fr
offredeCDD.pdf
Contact :arnaud.guillin@uca.fr

<1>  2  3  4  5  6  Page suivante

 
 
©2018 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 :