Consulter les offres d’emploi

Représentations et méthodes pour l’inférence causale en épidémiologie
Publiée le 08/11/2022 08:39.
Référence : Stage M2 Statistique.
Stage, Nantes.
Entreprise/Organisme :UMR BIOEPAR INRAE-Oniris
Niveau d'études :Master
Sujet :Identification des conditions dans lesquelles une évaluation de l’impact de traitements ou de pratiques sur la guérison des infections intra-mammaires chez les vaches laitières serait possible à partir des données disponibles en élevage et évaluation des méthodes statistiques pour quantifier la force de ces relations causales.
Date de début :entre janvier et avril 2023
Durée du contrat :5 à 6 mois
Rémunération :environ 600€/mois
Secteur d'activité :Epidémiologie animale
Description :cf. description jointe
En savoir plus :https://www6.angers-nantes.inrae.fr/bioepar/
sujet_stageM2_causalite.pdf
Contact :anne.lehebel@oniris-nantes.fr
Interest in using HCs and indirect statistical comparison in clinical trials (e.g rare disease)
Publiée le 07/11/2022 13:27.
Référence : Stage.
Stage, TOULOUSE.
Entreprise/Organisme :INSTITUT DE RECHERCHE PIERRE FABRE SAS
Niveau d'études :Master
Sujet :In the clinical development of new drugs, the gold standard is to conduct a comparative randomized clinical trial to evaluate the benefit of the new drug compared to a placebo or a standard of care. However, the conduct of such clinical trial is sometimes not possible - either for ethical concerns or when the enrolment of patients is challenging as in rare disease trials. In such situations, it may be of interest to use historical control data to fully or partially replace the missing information, or by generating a virtual control arm based on the results from other clinical trials. Indirect comparisons via frequentist, bayesian or simulation approaches provide support for discussions with regulatory agencies. Within the biometrics department and attached to a lead biostatistician, you will explore the different approaches and appraise the pros and cons of using historical controls. Your objectives will be to: · Review the guidances from the different health authorities that target indirect comparisons and use of HCs, · Select statistical approaches, implement them using SAS and/or R, and assess the properties using simulations, · Apply the methods to data from clinical trials conducted in Pierre Fabre, · Present your work to an interdisciplinary team.
Date de début :Idéalement début Avril 2023 (possible Mars)
Durée du contrat :6 mois
Rémunération :~1100€
Secteur d'activité :Recherche et Developpement
Description :In the clinical development of new drugs, the gold standard is to conduct a comparative randomized clinical trial to evaluate the benefit of the new drug compared to a placebo or a standard of care. However, the conduct of such clinical trial is sometimes not possible - either for ethical concerns or when the enrolment of patients is challenging as in rare disease trials. In such situations, it may be of interest to use historical control data to fully or partially replace the missing information, or by generating a virtual control arm based on the results from other clinical trials. Indirect comparisons via frequentist, bayesian or simulation approaches provide support for discussions with regulatory agencies. Within the biometrics department and attached to a lead biostatistician, you will explore the different approaches and appraise the pros and cons of using historical controls. Your objectives will be to: · Review the guidances from the different health authorities that target indirect comparisons and use of HCs, · Select statistical approaches, implement them using SAS and/or R, and assess the properties using simulations, · Apply the methods to data from clinical trials conducted in Pierre Fabre, · Present your work to an interdisciplinary team. Profiles/Skills: · Student in Master 2 or equivalent (ENSAI, INSA) · SAS and/or R software good knowledge · English: fluent, read, written (spoken appreciated) · Spirit of synthesis, curiosity
En savoir plus :https://job.pierre-fabre.com/offre-de-emploi/emploi-biostatisticien-ne-stage-h-f_10926.aspx
Contact :sandrine.roye@pierre-fabre.com
Stage de Master 2 en Statistiques appliquées
Publiée le 07/11/2022 13:26.
Stage, Nantes.
