Consulter les offres d’emploi

Enseignant(e) en mathématiques et statistiques appliquées, expert en data science
Publiée le 23/05/2019 11:33.
CDI, Angers.
Entreprise/Organisme :Ecole Supérieure d'Agricultures - ESA
Niveau d'études :Doctorat
Date de début :01/09/2019
Rémunération :A définir
Secteur d'activité :Etablissement d'enseignement supérieur et de recherche privé en agriculture et agroalimentaire
Description :Vous assurerez des enseignements en mathématiques (analyse et algèbre linéaire) et statistiques appliquées (statistiques inférentielles, analyse de la variance, méthodes prédictives de l’analyse de données) en cycle L et M du cursus ingénieur de l’ESA qui vise à former de futurs professionnels et cadres spécialistes du secteur agricole. Vous vous appuierez sur l’équipe pédagogique en place mais aussi sur le département Sciences Fondamentales & Méthodes auquel vous serez rattaché(e). Vos compétences en data science vous permettent d’apporter un appui méthodologique et technique en R&D à l’ESA. Vous aurez en charge le développement de la consultance en data science auprès des entreprises partenaires.
En savoir plus :
These: "Incorporating known functional annotations into Bayesian genomic prediction models"
Publiée le 23/05/2019 11:32.
Thèse, Jouy en Josas.
Entreprise/Organisme :INRA
Niveau d'études :Master
Sujet :Genomic selection has been successfully implemented in many livestock breeding programs in the last decade, and one recently proposed means for improvement is the use of underlying biology as an additional source of information to guide predictions for complex traits. The aim of this thesis project is to develop and validate genomic prediction models able to weight SNPs to incorporate information extracted from functional annotation maps obtained at different molecular levels on top of the commonly used phenotypic and genotypic data. Subsequently, the extent to which this may increase prediction accuracy will be investigated. The candidate will develop novel cutting-edge statistical models to integrate new functional information into existing genomic predictions methods and validated in commercial populations. In particular, the thesis will focus on the development of a computationally tractable empirical Bayesian genomic prediction model that incorporates functional annotation into prior distributions to weight the likelihood that a given genetic variant is functional or has predicted functional impact on a phenotype. This thesis project thus represents the development of an innovative and impactful approach, making use of statistically robust approaches, to potentially have a major influence on breeding practices. The thesis project is anchored in data that will be collected in the multi-actor GENE-SWitCH (The regulatory GENomE of SWine and CHicken: functional annotation during development) EU Horizon 2020 Research and Innovation project. GENE-SWitCH supports the efforts of the ongoing Functional Annotation of ANimal Genomes (FAANG) consortium, a worldwide consortium of 350+ contributors with the global goal of establishing reference functional maps of domesticated animal genomes. GENE-SWitCH will produce new genomic information to enable the characterization of genetic and epigenetic determinants of complex traits in the two monogastric species (chicken and pigs) that are the primary sources of meat worldwide. In particular, by producing comprehensive reference functional annotation maps at several molecular levels (RNA-seq, ATAC-seq, ChIP-seq, Hi-C) in tissues of relevance to sustainable production at different time points (from embryo/fetus to adult life), the GENE-SWitCH project aims to integrate functional information into genomic selection schemes to improve their effectiveness in the pig and poultry sectors. The large amount of biological information that will be generated in the GENE-SWitCH project will thus provide an excellent opportunity to empirically investigate the potential benefit of using functional annotation in genomic prediction.
