Consulter les offres d’emploi

Inférence causale par Deep Learning pour évaluer les plans de sobriété énergétique
Publiée le 21/02/2023 13:44.
Thèse, EDF Lab Paris-Saclay et Marseille.
Entreprise/Organisme :EDF
Niveau d'études :Master
Sujet :Le projet de recherche consiste à évaluer les impacts d’actions MDE (Maîtrise de la Demande en Energie), par exemple : impact des plans de sobriété énergétique, de l’utilisation de nos services digitaux, de la rénovation thermique du logement, des variations de prix ou encore du remplacement d’appareils anciens pour des plus récents moins énergivores. Dans notre contexte industriel, nous ne sommes pas en mesure de réaliser des expérimentations aléatoires contrôlées (impossibilité d’interdire ou forcer une rénovation thermique, un changement tarifaire ou un changement d’appareils). Pour cette raison, nous avons recours à des méthodes sur données observables. Le problème de ces méthodes est que le groupe de traitement est constitué de volontaires et ainsi risque de générer un biais de sélection entre les traités et les individus participant au groupe de contrôle. En effet, plusieurs variables inobservables influent sur la consommation électrique, comme la conscience écologique, le profil gestionnaire, la qualité des travaux de rénovation … ce qui peut biaiser l’estimation de l’effet du traitement. Par conséquent, l’enjeu de ces méthodes est de construire un contrefactuel corrigé du bais de sélection. Nous disposons désormais d’un atout : pour les clients donnant leur consentement, les compteurs communicants permettent de relever la courbe de consommation au pas 30 min ou journalier, reflétant ainsi leur comportement. L’idée de ce projet consiste à se servir des formes des courbes pour capter l’effet des comportements et donc des variables inobservables ; et créer ainsi des groupes de contrôle synthétiques en nous inspirant des travaux de Guido Imbens et du laboratoire Van Der Schaar de UCLA (extraction de features, réduction de dimension, génération de variables latentes par Deep Learning). Les courbes de consommation étant bruitées, volatiles, et relevées à des fréquences élevées, il faudra adapter les travaux pré-cités à notre problématique, ce qui contribuera à l’originalité de ce projet de recherche.
Date de début :01/10/2023
Durée du contrat :CDD de 3 ans
Secteur d'activité :Energie - Data Science
Description :Les candidats doivent être détenteurs d'un Master, à fort contenu en économie et data science, de niveau au moins comparable à celui de l'AMSE (Aix-Marseille School of Economics) et l’avoir brillamment obtenu avant septembre 2023. D’excellentes compétences en machine learning, programmation Python et en économétrie sont exigées. La capacité à travailler en anglais et en français est nécessaire. La thèse se déroulera dans le cadre d’une convention CIFRE entre EDF R&D et l’AMSE. Le doctorant fera partie du programme doctoral AMSE et sera co-encadré par des chercheurs de l’AMSE et de EDF R&D. Le doctorant travaillera dans les locaux de EDF R&D 7 boulevard Gaspard Monge à Palaiseau et aussi dans ceux de l’AMSE.
En savoir plus :https://www.edf.fr/edf-recrute/offre/detail/2023-73827
Contact :blandine.pothier@edf.fr
Thèse sur l'optimisation robuste du choix de bandes spectrales pour la détection d'anomalies
Publiée le 20/02/2023 14:32.
Thèse, Palaiseau - France.
Entreprise/Organisme :ONERA - Département Optique et Techniques Associées
Niveau d'études :Master
Sujet :Optimisation robuste du choix de bandes spectrales pour la détection d'anomalies
Date de début :01/10/2023
Durée du contrat :3 ans
Description :En s’appuyant sur les travaux de thèse de Florian Maire sur la prise en compte simultanée des variabilités spectrale et spatiale des objets d’intérêt et du fond pour la détection d’anomalies, et sur les avancées récentes en deep learning, le doctorant sera amené à proposer une méthodologie de sélection robuste de bandes spectrales. Cette problématique, cruciale pour le dimensionnement des futurs systèmes opérationnels multispectraux, n’est encore que très peu abordée dans la littérature.
