Consulter les offres d’emploi

Stage de 6 mois (M2): Intégration de données hétérogènes

Publiée le 21/11/2019 21:05.

Stage, 28 rue du docteur Roux 75015 Paris.

Entreprise/Organisme :	Institut Pasteur
Niveau d'études :	Master
Sujet :	Intégration de données hétérogènes
Date de début :	De février à avril 2020
Durée du contrat :	6 mois
Secteur d'activité :	Biostatistiques
Description :	Contexte du stage Avec la multiplication des technologies de séquençage et d'acquisition de données biologiques, de plus en plus d'études proposent plusieurs points de vue sur une même problématique en mesurant des caractéristiques différentes -comme par exemple sur le génome, le transcriptome, le protéome ou l'épigénome- sur le même échantillon. Cela entraîne la production de jeux de données complexes et souvent multimodaux. En parallèle, les résultats de nombreuses expériences sont rassemblés dans des bases de données publiques, ce qui permet de mettre en relation des éléments biologiques en fonction de critères variés. Par exemple, les bases de données KEGG ou Hallmark permettent, entre autres, de créer des groupes de gènes en fonction de leur fonction biologique. Dans le cadre de ce stage, le/la candidat-e participera de façon active au développement de nouvelles méthodes permettant l'intégration de structures de données complexes (comme des groupes de gènes) dans des méthodes classiques d'analyse de données multivariées : l'Analyse en Composantes Principales, l'Analyse des Corrélations Canoniques, la régression PLS etc. De plus, RGCCA [1] étant la méthode de choix pour l'intégration de données comportant plusieurs blocs, les développements effectués pendant ce stage pourraient également lui être appliqués. Les données qui seront analysées incluent des données publiques issues du projet TCGA (The Cancer Genome Atlas), les données du projet Milieu Intérieur ou les données du projet Afribiota. Le stage se déroulera à l'Institut Pasteur, dans les locaux du département de biologie computationnelle (https://c3bi.pasteur.fr/). Profil recherché Statisticien/ne, data analyst ou data scientist, le/la candidat/e doit avoir de solides compétences en analyse de données multivariées et de bonnes compétences en programmation R et maîtriser l'utilisation de R Markdown. Le/la candidat/e doit également avoir un intérêt pour l'application des méthodes statistiques à l'analyse de données biologiques, et pouvoir faire preuve d'autonomie. Contact Envoyez CV et lettre de motivation à vincent.guillemot@pasteur.fr avant le 15 janvier 2020.
En savoir plus :	https://c3bi.pasteur.fr/ Stage de 6 mois (M2)_ Intégration de données hétérogènes-1.pdf
Contact :	vincent.guillemot@pasteur.fr

Evaluation et prédiction génomique pour des données de spectrométrie vibrationnelle

Publiée le 20/11/2019 15:58.

Référence : SpectroGwas.

Stage, Agrocampus Ouest, site de Rennes (35).