Date de début :1er octobre 2019
Durée du contrat :3 ans
Rémunération :1770€
Description :All candidates should hold a Master’s degree (or equivalent) in a relevant biological (genomics, epigenomics, bioinformatics, animal science, agrobiology) or quantitative field (statistics, biostatistics). In addition, successful candidates will have: · Strong interest in quantitative work, including coding and statistical analyses (e.g., in R) and wrangling large complex datasets; · Experience with or willingness to learn Linux and an additional programming language, as needed (e.g. C++). Experience with high performance computing is a plus; · Good organizational and proficient (written/spoken) communication skills in English; · Willingness to travel nationally and internationally to attend project meetings and conferences; · Collaborative and creative spirit, with enthusiasm for innovative scientific research and the ability to work both independently and in a large and diverse group of researchers; · Knowledge of Bayesian / empirical Bayesian models is a plus, and experience with genomic data and/or genomic prediction models would be an advantage but is not necessarily required. Funding and location: The gross monthly salary for this thesis project 1770€. This Ph.D. project is half-funded by the GENE-SWitCH grant, and half-funded by the INRA Animal Genetics department. The GENE-SWitCH grant will provide funding for travel to major scientific conferences as well as for participation in relevant training courses and workshops. In addition, the candidate will communicate results and present the methods developed in this thesis in peer-reviewed journal articles and national and international conferences. An international dimension to this project will naturally arise from interactions with other GENE-SWitCH partners, including one or several short stays at Wageningen University during model development and application to pig data. The thesis will take place in the Genomics, Biodiversity, Bioinformatics, and Statistics (GiBBS) and Bovine Genetics and Genomics (G2B) teams of the Animal Genetics and Integrative Biology (GABI) research unit at INRA in Jouy en Josas, France. The thesis work will be supervised at GABI by Dr. Andrea Rau and Dr. Pascal Croiseau and will feature close collaborations with Dr. Elisabetta Giuffra, Dr. Herve Acloque (INRA GABI), Dr. Helene Gilbert, and Dr. Andres Legarra (INRA GenPhySE). Throughout the thesis, the candidate will have access to the necessary computational resources (e.g., a laptop, access to a computational cluster) as well as a supportive scientific environment, including strong interactions with biologists, bioinformaticians and statisticians (both permanent staff and other trainees) in the GABI research unit.
En savoir plus :
Post-doctoral research fellowship in modelling of the immune response to Ebola vaccine
Publiée le 22/05/2019 13:29.
Référence : Postdoc-InsermU1219-SISTM-EBOVAC3.
Postdoc, Bordeaux.
Entreprise/Organisme :Inserm U1219 / Inria / Université de Bordeaux
Niveau d'études :Doctorat
Date de début :asap
Durée du contrat :18 mois
Rémunération :Grille inserm selon expérience
Secteur d'activité :Biostatistics
Description :The main objective of this postdoc position will be to use the data gathered through the EBOVAC projects to build and fit a model of the immune response to the Ebola vaccine in order to better characterize the response (duration) and better understand the mechanism of its establishment. The candidate should hold a PhD in mathematics, physics or statistics. We are looking for an highly motivated candidate with an outstanding potential and a strong background in statistics and a deep interest in immunology and biological application.
En savoir plus :
Enseignant-chercheur Data Science/Informatique
Publiée le 22/05/2019 13:29.
Référence : EC-ISEP-2019-DS.
CDI, 10 Rue de Vanves Issy Les Moulineaux.
Entreprise/Organisme :ISEP
Niveau d'études :Doctorat
Date de début :1er septembre 2019
Secteur d'activité :Enseignement et Recherche
Description :Enseignant-chercheur en Sciences des données L’ISEP recrute en CDI un(e) Enseignant(e)-Chercheur(euse) en sciences des données. L’enseignant(e)-chercheur/euse recruté(e) assurera des enseignements dans le cycle ingénieur ISEP et participera aux activités de recherche au sein du groupe DASSIP (Data Science, Signal and Image Processing) Profil recherche Le candidat doit être titulaire d’un doctorat en informatique et faire preuve d’une grande autonomie et d’un fort potentiel en recherche scientifique qui doit se traduire par des publications et la participation/montage de projets collaboratifs. Ses thématiques de recherche devront aussi s’intégrer dans l’un des axes du groupe de recherche DASSIP : - Systèmes distribués et gestion des données - Traitement et interprétation des signaux et des images - Interaction Homme/Machine et EIAH (Environnement Informatique pour l’Apprentissage Humain) Profil enseignement Concernant l’enseignement, le candidat/la candidate interviendra dans différents modules en sciences des données (et éventuellement en Informatique) durant tout le cycle ingénieur de niveau bac+3 à bac+5. Il/elle doit : Faire preuve d’une expérience significative en enseignement et obligatoirement maîtriser l’anglais (écrit et oral) Avoir une expertise ou une bonne maîtrise en mathématiques appliquées et plus spécifiquement en machine learning. Une connaissance dans un ou plusieurs des domaines suivants serait appréciable : Technologies Web (HTML, PHP, CSS, Javascript, SQL) Programmation système en environnement Linux/Unix Algorithmique et développement (Java) Architectures distribuées Modalité de candidature La lettre de candidature, accompagnée d’un curriculum vitae faisant état des activités d’enseignement, des travaux de recherche, d’un projet d’intégration en enseignement et en recherche et, éventuellement, des relations avec le monde académique et industriel, est à adresser par email avec comme objet EC-ISEP-DS-2019.