Entreprise/Organisme :ONIRIS et INRAE
Niveau d'études :Master
Sujet :Etude du lien entre composition du lait Maternel (nutriome, exposome, microbiome) et croissance hospitalière dans une cohorte de bébés nés prématurés.
Date de début :01/03/2023
Durée du contrat :28 semaines
Rémunération :569 euros par mois (gratification)
Secteur d'activité :Recherche médicale
Description :Selon le concept des origines développementales de la santé et des maladies (Developmental Origins of Health and Disease ou DOHaD), les « 1000 jours », allant de la conception aux 2 ans de l’enfant environ, représentent une période de grande vulnérabilité durant laquelle des adaptations aux changements environnementaux pourraient augmenter la sensibilité de l’individu à développer des maladies non transmissibles (MNT) plus tard dans la vie telles que l’obésité, le diabète ou encore les maladies cardio-vasculaires. Parmi les facteurs qui pourraient constituer des leviers d’action durable sur la santé de l’enfant et de son devenir d’adulte figure l’allaitement maternel recommandé par l’Organisation Mondiale de la Santé jusqu’aux 6 mois de l’enfant et en particulier chez les enfants nés prématurés ou avec un petit poids de naissance et donc plus à risque de développer des MNT. Dans le cadre de ce stage, un large spectre d’approches non ciblées pour mesurer les nutriments, les composés bioactifs et les composés d’exposition du lait maternel d’enfants nés prématurés sera étudié. Ce phénotypage du nutriome, exposome et microbiome du lait maternel des enfants nés prématurés sera mis en regard du développement staturo-pondéral de l’enfant durant sa prise en charge hospitalière post-natale, variable potentiellement prédictive de pathologies chroniques ultérieures. La cohorte Lactacol, sur laquelle portera le stage, comprend 137 enfants nés prématurés de 117 mères (97 singletons, et 20 paires de jumeaux). Les données obtenues sur la composition du lait maternel sont structurées en blocs : composés polaires, composés apolaires, composés lipidiques, oxylipines, acides gras totaux, empreinte lipidomique, exposome, microbiome. L’étude de ces données est réalisée dans le cadre du projet collaboratif nommé « LactOMICS » (Méta-programme INRAE SYALSA) impliquant l’UMR PhAN (INRAE, Université de Nantes), l’Hôpital Mère-Enfant (CHU de Nantes), l’UMR LABERCA, l’UMR SECALIM et l’USC StatSC (INRAE-Oniris) ainsi que l’équipe EREN du CRESS. La collaboration pour le traitement statistique des données dans le cadre de ce stage impliquera principalement Thomas MOYON (Ingénieur statisticien de PhAN), et Benjamin Mahieu (Enseignant-Chercheur de StatSC).
En savoir plus :https://www.oniris-nantes.fr/la-recherche/statsc-usc/
Proposition de Stage 2023 PhAN - StatSC 21102022.pdf
Contact :thomas.moyon@univ-nantes.fr
Stage M2 : apprentissage fédéré incrémental
Publiée le 07/11/2022 13:26.
Stage, Saclay (Essonne, Ile-de-France).
Entreprise/Organisme :CEA LIST
Niveau d'études :Master
Sujet :En 2016, Google publie les principes fondateurs de l’apprentissage fédéré avec la promesse de créer des IA sans compromettre les données des utilisateurs. Cette méthode est en train de changer le paradigme actuel de l’IA centralisée, où construire de meilleurs modèles se résume souvent à collecter toujours plus de données personnelles et les centraliser sur un serveur. L’apprentissage fédéré est une approche collaborative où tous les utilisateurs d’un service participent à l’apprentissage du modèle sans transmettre leurs données personnelles mais uniquement les paramètres du modèle mis à jour localement. Au lieu de centraliser les données, seuls les paramètres du modèle sont agrégés sur le serveur central ce qui permet d’améliorer la confidentialité des données et de limiter les coûts de communication. En pratique, les solutions d’apprentissage fédéré ont surtout été mises en œuvre pour des applications cross-silo de collaboration entre entreprises avec des bases de données locales figées dans le temps. Or cette hypothèse devient peu vraisemblable pour des applications cross-devices IoT où les acteurs reçoivent des données en flux avec peu de capacité de stockage. Le stage concerne l'apprentissage fédéré incrémental où l'apprentissage du modèle est envisagé de manière décentralisée à partir de flux de données.