Entreprise/Organisme :	Agrocampus Ouest
Niveau d'études :	Master
Sujet :	Evaluation et prédiction génomique pour des données de spectrométrie vibrationnelle
Date de début :	Février 2020
Durée du contrat :	6 mois
Rémunération :	Environ 550€/mois
Secteur d'activité :	Recherche, Statistique appliquée à la génomique, Données fonctionnelles
Description :	L’évolution rapide des technologies de séquençage du génome permet aujourd’hui de disposer, pour de nombreuses espèces dont certaines d’intérêt agronomique, d’un recensement très riche des paires de nucléotides montrant des variations parmi les individus d’une même espèce. Le profil, obtenu pour un grand nombre d’individus par génotypage à haut débit de ces paires de nucléotides appelées Single Nucleotide Polymorphisms ou SNP, a notamment ouvert de nouvelles perspectives pour identifier les déterminants génétiques de maladies humaines, dans le cadre de l’épidémiologie génétique. La valorisation agronomique de ces données représente également un enjeu très important pour la recherche de gènes contrôlant des phénotypes d’intérêt, à des fins de prédiction ou de sélection. Le nombre très important de SNP (plusieurs centaines de milliers) recensés pour chaque espèce et la complexité des interactions entre gènes ou entre gènes et environnement requièrent de grands dispositifs expérimentaux, souvent constitués de plusieurs centaines d’individus, pour atteindre une puissance de test d’association, ou une performance de prédiction, raisonnable. Or, la taille de ces dispositifs est le plus souvent incompatible avec les moyens à mobiliser pour la mesure des phénotypes d’intérêt agronomique. La limitation des dispositifs expérimentaux, liée au coût expérimental, est particulièrement importante dans le cadre d’un partenariat entre le Syndicat des Sélectionneurs Avicoles et Aquacoles Français (SYSAAF), l’ISCR et l’Irmar (deux Unités de Recherche CNRS), où le phénotype d’intérêt est multivarié (quelques dizaines de concentrations en différents types d’acide gras) et la mesure de chacun de ces caractères phénotypiques implique plusieurs analyses biochimiques coûteuses. Plus facile à mettre en œuvre, les technologies de spectrométrie vibrationnelle génèrent, pour chaque individu, des courbes de haute résolution dont certains éléments de forme, des pics, sont caractéristiques de propriétés biochimiques des tissus analysés, voire de types de profils en acide gras. Le dispositif expérimental mis en œuvre dans le cadre de ce projet repose donc sur un plan en double échantillonnage, incluant la mesure conjointe, sur un grand nombre d’individus, des génotypes associés aux SNP d’une part et des spectres de diffusion Raman d’autre part, et sur un plus petit nombre d’individus, des mesures conjointes des spectres et des profils d’acide gras mesurés par analyse biochimique. Les problèmes méthodologiques que posent l’introduction de données fonctionnelles (spectres) dans une étude d’association à l’échelle du génome sont nombreux : • La conception de méthodes de tests multiples d’association et d’apprentissage statistique pour la prédiction entre des données fonctionnelles et des données de génotypage, tenant compte de structures de forte dépendance, de type temporel pour les spectres, et spatial unidimensionnel le long du génome pour les génotypes (voir Sheu et al., 2016, Causeur et al., 2019, Hébert et al. 2019). • Les problématiques d’inférence post-sélection qu’impliquent l’objectif d’identification d’intervalles de longueurs d’ondes (pics) d’intérêt dans les spectres Raman (voir Heller et al., 2018) pour les SNPS (ou blocs de SNPs, gènes) détectés par la procédure de tests multiples. • La validation de la procédure de prédiction génomique pour les mesures de teneurs en acides gras par analyse biochimique dans un dispositif à double échantillonnage, tel que décrit plus haut (voir Causeur et Husson, 2008 pour les tests en double échantillonnage). La mission du stage n’a pas pour ambition d’aborder toutes ces problématiques, mais de proposer des solutions méthodologiques pour la première évoquée ci-dessus, concernant les tests d’association fonctionnelle à l’échelle du génome.
En savoir plus :	http://math.agrocampus-ouest.fr/infoglueDeliverLive/membres/david.causeur/ Internship - Master - Open position - Spectrogwas.pdf
Contact :	david.causeur@agrocampus-ouest.fr

Biostatisticien(-ne)

Publiée le 20/11/2019 15:58.

Référence : VD/BIOSTAT1119/MV/CCMS.

CDI, Strassen.

Entreprise/Organisme :	Luxembourg Institute of Health (LIH)
Niveau d'études :	Master
Date de début :	As soon as possible
Secteur d'activité :	Biomedical Research
Description :	European Health Interview Survey” (EHIS) est une étude obligatoire pour les Pays membres de l’Union Européenne. C’est une étude observationnelle transversale en population générale (cross-sectional population-based survey). Les questions portent sur l’état de la santé, l’utilisation des services de soins de santé, les habitudes de vie (comportement de santé) et l’entourage social. L’objectif de l’étude est de décrire l’état et les comportements de santé de la population résidente et les besoins de soins et de prévention afférents. Le recrutement des participants et la collecte de données sont prévus de janvier à décembre 2019 avec un objectif de 3600 participants. L’année 2020 sera consacrée au nettoyage de la base de données, à l’analyse statistique et à la rédaction du rapport présentant les données collectées. Dans ce cadre, le (la) biostaticiticien(-ne) sera principalement en charge de : Gérer et contrôler les données d’étude ainsi que les analyses statistiques de l’étude EHIS-LUX ; Garantir la réglementation, la qualité, la confidentialité et la sécurité des données ; Préparer et transférer les données à Eurostat et à la Direction de la santé (base de données et métadonnées) ; Apporter un soutien méthodologique et statistique à d’autres projets, en fonction des besoins de l’unité.
En savoir plus :	https://www.lih.lu/jobs/detail/biostatisticien-ne-mv1119-13003#scrollTop=0 Biostatisticien - MV1119.pdf
Contact :	virginie.delandsheer@lih.lu

Considering symmetries in clustering methods: Application to the study of biomolecules

Publiée le 20/11/2019 14:07.