En savoir plus
Publiée le 22/05/2019 10:53.
Référence : VD/BIOSTAT0519/MV/CCMS.
CDD, Strassen.
Entreprise/Organisme :Luxembourg Institute of Health (LIH)
Niveau d'études :Master
Date de début :15 Septembre
Durée du contrat :2 years
Secteur d'activité :Recherche biomédicale
Description :The Biostatistician will join the LIH’s Competence Center for Methodology and Statistics (CCMS). Within the clinical research hub of the Department of Population Health, the CCMS provides methodological support in statistical planning and analysis and data handling for various laboratories and research groups as well as offering training in statistics and support in writing papers. To support the team and the new translational research center we are looking for a Biostatistician who will mainly be responsible for providing support in the design and analysis of clinical trials including early phase trials
En savoir plus :
Biostatistician - MV0519.pdf
PhD offer: developing Goodness-of-fit p-values for joint species distribution models
Publiée le 21/05/2019 09:04.
Référence : Thèse_GOF.
Thèse, Nogent sur Vernisson, France.
Entreprise/Organisme :Irstea
Niveau d'études :Master
Sujet :Theoretical and practical developments and dissemination of Goodness-of-fit p-values for JSDMs Joint-Species Distribution Models (JSDMs) make a lot of mathematical assumptions - sometimes with ecological implications – due to their complex structure and to the numerical limitations required to fit them. Goodness-of-fit p-values are one primary tool used in applied statistics to diagnose parametric models (see state of the art section). New goodness-of-fit p-values, called sampled posterior p-values, have desirable mathematical properties that make them relevant in very different contexts and that give them higher power than more classical GOF p-values which are known to be conservative. Yet, these p-values are currently underused, including in ecology. The aim of the PhD project is to develop further these p-values, both mathematically and “practically”, and broadcast their use in ecology with JSDMs as practical cases. More precisely, the objectives of this PhD project are: (i) To obtain mathematical results on GOF p-values for latent variables and in the case of “external” goodness of fit (where goodness-of-fit is gauged on data not used to estimate the model); (ii) To implement Monte-Carlo simulation techniques and gather results on how to practically use these p-values, with three directions in mind: use them on controlled sample sizes; better apprehend how results from these p-values can be interpreted (esp. in terms of metric choice and in a context where multiple metrics are used simultaneously); use one p-value vs. a collection of p-values, based on different samples from the estimator. (iii) Optionally, to disseminate these tools in ecology, with a special emphasis on JSDMs. At least one scientific manuscript should be targeted on each of these points. It would be welcome to incorporate these tools in statistical decision approaches.
Date de début :september 2019 (flexible)
Durée du contrat :3 yers
Rémunération :approx. 1870€ bruts
Secteur d'activité :Academic research
Description :Cf. pdf file.
En savoir plus :
Sujet thèse-GOF_Gambas_VF.pdf
Multisource forest inventory
Publiée le 20/05/2019 23:00.
Référence : PhD - DEEPSURF –2019-IGN.
Thèse, Laboratory of Forest Inventory, Nancy, France.