Date de début :01/03/2023
Durée du contrat :6 mois
Description :L’objectif du stage est de mettre en œuvre des solutions d’apprentissage incrémental dans un scénario d’apprentissage fédéré, i.e. apprendre un modèle de façon collaborative à partir de données en flux décentralisées. Le principal challenge de l’étude sera de proposer des algorithmes robustes à l’oubli catastrophique qui a tendance à limiter les capacités d’un réseau de neurones à apprendre des taches successives. Le déroulement du stage sera scindé en deux parties. Dans un premier temps, une étude bibliographique sera menée sur les quelques algorithmes proposés dans la littérature autour de l’apprentissage fédéré incrémental. Dans un deuxième temps, des solutions prometteuses issues de la littérature ou novatrices seront mises en œuvre dans un environnement de simulation.
En savoir plus :https://list.cea.fr/fr/
poste_stage_ M2_FL_20221017_v0.pdf
Contact :aurelien.mayoue@cea.fr
Longitudinal data analysis in high dimension
Publiée le 01/11/2022 21:40.
Stage, Lille (FRANCE).
Entreprise/Organisme :Université de Lille METRICS and Inria MODAL
Niveau d'études :Master
Description :In collaboration with clinicians and biologists from various teams of Lille, METRICS team has developed an expertise on high-throughput analysis of omics data (e.g., genomics, transcriptomics, proteomics). These data present much more variables than individuals and penalised regression framework has proven to be very useful to select biomarkers at one time point. When several time points are considered, interpretation of biological results is much more difficult if time points have been studied independently. The aim of this internship is to apply, on real data, methods which are conceptually different for the analysis of longitudinal data in high dimension : • rJCLM - regularized latent class model (Sun et al., 2019) • multiway generalized canonical correlation analysis (A. Gloaguen et al., 2022) Candidatures must be sent both to Genia Babykina and Guillemette Marot, as requested in the full description of the internship.
En savoir plus :https://metrics.univ-lille.fr/
202210_sujet_stage_M2_longitudinal.pdf
Contact :guillemette.marot@univ-lille.fr
stage M2 biostat/bioinfo
Publiée le 01/11/2022 21:40.
Référence : biostatbilille.
Stage, Lille.
Entreprise/Organisme :Université de Lille - plateforme bilille
Niveau d'études :Master
Durée du contrat :6 mois
Description :Sujet: Comparaison de procédures statistiques pour des analyses d’enrichissement dans des études transcriptomiques Détails: https://wikis.univ-lille.fr/bilille/_media/202210_sujet_stage_m2_gsea.pdf Candidatures à envoyer par mail en envoyant un CV, une lettre de motivation et les relevés de notes de M1 à Guillemette Marot, Pierre Pericard et Jimmy Vandel (bilille@univ-lille.fr)
En savoir plus :https://wikis.univ-lille.fr/bilille
202210_sujet_stage_m2_gsea.pdf
Contact :bilille@univ-lille.fr
AI models hybridizing machine learning and argumentation to counter online misinformation
Publiée le 31/10/2022 18:13.
Référence : STAGE-2023-ARGML-3IACOTEDAZUR.
Stage, Nice, Sophia-Antipolis.