Stage, INSA et LAAS.

Entreprise/Organisme :	LAAS-CNRS / IMT
Niveau d'études :	Master
Description :	Ce stage a pour but de proposer et comparer des méthodes de classification non supervisée prenant en compte des symétries existantes dans les biomolécules étudiées.
En savoir plus :	NA Stage_ClusteringSymmetry.pdf
Contact :	cathy.maugis@insa-toulouse.fr

Internship in Genetics

Publiée le 20/11/2019 14:07.

Référence : 2019-4947.

Stage, Chappes, France.

Entreprise/Organisme :	Limagrain Vegetable Seeds
Niveau d'études :	Master
Sujet :	Main goal: Join us to contribute to the development of genetic tools and methodologies within Limagrain Vegetable Seed division to bring worldwide support to the breeding teams of 3 business units: HM-Clause, Vilmorin-Mikado and Hazera Genetics ! Internship missions: The successful candidate will participate in supplying the geneticists’ tool box by building genetic maps (consensus map, interpolation from physical maps; raw data sets already available). These maps will then be used to run computer simulations using proprietary software (ProSpect) to optimize existing breeding schemes or propose alternative ones. For instance, she/he will evaluate cost and time efficiency of phenotypic selection versus genomic selection strategies, or compare marker assisted backcrossing to forward breeding approaches. The intern will also be involved in assessing the prediction accuracy of hybrids using genome wide approach (will simulated and real datasets). Conceivably, if time allows, the candidate would compare genomic selection to other approaches such as deep learning or indices built with different methods. Profile: You are a student interested in plant breeding and enrolled in a Masters’ degree curriculum with a major in genetics, statistics or computational biology. You must be knowledgeable of basic genetics and classical statistical methods as well as familiar with programming language like R. Knowledge of mixed model would be a plus. Expected learning: The successful candidate will get acquainted with the cutting-edge seed business R&D. She / He will strengthen her / his knowledge in quantitative genetics theory and its application to commercial plant breeding. Team description: The Limagrain Vegetable Seeds biostatistics team is composed of 4 members: • The Manager with higher education in statistics • Two biostatisticians with higher education in statistics • A quantitative geneticist with higher education in genetics They collaborate daily with their counterparts in the Limagrain Field Seeds biostatistics team ( > 15 members) located in the same building.
Date de début :	March-April 2020
Durée du contrat :	5 to 6 months
Rémunération :	commensurate with qualifications
Secteur d'activité :	Plant breeding
Description :	Company description: Limagrain is the fourth largest seed company worldwide. It is an international cooperative group created and directed by French farmers that moves agriculture forward to meet food challenges. As a creator and producer of plant and cereal varieties, the Group markets field seeds, vegetable seeds and cereal products intended for farmers, growers, home gardeners and for agri-food industrialists and consumers. Limagrain makes sales of more than 2.6 billion Euros and has more than 10,000 employees spread over 56 countries, including more than 20 % working in research. The Limagrain Cooperative has almost 2,000 farmer members. www.limagrain.com - #Limagrain
En savoir plus :	http://jobdesk.limagrain.com/offre-de-emploi/emploi-internship-in-genetics-h-f-_4947.aspx Internship in Genetics.pdf
Contact :	jose.osorioyfortea@limagrain.com

Stage pré-thèse : Co-clustering de séries temporelles

Publiée le 19/11/2019 18:42.

Référence : CoClusTS.

Stage, Saclay.