Entreprise/Organisme :IGN
Niveau d'études :Master
Sujet :The main objective of the French National Inventory (NFI) is to provide continuous evaluation of forest resources and their evolutions. The sampling design is set up to produce estimates at the national and regional scales, and to contribute to forest policies and their evaluation. With the development of bio-economy, there is a need to provide information at a finer scale, i.e. the forest territories. Multisource inventory methods were developed to provide more precise estimations of forest attributes at those operational scales. Multisource inventory methods rely, through appropriate statistical methods, on the combination of field plot data, precise but punctual, with auxiliary data, that are spatially continuous but providing information at a lower precision. Such a combination allows providing precise estimates of forest attributes at smaller scales, with a limited cost. The establishment of such method in France faces multiple difficulties. French forests are among the more diverse of Europe, due to the topographical and climatic gradients found over the country, and to the diversity of forest management practices. Such diversity requires adapting the methods to the landscape properties, with expected impacts on the genericity of the approach and the precision gains within the various territories. The main objective of this doctoral research is to contribute to the development of the first multisource inventory approach adapted to the French forest. To do so, the research will benefits from auxiliary data available over the whole territory and regularly updated, like aerial photograph covers, among others. The detailed objectives are : - To optimize the selection of auxiliary data. Current methods rely on the forest map, 3D models derived from aerial photos and high-resolution satellite images (i.e. Landsat). The objective will be to test the potential of data describing climate (temperatures, rainfalls) and biochemical and biophysical soil properties (pH, C/N, water storage capacity, hydromorphy). We will also consider times series of forest structure (diachronic 3D model generated form aerial photographs), and spectral properties of forest canopies (times series of vegetation indices). - To estimate the precision gains with respect to the forest complexity. Emphasize will be given to estimate wood resource per diameter classes, as well as flux variables, which are mandatory for sustained forest management. Flux estimates will be further used in an innovative application related to sanitary crises. The goal will be to quantify forest resources impacted by bark beetle in the Eastern part of France. - To develop statistical estimators coherent with those in use by the French NFI. A first step will be to harmonize the forest area estimations from the NFI and from the forest map. A second step will be to develop statistical estimators compatible with the one the NFI, to compute precision gains. The PhD will benefit from the NFI field data and auxiliary data acquired by IGN (forest map, Lidar and aerial photograph coverages), over the Vosges department (~ 6000 km2) and a territory of lowland hardwood forests in center of France (Sologne, 7500 km2). It will also benefit from high-resolution predictive maps of soil properties produced by the research unit Silva.
Date de début :01-10-2019
Durée du contrat :3 years
Description :Candidate Profile: Prerequisite: the candidate must have an interest for forest ecosystems. The topic requires competences in statistics, spatial analysis, scientific computing. Knowledge in Forest inventory and remote sensing are also advantageous. Working environment : the candidate will work with various software in statistics (R), data base management (PostgreSQL), GIS (QGIS, ArcGIS). Profile: master degree in statistics, applied mathematics, image and signal processing, or forestry with an experience in survey sampling. The candidate must be fluent in English with demonstrated writing skills
En savoir plus :
Offre de thèse Inventaire Multisource - IGN LIF.pdf
Statisticien Clinique
Publiée le 17/05/2019 17:12.
Référence : PXT_DS_02.
CDI, Issy-les-Moulineaux.
Entreprise/Organisme :PHARNEXT
Niveau d'études :Doctorat
Date de début :Dès que possible
Secteur d'activité :Biotechnologies
Description :Le département de Data Science de Pharnext est à la recherche d’un statisticien hautement qualifié et motivé avec une grande expérience des essais cliniques.
En savoir plus :
2 - FR - Statisticien Clinique.pdf
Publiée le 17/05/2019 13:44.
Référence : R2488446.