Entreprise/Organisme :Université Côte d'Azur, CNRS, INRIA
Niveau d'études :Master
Sujet :Cf document joint
Date de début :Février ou Mars 2023
Durée du contrat :6 mois
Rémunération :Gratification de stage
Secteur d'activité :Recherche
Description :Context: With the recent developments of information and communication media, it becomes necessary to actively monitor certain types of activities that could harm individuals and even society. In particular, social media offer new communication means that can be used to misinform or harass. Given the size of these social networks and the huge number of exchanged messages everyday, to effectively fight against misinforma- tion and cyberbullying, it is nowadays necessary to rely on automatic tools capable of analyzing this mass of data. Among those tools, AI algorithms designed for this task can be based on either Machine Learning (ML) [BN06] or Natural Language Process- ing (NLP) [JM09]. ML approaches based on statistical or deep learning are usually efficient and can scale to the large size of data. However, they do not allow a fine un- derstanding of the reasons behind people’s behaviour on social networks. Conversely, NLP approaches, such as argumentation analysis techniques, allow for a fine modeling of the way some online users either spread misinformation or harass other users. On the downside, these approaches have a significant computational cost and are not easily applied on a large scale. Project: This project aims at proposing new AI models mixing machine learning and argu- mentation for countering misinformation and cyberbullying, allowing both for a fine understanding of the misleading strategies and the possibility to be applied at a large scale. To address this goal, we propose an approach able to cluster the nodes of a network taking into account the argumentation graph connecting the arguments proposed by the different actors to each other through support and attack argumentative relations. This will allow us to detect groups of persons connected on the network and sharing the adop- tion of common argumentation patterns. To this end, we could extend the (deep) latent variable models (DLVM) [Bis98] designed for network clustering by adding a modeling of the distribution of the argumentation graphs. Latent variable models for network clustering include popular models such as the stochastic block model (SBM) [SN97], known to be particularly efficient to model complex networks, and the latent space model (LPM) [HRH02], which provides a meaningful latent representation of the data. Recent extensions of this class of models use deep learning, in particular graph neural networks (GNN) [SGT+08, KW16], to further describe the network topology and thus allowing an even better clustering performance. The extension of these models could be addressed by introducing the information about the argumentation structure carried out by the texts (e.g., social media messages and posts) and by enforcing the clusters to be representative of both the network connection patterns and the argumentation structures. Thus, the resulting clustering of the nodes of the network should explicit the different roles of people and allow the detection of particular groups that mobilize argumentation for specific (potentially nefastous) actions in the network. Expected skills: The candidate should be a Master 2 student in a NLP / Statistics / Machine Learning program, with a strong background in computer science and mathematics. This intern- ship could be followed by a Ph.D. thesis, for which the funding is already secured.
En savoir plus :https://3ia.univ-cotedazur.fr
Sujet_Stage_ArgML.pdf
Contact :charles.bouveyron@inria.fr
Stage M2 - Associations between tobacco smoking during pregnancy and placental DNA methylation
Publiée le 27/10/2022 19:13.
Référence : StageM2_3PSmoke2023.
Stage, 38100 La Tronche (Grenoble).
Entreprise/Organisme :INSERM
Niveau d'études :Master
Sujet :Associations between maternal tobacco smoking during pregnancy and placental DNA methylation using gene candidate and epigenome-wide approaches
Date de début :Janvier/février 2023
Durée du contrat :6 mois
Rémunération :546e / mois
Secteur d'activité :Recherche