Entreprise/Organisme :	CEA
Niveau d'études :	Master
Sujet :	Le co-clustering est une méthode de machine learning non supervisée qui a pour objectif d'identifier la structure en blocs homogènes d'un tableau de données à partir d'une classification jointe des lignes et des colonnes. Depuis 1965, ce problème a été développé sous plusieurs variantes mais son intérêt s'est considérablement accru ces dernières années avec l'arrivée de nombreuses applications comme l'analyse de données textuelles, l'analyse marketing, la génomie, les systèmes de recommandations ou bien encore l’étude de données énergétiques. Ce type d'approches organise simultanément les lignes et les colonnes d'un tableau pour découvrir des blocs homogènes alignés pour proposer une lecture simplifiée des données ou/et pour en extraire des caractéristiques (feature engineering) utilisées par la suite dans des modèles de machine learning. Parmi les méthodes développées, on distingue deux types d’approches : les factorisations matricielles et les modèles probabilistes. L’objectif du stage est d’étudier le cas particulier du co-clustering pour les séries temporelles. Dans ce cadre, de récentes approches proposent de transformer dans un premier temps ces données en fonctions pour prendre en compte la notion d’ordre due à la temporalité. A partir de ces transformées, il est alors possible d’utiliser une méthode de co-clustering en l’appliquant soit sur les coefficients linéaires des différentes fonctions soit sur les projetés de ces fonctions. Dans le cadre de ces deux approches, la méthode de co-clustering retenue par les auteurs est le modèle probabiliste de blocs latents. Pendant le stage, l’étudiant sera amené à étudier et tester empiriquement ces deux approches. Il pourra alors compléter son étude par un état de l’art sur le co-clustering de données temporelles. Sur le même principe que les deux méthodes déjà développées, il pourra être intéressant de proposer une solution alternative couplant le signal processing (transformées de Besoz par exemple) et le co-clustering. Le stage pourra être suivi d’une thèse dans laquelle une méthode alternative notamment basée sur la factorisation matricielle pourra être développée.
Date de début :	Février ou mars 2020
Durée du contrat :	6 mois
Rémunération :	à partir de 600€ bruts selon profil
Secteur d'activité :	Machine learning
Description :	Contexte : Le Commissariat à l’énergie atomique et aux énergies alternatives (CEA) est un organisme public de recherche qui est un acteur majeur de l’espace européen de la recherche et exerce une présence croissante à l'international. Au sein du CEA Tech, l’institut CEA LIST focalise ses recherches sur les systèmes numériques intelligents. Porteurs d’enjeux économiques et sociétaux majeurs, ses programmes de R&D sont centrés sur le manufacturing avancé (robotique, réalité virtuelle & augmentée, contrôle non destructif, vision), les systèmes embarqués (sûreté & sécurité, ingénierie logicielle et systèmes, architectures de calcul), l’intelligence ambiante (capteurs, instrumentation & métrologie, communication & interfaces sensorielles, traitement de données & multimédia). En développant des technologies de pointe dont les applications couvrent les secteurs des transports, de la sécurité/défense, du manufacturing, de l’énergie et de la santé, le CEA LIST contribue à la compétitivité industrielle de ses partenaires par l’innovation et le transfert technologique (www-list.cea.fr). Au sein de l’institut CEA LIST, le stagiaire évoluera dans le Laboratoire de Sciences des Données et de la Décision (LS2D) qui comprend une trentaine de personnes. Sujet du stage : Le co-clustering est une méthode de machine learning non supervisée qui a pour objectif d'identifier la structure en blocs homogènes d'un tableau de données à partir d'une classification jointe des lignes et des colonnes. Depuis 1965, ce problème a été développé sous plusieurs variantes mais son intérêt s'est considérablement accru ces dernières années avec l'arrivée de nombreuses applications comme l'analyse de données textuelles, l'analyse marketing, la génomie, les systèmes de recommandations ou bien encore l’étude de données énergétiques. Ce type d'approches organise simultanément les lignes et les colonnes d'un tableau pour découvrir des blocs homogènes alignés pour proposer une lecture simplifiée des données ou/et pour en extraire des caractéristiques (feature engineering) utilisées par la suite dans des modèles de machine learning. Parmi les méthodes développées, on distingue deux types d’approches : les factorisations matricielles et les modèles probabilistes. L’objectif du stage est d’étudier le cas particulier du co-clustering pour les séries temporelles. Dans ce cadre, de récentes approches proposent de transformer dans un premier temps ces données en fonctions pour prendre en compte la notion d’ordre due à la temporalité. A partir de ces transformées, il est alors possible d’utiliser une méthode de co-clustering en l’appliquant soit sur les coefficients linéaires des différentes fonctions soit sur les projetés de ces fonctions. Dans le cadre de ces deux approches, la méthode de co-clustering retenue par les auteurs est le modèle probabiliste de blocs latents. Pendant le stage, l’étudiant sera amené à étudier et tester empiriquement ces deux approches. Il pourra alors compléter son étude par un état de l’art sur le co-clustering de données temporelles. Sur le même principe que les deux méthodes déjà développées, il pourra être intéressant de proposer une solution alternative couplant le signal processing (transformées de Besoz par exemple) et le co-clustering. Le stage pourra être suivi d’une thèse dans laquelle une méthode alternative notamment basée sur la factorisation matricielle pourra être développée.
En savoir plus :	xx 2019 sujet de stage 6 mois co_clustering.pdf
Contact :	aurore.lomet@cea.fr