Entreprise/Organisme :SANOFI PASTEUR
Niveau d'études :Doctorat
Date de début :Dès que possible
Description :Au sein de la Plateforme Data Science du département MTech (Manufacturing Technology), le/la responsable d’études data science contribue à l’atteinte de l'excellence industrielle pour le site de Marcy l'Etoile (69) sur le volet robustesse et performance des procédés de fabrication et analytiques en apportant aux différents clients présents sur le site (MTech, Laboratoires de contrôle, Production, Sciences Analytiques) ses compétences en data science (statistique, mathématique, machine learning, traitement de données textuelles et d’images). En particulier, il/elle apporte à ses différents clients internes les outils, les méthodes, les analyses, les formations et l’accompagnement en data science qui sont nécessaires au suivi, à l’optimisation, au développement des produits / procédés de production et de contrôle. Activités Techniques : Suivre et accompagner ses clients internes (Spécialiste produit, responsable de laboratoires…) pour capter les besoins en data science et proposer des solutions adaptées Accompagner les clients dont il a la charge dans la mutation digitale et en data science (communications, formations…) Réaliser des analyses de données pour répondre aux besoins des différents clients dont il est en charge Réalisation de preuve de concept Data Science en collaboration avec des équipes de production Accompagner, en tant que data scientist, l’initiative Continous Process Verification sur son périmètre produit Faire de la veille technologique sur des sujets data science et être le référent pour ses collègues statisticiens (Formation) Présenter en interne et en externe des sujets relatifs à son activité Formation et compétences attendues du candidat : Diplôme universitaire supérieur scientifique (ingénieur, master…) ou doctorat 3 à 5 ans en data science, mathématiques appliquées, statistiques… Expertise technique en data science (machine learning, modélisation prédictive / statistique / probabiliste, traitement de données textuelles et d’images, mathématiques appliquées…) Anglais (parlé et écrit) Connaissance des logiciels statistiques R et SAS Connaissance des outils/librairies Data Science Python (Pandas, SciPy, Anaconda), Tensorflow… Rejoignez une entreprise certifiée Top Employer France 2019
En savoir plus :
Maître de conférences en Statistique et Data Sciences
Publiée le 17/05/2019 09:14.
CDI, Nantes - Angers.
Entreprise/Organisme :Université Catholique de l'Ouest
Niveau d'études :Doctorat
Date de début :01/09/2019
Durée du contrat :Indéterminé
Rémunération :Grille MdC 2ième classe
Secteur d'activité :Enseignement et Recherche en Statistique Appliquée
Description :Ce poste d'enseignant-chercheur consiste à accompagner le développement de l’offre de formation de l'UCO, dans le domaine de l’ingénierie décisionnelle et plus particulièrement sur l’axe statistique et Data Sciences. Il consiste également à participer à l’encadrement des étudiants en première et deuxième année de licence MIASHS sur le campus Nantais, tout en contribuant à développer le réseau d’entreprises et d’établissements publics partenaires de l’UCO notamment en vous impliquant personnellement dans le tissu socio-économique de la métropole nantaise.
En savoir plus :
Appel à candidatures MCF Stat Data Sciences.pdf
PhD Statistical Learning
Publiée le 15/05/2019 12:21.
Référence : PhD_Decide.
Thèse, Centre Y. Coppens, rue A. Lwoff, 56000 Vannes, France.