Description :Description Maternal tobacco smoking during pregnancy is a real burden and public health issue as its prevalence is estimated to be around 16% in Western Countries. Maternal tobacco smoking is related to numerous pregnancy complications affecting mothers and fetuses (such as extrauterine pregnancy, low intrauterine growth, prematurity, low birth weight for gestational age) but also to later child health, cognitive development and behavior (Zeitlin et al. 2015, Nakamura et al. 2020, Nakamura et al. 2021). A few underlying mechanisms have been proposed. They include alterations in epigenetic mechanisms such as DNA methylation (DNAm). DNA methylation does not change DNA sequences of nucleotides; can be replicated through cell divisions and can be either reversible or persist via biological memory [(Rousseaux et al. 2020)]. DNA methylation can be altered by environmental factors ranging from diet to maternal stress and to pollutants such as arsenic, persistent organic pollutant, endocrine disruptors, air pollutants, and tobacco smoke, especially during the earlier stages of the child’s development as the epigenome undergoes considerable reprogramming during gametogenesis and the preimplantation embryonic stage (Abraham et al. 2018, Nakamura et al. 2021, Rousseaux et al. 2020). Epigenetic marks are tissue-specificity and highly specific to cell types in tissues. Therefore, part of DNA methylation levels measured are driven by the cell composition of the collected tissue sample. For some tissues, such as placenta, cell composition is more difficult to measure. In a recent study conducted by our team, on 568 pregnant women from the EDEN cohort study (Heude et al. 2015), either actively smoking during their pregnancy, formerly exposed to tobacco smoking, or not exposed to tobacco smoking during pregnancy (Rousseaux 2020), 152 differentially methylated regions (DMRs) were identified with “reversible” alterations of DNA methylation, which were only present in the placenta of current smokers, whereas 26 DMRs were also found altered in former smokers who had quit smoking prior to pregnancy and whose placenta had not been exposed directly to cigarette smoking. We showed that the 203 tobacco-induced DMRs identified were significantly enriched in epigenetic marks corresponding to enhancer regions and in regions controlling the monoallelic expression of imprinted genes. These data suggested that tobacco smoking during pregnancy could impact the transcription of genes normally regulated by mechanisms involving DNA methylation as well as how it could affect the development and growth of the fetus. Since the publication of this study, we received additional samples, giving us the potential of increasing statistical power in a replication study. As mentioned earlier, cell composition estimation is still a challenge and methods will be discussed. The aim of this internship is to replicate our previous study; which involves estimating the associations between maternal tobacco smoking during pregnancy and DNAm in the EDEN cohort study, using both gene candidate and EWAS approaches. Candidate profile and required skills - M2/Engineering degree in Public Health (Biostatistics, Epidemiology, etc.), Statistics or Bioinformatics, Biology with a strong background in statistics and/or R programming - Interests in epigenetic epidemiology - Statistics and/or epidemiology: multivariate regression analyses - Programming: R or an equivalent programming language - English: you should be able to read publications written in English - French: not mandatory
En savoir plus :NA
StageM2_3PSmokes_2023.pdf
Contact :aurelie.nakamura@univ-grenoble-alpes.fr
Identification of individual-based models of growth from population-snapshot data
Publiée le 26/10/2022 22:50.
Référence : PostDoc Biostatistique.
Postdoc, Grenoble.
Entreprise/Organisme :Université Grenoble Alpes
Niveau d'études :Autre
Sujet :Identification of individual-based models of growth and gene expression dynamics from population-snapshot data
Date de début :March 2023
Durée du contrat :15 month
Description :The aim of this project is to develop methods for the inference of individual-based gene expression models from population-snapshot data.
En savoir plus :https://www-ljk.imag.fr
PostDoc-Opening (1).pdf
Contact :adeline.leclercq-samson@univ-grenoble-alpes.fr
Chargé/e d'études sur les salaires
Publiée le 26/10/2022 15:55.
CDD, Javel : 39-43, quai André Citroën – PARIS 15ème.