Evaluation interannuelle des activités de pêche maritime professionnelle

Publiée le 19/11/2019 14:37.

Référence : Stage VALPENA.

Stage, MSH Ange-Guépin, Nantes.

Entreprise/Organisme :	GIS VALPENA
Niveau d'études :	Master
Sujet :	L’objectif principal du stage est de mettre en place des outils et méthodes, adaptés aux données VALPENA, permettant d’analyser les variations interannuelles des activités de pêche.
Date de début :	mi-février à début avril (à discuter)
Durée du contrat :	6 mois
Rémunération :	selon barême en vigueur
Secteur d'activité :	statistique appliquée, pêche maritime
Description :	Le principe de la méthode VALPENA est de spatialiser l’activité de pêche de la flotte professionnelle maritime en se basant sur des enquêtes réalisées chaque année auprès des patrons pêcheurs sur l’activité de l’année précédente. Grâce aux indicateurs déjà développés, la spatialisation sur une année (ou sur une sous-période de l’année) est réalisable et les calculs sont identiques pour tous les utilisateurs des données VALPENA. Cependant, du fait de la mise en place récente du dispositif, le GIS VALPENA ne dispose pas de méthodes en routine permettant le traitement des données sur plusieurs années. Ainsi, l’objectif de ce stage est de mettre en place des outils et méthodes, adaptés aux données VALPENA, et permettant d’analyser les variations interannuelles des activités de pêche. Les missions du stagiaire sont les suivantes : - Revue bibliographique exhaustive des méthodes statistiques adaptées à la problématique posée dans le cadre de données mesurées sur plusieurs années et mêlant des méthodes de recueil différentes (sondage et exhaustivité) ; - Comparaison et proposition d’indicateurs auprès des membres du GIS VALPENA pour validation puis implémentation dans le logiciel VALPEMAP pour le traitement en routine des données interannuelles ; - Elaboration de recommandations sur le traitement des données recueillies sur plusieurs années d’activité. Mots-clés : dynamiques spatio-temporelles, théorie des sondages, plan d’échantillonnage, pêche maritime, aménagement de l’espace maritime
En savoir plus :	https://valpena.univ-nantes.fr/ Fiche stage M2 VALPENA_Analyses interannuelles.pdf
Contact :	eva.dieudonne@univ-nantes.fr

STAGE EN BIOSTATISTIQUE : ETUDE DE L’IMPACT DE LA PRISE EN COMPTE DES RISQUES RECURRENTS

Publiée le 18/11/2019 13:35.

Référence : ST020_BIOSTAT.

Stage, 3, route de la Chatterie 44800 Saint-Herblain.

Entreprise/Organisme :	Biofortis Mérieux NutriSciences
Niveau d'études :	Master
Sujet :	ETUDE DE L’IMPACT DE LA PRISE EN COMPTE DES RISQUES RECURRENTS DANS LE CADRE DES ESSAIS CLINIQUES
Date de début :	à partir de février 2019
Durée du contrat :	6 mois
Rémunération :	Rémunération convention de stage + participation titres restaurant et frais de transports en commun
Secteur d'activité :	Biostatistique, recherche clinique
Description :	Nous souhaitons tester différents modèles statistiques pour prendre en compte la survenue des évènements récurrents (modéliser le délai de survenue jusqu'au premier évènement, modéliser le nombre d'évènements survenus au cours de l'étude ou utiliser des méthodes plus justes pour prendre en compte les délai de survenue entre chaque évènements).
En savoir plus :	https://www.merieuxnutrisciences.com/fr/biofortis-innovation-services BIOFORTIS_Offre de stage_Biostat_2020.pdf
Contact :	marie-cecile.fournier@mxns.com

Technicien(ne) en statistique et informatique, CHU Lyon

Publiée le 18/11/2019 13:35.