Entreprise/Organisme :Universite Bretagne Sud
Niveau d'études :Master
Sujet :Statistical Optimality of Decision Rules for Humans and Rational Machines Interacting Together Institution: Univ. Bretagne Sud, Lab-STICC UMR CNRS 6285 Advisors: François Septier & Alexandru Olteanu Subject Cognitive behavior has traditionally been modeled using rationality models, where the human agents are assumed to behave in an unbiased manner. Unbiased decision-makers are often assumed to minimize Bayes risk, which is defined as the expected cost of making decisions [1]. However, in the real world, human agents may have a cognitive bias, due to the limited availability of information and/or other complex behaviors such as emotions, loss-aversion and endowment effect [2–6]. Such complex agents were successfully modeled by Kahneman and Tversky using prospect theory in [3], where human behavior is modeled using weight and value functions over probabilities and costs respectively. With the advent of the Internet of Things (IoT) and a rapid deployment of smart devices and wireless sensor networks (WSNs), humans interact extensively with machine data. These human decision makers use sensors that provide information through a sociotechnical network. The sensors can be other human users or they can be IoT devices. The decision makers themselves are also part of the network, and there is a need to understand how they will behave. Another important situation of high interest concerns systems that are designed to emulate human behavior in order to reduce human effort and intervention. One example is the design of self- driving cars by Google and Uber, which move in traffic alongside human-driven vehicles. In contrast, there are other applications where there is a need to steer/nudge human decisions in order to improve the overall performance of the system [7]. As a consequence, it is therefore important to clearly understand how some local human decisions can impact the final decision. The applications related to this research are far reaching and include Environmental monitoring, Social networking, Autonomous vehicles, Industry 4.0, Intelligent Tutoring Systems (ITS), Digital health and more. Recently, in [8], the authors derive optimal decision rules for generic behavioral decision-makers in binary hypothesis testing problems. Assumptions remain quite simple with only a single agent taking a binary decision. More advanced systems with multiple agents, generally named social learning [9], were studied in the literature. As an example, in [10], the authors consider a two-agent (say advisor-learner) sequential binary hypothesis test where the learner infers the hypothesis based on the decision of the advisor, a prior private signal, and individual belief. A similar work for sequential binary hypothesis testing was considered in [11]. Finally, a hierarchical statistical model from psychology experiments was proposed in [12] in order to characterize how people fuse multiple decisions to make their own decisions. The aim of this thesis is to propose a rigorous statistical study of optimal decision rules given some local decisions from multiple hybrid and heterogeneous agents, i.e. humans and (rational) machines. We propose to firstly extend and generalize the current state-of-the-art by deriving optimal statistical decision rules in the presence of both humans and rational machines in more complex scenarios. An important aspect that will also be covered in this thesis is the proposition of efficient online inference techniques to estimate, from some local decisions of a human agent, the functions that characterize its behavior regarding the decision to take.
Date de début :Oct. 2019
Durée du contrat :3 years
Description :Candidate Profile: We are looking for a motivated and talented student holding a Master degree with: • background in statistics, machine learning, signal processing or applied mathematics • experience in programming, preferably in Matlab and/or Python. Details: A fully funded PhD position (three-year contract) is available from September/October 2019 at the Université Bretagne Sud located at Campus Tohannic in Vannes and in the DECIDE team of the CNRS laboratory Lab-STICC. During the thesis, the student will have the opportunity to collaborate with internationally renowned researchers from institutions such as TUM Create (Singapore), Institute of Statistical Mathematics-Tokyo (Japan), etc. The student will be supervised by: • François Septier: • Alexandru Olteanu: The candidate is requested to send us a CV and a motivation letter to apply for this position.
En savoir plus :
Biostatisticien/Méthodologiste Sénior
Publiée le 14/05/2019 17:52.
Référence : B1.
CDD, Hôpital Necker.
Entreprise/Organisme :APHP
Niveau d'études :Master
Secteur d'activité :Recherche clinique
Description :cf doc joint
En savoir plus
Chercheur en toxicologie computationnelle - prédictive H/F
Publiée le 14/05/2019 17:52.
CDI, dans l'Oise, accessible en transports en commun, à 40 mn au Nord de Paris.