En savoir plus :https://w3.onera.fr/formationparlarecherche/
these_optimisation_spectrale.pdf
Contact :sidonie.lefebvre@onera.fr
StageM2 - Etude de la variabilité des données de marche issues d'un système de capteurs de mouvement
Publiée le 20/02/2023 10:52.
Référence : DELPHI Grant M2 2023 - Offre de stage M2 LMJL.
Stage, Laboratoire de Mathématiques Jean Leray (LMJL) UMR 6629 - Nantes Université.
Entreprise/Organisme :Nantes Université
Niveau d'études :Master
Sujet :Contexte L’utilisation de dispositifs médicaux connectés pour caractériser l’état de santé des patients à l’aide de biomarqueurs numériques permet d’envisager une mesure plus fine, régulière et représentative de l’impact de la maladie dans la vie quotidienne du patient que les examens médicaux « classiques ». Objectifs Le Laboratoire de Mathématiques Jean Leray de Nantes Université et l'entreprise UmanIT ont développé un dispositif d'évaluation quantifiée de la marche à l'aide d'un système de capteurs de mouvement (demande de brevet, 2021) composé d’une application smartphone communiquant par Bluetooth avec un capteur de mouvement de type IMU (Inertial Central Unit). Ce dernier mesure la rotation de la hanche au cours du temps sous la forme de séries temporelles de quaternions (généralisation des nombres complexes en 4 dimensions) et permet de construire un biomarqueur appelé « signature de marche » (SdM), propre à chaque personne. La SdM caractérise la rotation de la hanche d'un individu au cours d'un cycle de marche moyen a l'aide de séries temporelles de quaternions unitaires. La variabilité des SdM entre individus dépend de plusieurs facteurs: démarche individuelle, position du capteur au niveau de la hanche, pathologie,... L'objectif de ce stage, financé par le cluster DELPHI, est de : (i) recenser les méthodes statistiques permettant d'isoler ces facteurs de variabilité, (ii) proposer des solutions pour corriger les SdM et ne conserver que la variabilité due à une pathologie sous-jacente. Le résultat attendu est la construction d'une étape de prétraitement des données SdM, préalable indispensable aux méthodes de machine learning. Cette approche sera appliquée à différents jeux de données (patients atteints de sclérose en plaques, volontaires). Mots clés : Human Gait analysis ; wearable sensors system ; experimental design ; quaternion time series; ANOVA using distance matrices ; machine learning ; functional data analysis. Ce travail sera effectué dans le cadre du « Cluster DELPHI » de l'Isite NExT Nantes Université qui a bénéficié d’une aide de l’État gérée par l’ANR (Agence nationale de la recherche) au titre du Programme d’Investissement d’Avenir « France 2030 » (référence ANR-16-IDEX-0007) et d’un soutien financier de la Région Pays de la Loire et de Nantes Métropole.