Référence : Technicien_STID_HCL.

CDD, Lyon.

Entreprise/Organisme :	CHU de Lyon
Niveau d'études :	DUT/Licence ou équivalent
Date de début :	2 Janvier 2020
Durée du contrat :	1 an, puis renouvelable pour 2 ans
Rémunération :	1700 euros net
Secteur d'activité :	Recherche clinique et épidémiologie
Description :	Le service de Biostatistique-Bioinformatique des Hospices Civils de Lyon (CHU) recherche un technicien en statistique et informatique afin d’assurer deux missions : la première s’inscrit dans le cadre d'un partenariat autour de la surveillance épidémiologique des cancers et porte sur la gestion de la base commune des registres de cancer. La seconde s’inscrit dans l’activité générale du service d’appui statistique à la recherche clinique et épidémiologique à travers la contribution aux travaux d’analyses statistiques réalisées dans le service. Voir le fichier joint pour une description détaillée.
En savoir plus :	NA Poste_TechnicienStat_STID.pdf
Contact :	delphine.maucort-boulch@chu-lyon.fr

Apprentissage statistique pour la détermination de profils climatiques spatio-temporels

Publiée le 18/11/2019 13:35.

Référence : AgriNum.

Stage, INRA Avignon.

Entreprise/Organisme :	INRA Avignon / unité BioSp
Niveau d'études :	Master
Sujet :	Contexte scientifique : Les rendements agricoles dépendent de plusieurs facteurs, dont (mais pas seulement) la variété cultivée, les pratiques agricoles, les choix techniques et les conditions climatiques qui fluctuent d’une année à l’autre. Sur l’un des rares jeux de données contenant plusieurs milliers de parcelles, l'objectif de ce stage est d'identifier les profils spatio-temporels des conditions climatiques à l'origine des variations de rendement. Cette meilleure compréhension des phénomènes climatiques doit permettre de mieux déterminer et prédire les risques pour les agriculteurs afin de leur proposer des solutions adaptées comme des améliorations variétales, des modifications des pratiques agricoles ou le recours à des assurances, etc. Données à analyser et méthodologie : Nous disposons des relevés de rendement de blé tendre de 2011 à 2016 pour 2300 parcelles du réseau DEPHY, réparties sur le territoire métropolitain français. Les conditions climatiques sont connues au travers de données de ré-analyse issues de la base SAFRAN de Météo-France. Les conditions environnementales et les pratiques agricoles seront raisonnablement supposées inchangées durant la période 2011-2016, afin de se concentrer sur l'influence des conditions climatiques. Nous disposons également d'indicateurs éco-climatiques résumant l'information météorologique lors de différentes phases du cycle de croissance du plant de blé. Toutes ces donnée sont contenues dans une seule base de données prête pour analyse. Face aux limites des modèles spatiaux (champs, processus) et temporels pour détecter des phénomènes complexes inconnus, l'objectif majeur de ce stage sera de s'appuyer sur des techniques d'apprentissage statistique (forêts aléatoires, réseaux de neurones, boosting aléatoire...) pour rechercher dans les données les profils spatio-temporels déterminant les variations de rendement. Une première étape sera de détecter les profils spatio-temporels climatiques associées aux stade de croissance du plant de blé pour expliquer les fluctuations et notamment la baisse de rendement de ces dernières années. Selon l'avancement du projet, un développement possible sera de proposer des modèles couplés alliant les techniques de machine learning et des modèles de statistique spatiale. L'analyse sera principalement menée sous le logiciel R et éventuellement sous Python. Ce projet sera encadré par Denis Allard (INRA BioSp) et Florent Bonneu (Avignon Université, LMA), en collaboration avec Davide Martinetti (INRA BioSp), des collègues de l'unité AgroClim (Patrick Bertuzzi et Inaki Garci-De-Cortazar) et de l'entreprise Agrosolutions (Geoffrey Monier).
Date de début :	Février-Mars 2020
Durée du contrat :	6 mois
Rémunération :	Gratification conforme à la grille officielle
Secteur d'activité :	Recherche
Description :	Lieu : INRA Avignon, unité BioSP (Biostatistique et Processus Spatiaux). Durée : 6 mois entre mars et octobre 2019. Rémunération : la gratification de stage sera de 577,50€/mois net, conformément à la grille officielle en vigueur en 2019 en France (base de 22 jours de présence/mois et 35h/semaine). Profil du candidat : Data science, statistique spatiale, séries temporelles, programmation R, intérêt pour le climat, l'agriculture et l'environnement. Contacts : CV, lettre de motivations et relevés de notes de Master à : Denis Allard (denis.allard@inra.fr) et Florent Bonneu (florent.bonneu@univ-avignon.fr).
En savoir plus :	https://informatique-mia.inra.fr/biosp/accueil StageM2-MachineLearning.pdf
Contact :	florent.bonneu@univ-avignon.fr