Entreprise/Organisme :INERIS
Niveau d'études :Doctorat
Description :Les travaux s’organisent autour des deux thèmes : la modélisation multi-échelle (de la cellule à la population) des voies de toxicité et la caractérisation de l’exposome individuel à l’aide de biomarqueurs. En toxicologie, l’unité METO développe des modèles quantitatifs structure-activité (QSAR), toxicocinétiques à fondement biologique (PBPK), et de biologie systémique. Ces méthodes permettent de prédire l’exposition de l’organisme aux substances, la survenue d’évènements clés et les liens mécanistiques entre ces évènements ; elles viennent en appui de chemins de l’effet adverse (AOP pour Adverse Outcome Pathways) existants, qui est de ce fait une thématique intégratrice de l’unité. Située au sein du Pôle Impacts et Dangers sur le Vivant (VIVA) qui comporte des activités expérimentales et d’expertise sur la toxicologie et l’écotoxicologie, l’unité développe des approches in silico pour caractériser la toxicité et l’écotoxicité des substances chimiques, elle apporte son savoir-faire et profite des acquis expérimentaux du pôle. Au sein de cette unité, vous aurez en charge le développement de modèles de biologie systémique au niveau cellulaire et tissulaire avec des applications à la modélisation multi-échelle des voies de toxicité, au sein d’axe de recherche à l’élaboration duquel vous participerez. Vous encadrerez des doctorants, post-doctorants et stagiaires de master et serez responsable du suivi de leur travaux. Dans le cadre d’appels à projets de recherche nationaux et européens, vous contribuerez activement au montage, à la réalisation de projets et au pilotage de tout ou partie de ceux-ci, en veillant aux dimensions scientifiques mais également à l’équilibre financier. Actuellement, l’unité METO dispose d’un réseau important de partenariats de par son implication dans de nombreux projets européens (par ex. EUToxRisk, EUROMIX, HBM4EU, OBERON, VERMEER). Vous aurez à entretenir et développer ce réseau. Vous aurez en charge le développement de méthodologies, la réalisation d’études, et la rédaction et publication des travaux dans des revues scientifiques. Au-delà des activités de recherche, une part de votre activité sera de rendre opérationnelles les méthodologies développées pour les pouvoirs publics ainsi que la réalisation d’études pour des industries. De plus, vous pourrez être amené(e) à dispenser des formations auprès d'étudiants d'universités et/ou d'écoles et d’industriels. Ce poste a un potentiel de directeur de recherche. Profil Vous possédez plusieurs années d’expérience dans le domaine, valorisée par une habilitation à diriger des recherches. Docteur(e) en sciences de la vie avec un cursus initial en biologie, médecine humaine ou vétérinaire, vous avez de fortes compétences en modélisation mathématique, ou docteur(e) en biomathématiques vous avez une forte expérience en toxicologie, physiologie ou biologie et vous avez une compétence en statistique. Par ailleurs, vous disposez des aptitudes suivantes : - Autonomie scientifique sur vos activités - Connaissances liées aux données de toxicologie - Capacités d’encadrement de stagiaires, doctorants et post-doctorants - Aptitude à gérer en parallèle différents projets - Qualités d’expression orale et écrite - Capacité avérée à travailler en équipe et à fédérer un groupe autour des projets de recherche - Goût et intérêt pour le montage de projets et de partenariats nationaux et internationaux - Excellent niveau d’anglais écrit et oral pour la valorisation des travaux menés et l’animation de programmes de recherche ou réseaux collaboratifs internationaux.
En savoir plus :
Responsable technique (H/F) Analyse de Données en Chimie Analytique
Publiée le 14/05/2019 17:52.
CDI, Verrières le Buisson.
Entreprise/Organisme :Laboratoire des Courses Hippiques
Niveau d'études :Master
Date de début :A partir de mi-mai 2019
Secteur d'activité :Recherche et Dévelopement en Chimie Analytique