Date de début :Début entre 15/02/2023 et 15/05/2023
Durée du contrat :6 mois
Rémunération :Gratification : selon le barème en vigueur soit environ 580 €/mois
Secteur d'activité :ehealth ; wearable sensors system ;
Description :Références : Anderson, M.J. (2001). A new method for non-parametric multivariate analysis of variance. Austral Ecology, 26: 32–46. Bellanger L., Chevreuil L., Drouin P., Laplaud D.A., Stamm A. (2021) Peut-on détecter des troubles de la marche avant qu’ils ne soient perceptibles ? Revue Tangente, Hors série Bib73 de la "Bibliothèque Tangente" sur Maths et emploi en entreprise. Brard R., Bellanger L., Chevreuil L., Doitau F., Drouin P., Stamm A. (2022). A Novel Walking Activity Recognition Model for Rotation Time Series Collected by a Wearable Sensor in a Free-Living Environment. Sensors, 22(9), 3555. doi: 10.3390/s22093555. Drouin P., Stamm A., Chevreuil L., Graillot V., Barbin L., Gourraud P.-A., Laplaud D.-A., Bellanger L. (2022). Semi-supervised clustering of quaternion time series: application to gait analysis in multiple sclerosis using motion sensor data . Statistics in Medicine, 1-24. doi: 10.1002/sim.9625 Frechette M. L., Meyer B. M., Tulipani, L. J., et al. (2019) Next steps in wearable technology and community ambulation in multiple sclerosis. Current neurology and neuroscience reports, vol. 19, no 10, 1-10. Muro-De-La-Herran A, Garcia-Zapirain B, Mendez-Zorrilla A. (2014) Gait analysis methods: An overview of wearable and nonwearable systems, highlighting clinical applications. Sensors; 14(2): 3362–3394. Piórek M. (2019) Analysis of Chaos for Quaternion Time Series. In: Springer. Profil du candidat - Master 2 : en statistique ; - Connaissance des outils de programmation (R, C/C++, MySQL) ; - Anglais scientifique (être capable de faire la veille bibliographique dans des revues scientifiques) ; - Motivé par les sujets autour de l’e-santé ; intérêt pour le travail interdisciplinaire ; - Autonomie et capacités de vulgarisation. Précisions pratiques - Lieu : Laboratoire de Mathématiques Jean Leray (LMJL) UMR 6629 - Nantes Université - Gratification : selon le barème en vigueur soit environ 580 €/mois - Durée du stage : 6 mois (date de démarrage à discuter) ; - Encadrement : Lise Bellanger (lise.bellanger@univ-nantes.fr, Univ Nantes) ; Aymeric Stamm (aymeric.stamm@cnrs.fr, CNRS)
En savoir plus :https://www.math.sciences.univ-nantes.fr/fr
DELPHI Grant M2 2023 - Offre de stage M2 LMJL.pdf
Contact :lise.bellanger@univ-nantes.fr
Ingénieur en deep learning et datascience pour le traitement de données optiques
Publiée le 20/02/2023 10:51.
CDI, Palaiseau - France.
Entreprise/Organisme :ONERA - Département Optique et Techniques Associées
Niveau d'études :Doctorat
Secteur d'activité :Recherche aéronautique et spatiale
Description :L’Unité Modélisation Physique de la Scène Optronique (MPSO) développe et met en œuvre des outils de référence pour modéliser et caractériser l’environnement optronique pour le dimensionnement et l’évaluation des performances des capteurs terrestres ou embarqués sur avion ou satellite. Cette unité se compose d’une quinzaine de personnes comprenant des ingénieurs de recherche et des doctorants. Elle participe activement au Laboratoire de Mathématiques Appliquées (LMA2S, https://w3.onera.fr/lma2s/) et au Laboratoire d’Intelligence Artificielle de l’ONERA. Sous la responsabilité du responsable d’unité et en collaboration avec les chercheurs de différentes unités du DOTA, vous développez et mettez en œuvre des méthodologies d’apprentissage profond pour différentes applications, parmi lesquelles : l’inversion de données instrumentales (lidar, spectromètres…) ou simulées pour la caractérisation de l’environnement et des cibles, la détection de couvertures nuageuses pour des missions satellitaires, le choix de sites de réception pour les télécommunications optiques, la fusion et le clustering de données météorologiques, l’estimation, le démélange et la classification de paramètres physiques atmosphériques ou terrains (végétation, minéraux, plastiques…), la simulation de données par Intelligence Artificielle, … Pour toutes ces applications, un point important est la quantification des incertitudes associées à l’utilisation des méthodes de Deep Learning, en lien avec le Groupement d’Intérêt Scientifique LARTISSTE (https://uq-at-paris-saclay.github.io/). Vous contribuez au développement des activités du département en étant force de propositions dans l’élaboration de projets scientifiques (Union Européenne, EDA…), en initiant des collaborations avec les équipes universitaires spécialistes du domaine du Deep Learning et de la Datascience, avec les partenaires industriels de l’ONERA et en participant aux activités des laboratoires de mathématiques appliquées et d’intelligence artificielle. Vous assurez également des activités d’encadrement de stagiaires, doctorants ou post-doctorants et valorisez vos travaux dans des journaux à comité de lecture et des conférences
En savoir plus :https://www.onera.fr/fr/rejoindre-onera/offres-emploi/
Détail du poste _ ONERA.pdf
Contact :sidonie.lefebvre@onera.fr
Postdoctorat / Bayesian learning algorithms for high dimensional hierarchical models in epidemiology
Publiée le 20/02/2023 10:51.