Poste MCF Probabilités Statistiques Université de Franche-Comté

Publiée le 18/11/2019 13:34.

Référence : Poste MCF Probabilités Statistiques Université de Franche-Comté.

CDI, Besançon.

Entreprise/Organisme :	Université de Franche-Comté, Laboratoire de mathématiques de Besançon
Niveau d'études :	Doctorat
Date de début :	1 Septembre 2020
Description :	L'Université de Franche-Comté est susceptible de recruter un/une maître de conférence en probabilités et statistique lors de la prochaine campagne synchronisée avec une affectation au Laboratoire de mathématiques de Besançon (LmB). Les personnes intéressées sont invitées à contacter Clément Dombry (clement.dombry@univ-fcomte.fr), responsable de l'équipe Probabilités et Statistique du LmB.
En savoir plus :	https://lmb.univ-fcomte.fr/
Contact :	clement.dombry@univ-fcomte.fr

offres de stage M2 / ingénieur à l'ENS de Lyon

Publiée le 15/11/2019 17:09.

Stage, ENS de Lyon.

Entreprise/Organisme :	Equipe DANTE, LIP, ENS de Lyon
Niveau d'études :	Master
Sujet :	Nous recherchons deux étudiantes ou étudiants intéressés par les aspects algorithmiques et mathématiques de l’apprentissage pour un stage de six mois niveau master 2 ou fin d’école d’ingénieurs, dans l’optique d’une continuation en thèse. Date de démarrage souhaitée : février/mars 2020 Lieu du stage : ENS de Lyon Scientific Contact: Rémi Gribonval (prenom.nom@inria.fr Exemples de sujets possibles: Optimization algorithms for sparse deep networks [http://people.irisa.fr/Remi.Gribonval/wp-content/uploads/2019/11/sujet1.pdf] When are sparse deep networks unique and optimal ? [http://people.irisa.fr/Remi.Gribonval/wp-content/uploads/2019/11/sujet2.pdf]
Date de début :	février 2020
Durée du contrat :	6 mois
Rémunération :	gratification de stage possible
Description :	Stage de recherche, dans l'optique d'une prolongation en thèse
En savoir plus :	http://people.irisa.fr/Remi.Gribonval/offres-de-stage/ sujet1-sujet2.pdf
Contact :	remi.gribonval@inria.fr

Postdoc position in Machine Learning at Ecole Normale Supérieure de Lyon

Publiée le 15/11/2019 17:08.

Postdoc, ENS de Lyon [http://www.ens-lyon.fr/en/].