Description :Le Laboratoire des Courses Hippiques (LCH), situé à Verrières-le-Buisson (Essonne, 91), est une structure scientifique et technique dédiée au contrôle anti-dopage des chevaux de courses français (Trot et Galop) et réalise également des analyses d’échantillons provenant de pays étrangers. Le LCH bénéficie d’une infrastructure et d’un parc analytique singulier lui permettant d’assurer une cadence d’analyse importante (~35 000 prélèvements à l’année) et majoritairement basée sur des techniques de chimie analytique. Parallèlement, le laboratoire est à la pointe dans la Recherche et le Développement appliqués au contrôle anti-dopage équin et fait partie des pionniers dans l’établissement et l’utilisation du passeport biologique équin (PBE) ainsi que des méthodes alternatives de contrôle basées sur les techniques « Omiques ». Le poste de responsable technique (H/F) en Chimie Analytique/Spectrométrie de Masse/Chimiométrie proposé s’inscrit dans cette dernière thématique avec à la fois un travail d’analyses mensualisées pour le Suivi Longitudinal (PBE) et des développements sur de l’analyse LC-MS/MS, LC-HRMS et GC-MS/MS. La personne recrutée évoluera au sein de l’équipe R&D du LCH constituée de 8 membres permanents, de doctorants et de stagiaires. Missions : • Développement de nouveaux outils de modélisation statistique pour la gestion et l’intégration des données du PBE. • Réaliser les analyses métabolomiques LC-QTOF et GC-MS/MS pour le PBE (préparation d’échantillons, analyse et retraitement des données). • Veille scientifique et technique. • Réaliser, gérer et participer à la valorisation des projets de recherche. • Participer aux demandes de financements. • Gérer le fonctionnement et le maintien en état (maintenance, métrologie) du matériel (systèmes chromatographiques, spectromètres de masse, outils informatiques, etc…). • Soutien à la gestion du pôle R&D (gestion des banques d’échantillons, rédaction de documents qualité, aide administrative pour les études pharmacocinétiques). Profil recherché : • BAC+4/BAC+5 (Master ou Ingénieur) en Chimie Analytique avec spécialisation en Analyse de Données ou BAC+4/BAC+5 (Master ou Ingénieur) en Bioinformatique ou Biostatistique appliqué à la Chimie Analytique • Vous maitrisez l’utilisation de logiciels statistiques et de langages informatiques (R, Matlab, SAS, Machine Learning, etc...). • Vous maîtrisez l’utilisation de la LC-MS et/ou de la GC-MS avec une première expérience en analyse métabolomique. • Vous maîtrisez la lecture et l’écriture de l’anglais scientifique et technique. • Autonome, rigoureux et réactif, vous avez des capacités à mener plusieurs projets simultanément dans les délais impartis et savez gérer les imprévus. • De l’expérience dans un poste similaire serait un plus. Contrat • Poste CDI à pourvoir pour mi-mai 2019. Merci d’envoyer votre CV ainsi qu’une lettre de motivation en indiquant vos références professionnelles à Dr Benoit Loup :
En savoir plus :NA
Offre demploi Responsable technique R&D.pdf
Statisticien-ne données de santé
Publiée le 07/05/2019 19:36.
CDI, Pantin - 93500.
Entreprise/Organisme :AIDES
Niveau d'études :Master
Date de début :Dès que possible
Rémunération :Rémunération selon la grille de l’accord d’entreprise de AIDES
Secteur d'activité :Social/Santé
Description :Au sein de la direction « Qualité et évaluation» de l'association AIDES et sous l’autorité de la directrice, elle/il développe, configure, automatise les données liées aux actions de terrain. Il/elle garantit la qualité des données et en facilite la mise à disposition aux différents acteurs de l'association. Pour ce faire, elle/il réalisera les missions suivantes :  Réaliser et automatiser des procédures d’exploitation. (Reporting)  Analyse statistique des cohortes santé (suivi longitudinal)  Participer à la rédaction d’articles scientifiques.  Concevoir et Analyser des données de santé, des tableaux de bord et justifier des résultats relatifs aux activités.  Choisir et utiliser des outils statistiques  Concevoir, actualiser, optimiser une base de données, relatives à la nature des activités de santé  Mettre en place et administrer un système de gestion de base de données (SGBD) et développer et/ou utiliser les outils informatiques associés.  Intégrer les données et contrôler leur validité et leur cohérence technique : réaliser les tests nécessaires.  Réaliser des extractions et mettre en forme les données dans les formats requis.  Mettre les données à disposition des différents acteurs de AIDES en fonction des besoins requis.  Contribuer aux formations des utilisateurs internes; assurer l’assistance technique.  Participer à la mise en place d’enquêtes au travers d’une expertise technique (définitions des besoins, réalisation de masque de saisie….).  Assurer une veille technologique et force de proposition sur l’adaptation des systèmes de recueil
En savoir plus :
2019 04 Offre d'emploi chargé-e de mission Statisticien données de santé_CDI_Pantin.pdf

Page précédente  1  <2>  3  4  5  Page suivante

©2019 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 :