Postdoc, 4 avenue de l'Observatoire, 75006 Paris.
Entreprise/Organisme :BioSTM — UR 7537, Faculté de Pharmacie, Université Paris-Cité
Niveau d'études :Doctorat
Date de début :Mai/Juin 2023
Durée du contrat :16 mois
Description :As part of the RadoNorm european project (https://www.radonorm.eu/), the aim will be to refine the estimation of the risk of death by lung cancer due to low levels of chronic exposure to radon from the joint cohort of French, German and Czech uranium miners, by accounting for complex patterns of radon exposure measurement error and dosimetric uncertainties. From a methodological point of view, the challenge will be to propose relevant Bayesian learning algorithms to fit high dimensional hierarchical models dedicated to accounting for these complex patterns of measurement error in a large cohort of individuals.
En savoir plus :https://appliweb.dgri.education.fr/rnsr/PresenteStruct.jsp?numNatStruct=201922951U&PUBLIC=OK
offre-postdocv-radonorm.pdf
Contact :chantal.guihenneuc-jouyaux@u-paris.fr
Post-doctorante ou Post-doctorant en Mathématiques appliquées pour les simulations climatiques
Publiée le 20/02/2023 10:51.
CDD, Brest.
Entreprise/Organisme :IMT Atlantique
Niveau d'études :Doctorat
Durée du contrat :18 mois
Description :L'objectif de ce post-doctorat est de développer des outils d'évaluation et d'analyse de modèles climatiques. L'idée est d'aller au-delà du point de vue eulérien pour la comparaison modèle-données et d'agréger la grande quantité d'informations fournies par les simulations climatiques 3D. Cette agrégation des données climatiques se fera de différentes manières, en utilisant des indicateurs environnementaux orientés objet ou intégrés. D'un côté, les objets sont locaux et surveillent les structures typiques de l'écosystème, telles que les tourbillons, les fronts, les panaches ou les blooms. D'un autre côté, les indicateurs environnementaux reflètent la santé et l'état général des écosystèmes marins et de leurs services. Des méthodes statistiques et d'apprentissage automatique seront utilisées pour détecter automatiquement les objets et les indicateurs environnementaux d'intérêt dans les simulations climatiques. Ces entités seront paramétrées à l'aide de formes mathématiques simples, et des métriques adéquates seront proposées pour comparer différentes simulations climatiques, basées sur différents scénarios climatiques.
En savoir plus :bit.ly/3YyhCFs
annonce_postdoc_mediation_1-1.pdf
Contact :pierre.tandeo@imt-atlantique.fr
Assistant(e) base de données
Publiée le 20/02/2023 10:51.
CDD, Grenoble.
Entreprise/Organisme :Université Grenoble Alpes
Niveau d'études :DUT/Licence ou équivalent
Date de début :15/03/2023
Durée du contrat :6 mois renouvelables
Description :La base MARS (Multimorbidity Apnea Respiratory failure Sleep Database) est une base de données multicentrique, prospective avec les pathologies respiratoires et le syndrome d’années du sommeil comme dénominateur commun. La base MARS est portée par le CHU Grenoble Alpes et développée par un laboratoire de recherche de l’Université Grenoble Alpes. Cette base est alimentée par les données d’une cohorte de soins courant et les données d’études cliniques menées des patients adultes ayant une suspicion de troubles du sommeil, en particulier un syndrome d’apnées obstructives du sommeil (SAOS) et ayant un examen diagnostic réalisé dans un laboratoire du sommeil. Plus de 16000 patients sont présents dans la base dont plus de 5000 avec des données de suivi et est associée à des données venant d’objets connectés. Une application web, appelée ePatient, a également été développée pour permettre aux patients de compléter directement sur tablette les questionnaires et informations nécessaires dans le cadre du suivi de la cohorte. Dans le cadre d’un remplacement en congé maternité et congé parental, un poste d’assistant(e) base de données est disponible au sein de l’équipe de développement de la base de données MARS. Ce poste vise à assurer l’ensemble des tâches de gestion de la base de données et de data management initial pour l’amélioration de la qualité des données disponibles pour la recherche.