Entreprise/Organisme :	Equipe DANTE, LIP, ENS de Lyon
Niveau d'études :	Doctorat
Date de début :	Early 2020
Durée du contrat :	2 years
Description :	The DANTE team at ENS de Lyon, France is seeking highly qualified candidates for a postdoctoral position on the algorithmic and mathematical foundations of resource-efficient machine learning, in the context of the ACADEMICS project (Machine Learning & Data Science for Complex and Dynamical Models) funded by the IDEXLyon. Sample research topics include: Expressivity and Robustness of Sparse Deep Networks; Provable Algorithms for Sparse Deep Learning; Random Sketches for Efficient Manifold & Graph-based Learning. Scientific Contact: remi.gribonval@inria.fr To apply: Applicants are requested to send a detailed CV, a list of publications and a brief statement of research interests. This material, together with two letters of reference, shall be sent to Rémi Gribonval
En savoir plus :	http://people.irisa.fr/Remi.Gribonval/postdoc-offer/ Postdoc position open at ENS de Lyon - 2019.pdf
Contact :	remi.gribonval@inria.fr

Méthodes statistiques pour la fusion de données

Publiée le 15/11/2019 17:08.

Référence : offre_peps_2019.

Stage, Saint-Etienne-du-Rouvray (76).

Entreprise/Organisme :	INSA Rouen Normandie
Niveau d'études :	Master
Sujet :	Voir fichier joint
Date de début :	Mars 2020
Durée du contrat :	6 mois
Rémunération :	Gratification légale
Secteur d'activité :	Ecole d'ingénieur
Description :	Voir fichier joint.
En savoir plus :	http://www.atmonormandie.fr/ SujetStageFusionData.pdf
Contact :	bruno.portier@insa-rouen.fr

Identification d’interactions Gene×Environnement par méta-analyse en génétique des plantes.

Publiée le 15/11/2019 17:08.

Stage, Paris et/ou Le Moulon (Saclay).

Entreprise/Organisme :	INRA
Niveau d'études :	Master
Date de début :	mars / avril
Durée du contrat :	5/6 mois
Rémunération :	Gratification INRA
Description :	CONTEXTE En génétique d'association on collecte sur une série d'individus (panel) des informations phénotypiques (eg leur taille ou une réponse physiologique) et des informations génotypiques (ie on "séquence" l'individu en différentes positions le long du génome - appelées marqueurs - pour savoir quels sont les allèles présents à ces positions). On analyse ensuite les données de la façon suivante : pour chaque marqueur on teste si la présence des différents allèles influe sur la variable réponse. A l'issue de l'analyse, on récupère autant de probabilités critiques qu'il y avait de marqueurs (généralement quelques centaines de milliers / millions). Il existe pour ce type d'analyse des outils dédiés qui permettent l'identification des marqueurs influant le caractère en quelques minutes. Cette stratégie a déjà permis l'identification de gènes majeurs impliqués dans des maladies à forte prévalence comme le cancer chez l'humain, ou à l'identification de gènes influant sur les performances de rendement ou de résistance aux parasites chez les plantes. On réalise alors une analyse environnement par environnement, et on récupère pour chaque environnement et chaque marqueur une probabilité critique. L'objectif d'une méta-analyse est de réaliser la synthèse des analyses séparées, par exemple en calculant pour chaque marqueur un score basé sur les probabilités critiques obtenues pour ce marqueur dans les différents environnements. Si les panels sont constitués d'individus distincts alors pour un même marqueur les probabilités critiques peuvent être considérées comme indépendantes. Lorsqu'il s'agit d'un même panel ou de panels très similaires d'un environnement à l'autre, une telle hypothèse d'indépendance n'est pas raisonnable, il faut donc explicitement prendre en compte cette dépendance dans la méta-analyse. OBJECTIF DU STAGE Dans un premier temps le stage consistera à développer une stratégie de méta-analyse prenant en compte la dépendance des panels étudiés, et à évaluer les performances de la stratégie proposée (en terme de puissance de détection des marqueurs influant sur le caractère étudié, et de contrôle de faux positifs) à l'aide d'une étude de simulations. Dans un deuxième temps la stratégie sera appliquée à différents panels issus de génétique des plantes et de génétique humaine. On considèrera à la fois le cas de variables réponses quantitatives et qualitatives. COMPETENCES RECHERCHEES Programmation en R, maîtrise de Rmarkdown, connaissances en Rcpp (ou Rpython) Intérêt pour les applications statistiques en biologie/génétique Le stage pourra potentiellement être poursuivi par une thèse.
En savoir plus :	https://www6.inra.fr/mia-paris StageMetaAnalyse.pdf
Contact :	tristan.mary-huard@agroparistech.fr

Page précédente 1 2 <3> 4 5 6 7 8 9 Page suivante