En savoir plus :xx
Offre d'emploi_Assistant base de données.pdf
Contact :remi.aiguebonne@univ-grenoble-alpes.fr
Evaluation des méthodes innovantes liées à l'inférence causale données cliniques vs real-world data
Publiée le 10/02/2023 22:26.
Stage, Chilly-Mazarin (91).
Entreprise/Organisme :Sanofi
Niveau d'études :Master
Date de début :Mars/Avril
Durée du contrat :6 mois
Description :Au sein du département Data and Data Sciences de Sanofi Aventis Recherche et Développement et en lien avec votre tuteur, vous participerez à l’évaluation des méthodes innovantes liées à l'inférence causale et à l'apprentissage statistique appliquées sur des données de vie réelle (RWD : Real World Data) afin d’obtenir des informations utiles complémentaires aux données d’essais cliniques. Dans ce cadre, vos missions consisteront à : • Réaliser une revue bibliographique en lien avec les méthodes innovantes. • Appliquer ces méthodes aux bases de données internes contenant les résultats historiques d’essais cliniques ainsi que des données en vie réelle. • Réaliser une analyse quantitative des biais en utilisant les données de vie réelle (présence de valeurs manquantes, qualité des données, création des proxy, etc.). • Proposer des solutions/approches afin de réduire le plus possible les biais entre les données cliniques et les données en vie réelle. • Présenter les résultats obtenus à l’équipe. Profil recherché : Vous recherchez un stage conventionné d'une durée de 6 mois, débutant entre Mars et Avril 2023 dans le cadre d'une formation de niveau Bac +5 en Biostatistique, Bioinformatique ou Intelligence Artificielle de type Ecole d’Ingénieurs ou Université. Pour ce stage, vous justifiez de solides connaissances dans les domaines des Statistiques, des méthodes de Machine Learning et inférence causale. Une maitrise des langages de programmation R ou Python est nécessaire pour le stage. Lien de candidature: https://sanofi.wd3.myworkdayjobs.com/StudentPrograms/job/Chilly-Mazarin/UN-STAGIAIRE---DATA-SCIENTIST--H-F-_R2677129
En savoir plus :NA
Stage_description.pdf
Contact :rana.jreich@sanofi.com
Postdoc sur l’inférence de réseaux de gènes
Publiée le 09/02/2023 21:17.
Postdoc, Toulouse.
Entreprise/Organisme :INRAE
Niveau d'études :Doctorat
Sujet :Les missions du (de la) postdoc recruté·e se dérouleront dans le cadre du projet SubtilNet fédérant les compétences informatiques / mathématiques / statistiques de l’équipe SaAB sur l’inférence de réseaux et la biologie des systèmes. Ce projet se positionne sur l’étude des méthodes mathématiques permettant de reconstruire des réseaux biologiques. Il a pour ambition, en se basant sur un réseau réel exhaustif de la bactérie Bacillus subtilis, de mieux évaluer les méthodes d’inférence actuelles et leurs caractéristiques. Le but final est d’améliorer l’état de l’art en termes de méthodes d’inférence en se rapprochant de la réalité biologique et en intégrant, dans les modèles, des informations biologiques pertinentes.
Date de début :dès que possible et au plus tard le 1er juin 2023
Durée du contrat :18 mois
Rémunération :entre 2604.47 € et 2832.42 € bruts/mois selon expérience
Description :Doctorat en informatique, bioinformatique, machine learning ou statistique (thèse soutenue depuis moins de 3 ans). Nous recherchons un·e candidat·e ayant une expérience avérée en analyses de données omiques, biologie cellulaire et/ou biologie des systèmes. Des compétences sur l’inférence ou l’analyse de réseaux sont également souhaitables ou, à défaut, des compétences en apprentissage automatique ou statistique. Enfin, un bon niveau en programmation, de préférence avec le langage de programmation R, est requis. Une connaissance de Python, Matlab, … serait un plus. Compte tenu des nécessaires interactions entre les divers membres du projet, une aptitude au travail en groupe serait appréciée. Le (la) candidat·e doit également posséder un très bon niveau d’anglais scientifique.
En savoir plus :https://jobs.inrae.fr/ot-17231
Contact :nathalie.vialaneix@inrae.fr
Analyse des comportements à l’abreuvoir des ovins
Publiée le 08/02/2023 16:34.
Stage, Paris.
Entreprise/Organisme :IDELE
Niveau d'études :DUT/Licence ou équivalent
Date de début :Mars 2023
Durée du contrat :Minimum 3 mois
Rémunération :591,51€ / mois (brut)
Secteur d'activité :Ethologie / Data sciences
Description :En lien avec un référent Data Scientist, la personne recrutée sera chargée : De « taguer » des données vidéos en lien avec des comportements d’animaux à l’abreuvoir De réaliser l’analyse des données
En savoir plus :https://idele.fr/detail-offre-emploi/analyse-des-comportements-a-labreuvoir-des-ovins
Offre de stage - Analyse des comportements à labreuvoir des ovins.pdf
Contact :uranie.jean-louis@idele.fr
INGENIEUR-E STATISTICIEN-NE F/H
Publiée le 08/02/2023 16:34.
Référence : 2022-1895.
CDD, CHAMPS-SUR-MARNE.
Entreprise/Organisme :CENTRE SCIENTIFIQUE ET TECHNIQUE DU BÂTIMENT (CSTB)
Niveau d'études :Master
Date de début :Dès que possible
Durée du contrat :12 mois
Rémunération :41-45KE
Secteur d'activité :Ingénierie, Recherche et Développement
Description :La Direction Santé Confort du CSTB recherche un(e) Ingénieur(e) Statisticien(ne) Junior dans le cadre d'un CDD d'une durée de 12 mois sur notre site de Champs-sur-Marne (77). Le poste consiste à conduire les analyses statistiques en priorité dans le cadre de la Campagne Nationale Logements 2 démarrée en 2020. Le projet continue avec une équipe dédiée déjà en place et des livrables sont attendus pour le 3ème trimestre 2023. Si le temps le permet, d’autres missions pourront être menées dans le cadre d'autres projets de recherche et d'expertise de la direction (QUARTET, expertises Atlantic, projets de recherche CSTB Data&Indices). Vos missions incluent : 1/ La validation des données collectées lors de la campagne à grande échelle et leur préparation pour les analyses statistiques (mise en œuvre de stratégies d’imputation des données manquantes, gestion de données censurées). 2/ La mise en œuvre du traitement statistique : - Méthodes d’enquêtes et de sondage (redressement). - Méthodes de classification (analyses discriminantes et arbres). - Modélisation (régression linéaire, logistique, modèles multiniveaux, panel et variabilité temporelle). - La rédaction des rapports d’études et des publications scientifiques associés, la contribution à tout support écrit de valorisation. - La mise à disposition des données en open access. Profil recherché : Vous êtes titulaire d'un diplôme de niveau BAC+5 minimum, type Master en Statistiques ou en Data Science. Vous disposez d'une expérience d'au moins 2 ans sur un poste similaire. La maîtrise d’au moins un de ces logiciels SAS, R ou du langage de programmation Python est indispensable. La connaissance de la théorie des sondages serait un plus. Qualités rédactionnelles et relationnelles et aptitude au travail en équipe pluridisciplinaire. Rigueur, autonomie, agilité et adaptation.
En savoir plus :https://talents.cstb.fr/Pages/Offre/detailoffre.aspx?idOffre=1895&idOrigine=502&LCID=1036&offerRefer
2022-1895 INGENIEUR-E STATISTICIEN-NE.pdf
Contact :joris.stotzer@cstb.fr
Ingénieur statisticien
Publiée le 07/02/2023 14:07.
Référence : SG/GRH 700.
CDI, Lyon.
Entreprise/Organisme :Agence technique de l’information sur l’hospitalisation (ATIH)
Niveau d'études :Master
Date de début :Dés que possible
Rémunération :A partir de 34 K€
Secteur d'activité :Acteur clé du système de soins, traitement des données des établissements de santé
Description :Construction, maintenance et évolution des classifications médico-économiques Maintenance et validation des fonctions groupage (algorithmes de groupage des classifications) Production des manuels de groupages Contribution à l'évolution du recueil des données médico-administratives des établissements de santé Contribution à l'évolution des nomenclatures de santé Production des bases groupées pour les autres services
En savoir plus :https://www.atih.sante.fr/ingenieur-statisticien-hf
Fiche de poste_Statisticien_CFAM_2023.pdf
Contact :recrutement@atih.sante.fr
Poste de Maître de Conférences en Statistique
Publiée le 06/02/2023 15:12.
Référence : POSTE MCF26, Institut Universitaire de Technologie Paris Rives de Seine.
CDI, Institut Universitaire de Technologie Paris Rives de Seine.
Entreprise/Organisme :Université Paris Cité
Niveau d'études :Doctorat
Description :Poste de MCF en Statistique MCF26 ouvert au concours pour la rentrée 2023 à l'IUT de Paris Rives de Seine (Université Paris Cité) avec rattachement recherche au MAP5. Les candidatures se font sur Galaxie. ATTENTION Ouverture des candidatures : 02 février 2023 Date limite de candidature : 06 mars 2023 Profil : Statistique, Science des données, Visualisation de données Contact MAP5 : Antoine.Chambaz@u-paris.fr Contacts IUT : Jean-Michel.Poggi@parisdescartes.fr (département Science des Données), Muriel.Louapre@parisdescartes.fr (département Information Communication)
En savoir plus :https://map5.mi.parisdescartes.fr/wp-content/uploads/2023/02/PosteMCF26_2023_FOPC_0755976N_346.pdf
PosteMCF26_2023_FOPC_0755976N_346.pdf
Contact :jean-michel.poggi@parisdescartes.fr
Maître(sse) de conférences en statistiques (données spatiales et/ou temporelles)
Publiée le 01/02/2023 21:48.
Référence : MCF_AGROPARISTECH_23.
CDI, Palaiseau.
Entreprise/Organisme :Agroparistech
Niveau d'études :Doctorat
Description :Recrutement d’un(e) maître(sse) de conférences Agroparistech en statistiques spécialisé(e) dans le domaine de l’apprentissage statistique pour les données spatiales et/ou temporelles. Le poste est au sein de l'UMR MIA-Paris Saclay: https://mia-ps.inrae.fr/ Voir le pdf joint pour la description détaillée du poste.
En savoir plus :https://mia-ps.inrae.fr/node/274
fiche_poste.pdf
Contact :pierre.barbillon@agroparistech.fr
Ingénieur(e) de recherche en statistique
Publiée le 01/02/2023 21:48.
CDD, Toulouse.
Entreprise/Organisme :INRAE
Niveau d'études :Master
Date de début :15 mars 2023
Durée du contrat :12 mois avec possibilité de renouvellement
Rémunération :selon expérience professionnelle (2 454 € brut minimum)
Secteur d'activité :Recherche publique en santé animale
Description :La mission du statisticien sera de définir et de mettre en œuvre les méthodes statistiques pour l’analyse des données de suivi vidéo individuel de poulets de chair. Ces données seront tout d’abord utilisées pour caractériser les déplacements des animaux en état de bien-être. Dans un second temps, la détection précoce des problèmes de bien-être sera explorée.
En savoir plus :https://jobs.inrae.fr/ot-17209
Contact :didier.concordet@envt.fr

Page précédente  1  2  <3>  4  5  6  Page suivante

 
 
©2023 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 :