Entreprise/Organisme :DARES
Niveau d'études :DUT/Licence ou équivalent
Date de début :01/01/2023
Durée du contrat :3 ans
Rémunération :variable en fonction de l'expérience du candidat
Secteur d'activité :Etudes-audit-évaluation-contrôle interne et prospective
Description :Description poste : Titulaire du poste au sein du pôle études du département salaires et conventions salariales (SCS), vous réalisez des études statistiques sur les salaires. Vous menez des analyses ciblées pour répondre aux demandes institutionnelles sur ces sujets. Vous expertisez et redressez les données des enquêtes sur le coût de la main-d'œuvre et la structure des salaires (Ecmoss) qui ont pour objectif le suivi annuel de la structure des rémunérations des salariés et du temps de travail. Plus précisément : - Vous réalisez des études sur les salaires, les différentes composantes de la rémunération (part du salaire de base, part variable avec les primes, heures supplémentaires...) et leurs évolutions. Les sujets traités sont divers et peuvent ainsi porter sur les salariés rémunérés sur la base du Smic, la structure des salaires, les conséquences des différences de structure de la rémunération entre femmes et hommes pour ce qui est des inégalités salariales entre les sexes ou encore le partage entre part fixe et part variable dans les rémunérations. Pour ces études, vous exploitez principalement les données des enquêtes sur le coût de la main-d'œuvre et la structure des salaires (Ecmoss) dont vous êtes le référent pour la Dares. Vous avez aussi la possibilité d'enrichir vos analyses en utilisant les données de la Déclaration Sociale Nominative (DSN) ou des nombreuses bases de données produites par l'Insee et disponibles à la Dares. - Vous répondez à diverses demandes institutionnelles sur les rémunérations, leur structure et l'évolution des différences composantes qui la constituent. Ces travaux servent à répondre aux interrogations du ministère du travail, du plein emploi et de l'insertion (en collaboration avec la direction générale du travail) et des partenaires sociaux. - Vous menez des travaux annuels de redressement d'enquêtes pour l'enquête Ecmoss. Dans ce cadre, à plus long terme, vous mènerez la réflexion sur les possibilités d'améliorer la performance et l'efficacité de la chaîne de traitement, puis mettrez ces changements en œuvre. Sur cette mission vous avez de multiples échanges avec l'Insee ainsi qu'avec des acteurs internes à la Dares, Pour la conduite de vos différents travaux, vous serez amené.e à travailler en interaction avec les autres départements et chargés d'étude de la direction, avec la possibilité de mener des analyses en commun. Vous aurez également de nombreux échanges avec d'autres directions du ministère, notamment la Direction générale du travail, et de fréquents échanges avec l'Insee, ce qui exige de bonnes qualités relationnelles. Encadrement : non Spécificités du poste / Contraintes : Télétravail possible Profil : Indiquez les compétences requises sur le poste ainsi que la lettre correspondant à la légende ci-dessous. E : Savoir agir dans un contexte complexe, faire preuve de créativité, trouver de nouvelles solutions, former d’autres agents, être référent dans le domaine. M : Mettre en œuvre la compétence de manière régulière, corriger et améliorer le processus, conseiller les autres agents, optimiser le résultat. A : Savoir effectuer, de manière occasionnelle ou régulière, correctement les activités, sous le contrôle d’un autre agent, savoir repérer les dysfonctionnements. N : Disposer de notions de base, de repères généraux sur l’activité ou le processus (vocabulaire de base, principales tâches, connaissance du processus, global…) Connaissances : - Analyse économique A - Statistique et économétrie M - Rigueur dans le traitement des données M - Capacités rédactionnelles M - Traitement des données massives M - Pratique de SAS, R, d'autres logiciels statistiques M Savoir-être : -Sens des relations humaines *** -Capacité d’adaptation *** -Autonomie *** -Pédagogie -Capacités d’initiative et à rendre compte *** Savoir-faire : -Travail en équipe M -Capacité de synthèse et d’analyse M -Savoir réaliser des présentations orales (réunions de travail, séminaires d’'étude…) A
En savoir plus :NA
2022-29_Chargé-e d'études sur les salaires_Rplt RS.pdf
Contact :dares.recrutement@travail.gouv.fr
Stage+thèse Institut de Mathématiques de Toulouse
Publiée le 25/10/2022 10:45.
Thèse, Toulouse.
Entreprise/Organisme :Institut de Mathématiques de Toulouse
Niveau d'études :Master
Sujet :Processus gaussiens additifs en grande dimension
Description :Stage suivi d'une thèse à l'Institut de mathématiques de Toulouse.
En savoir plus :https://www.math.univ-toulouse.fr/~fbachoc/GAP_thesis_block_additive_GP.pdf
Contact :francois.bachoc@math.univ-toulouse.fr
Stage optimisation des outils de spectroscopie
Publiée le 25/10/2022 10:45.
Stage, Toury (28).
Entreprise/Organisme :Bayer
Niveau d'études :Master
Description :Dans le cadre de sa mission, le laboratoire est impliqué dans plusieurs projets de recherches afin de développer des modèles de calibrations proche infrarouge robustes qui sont utilisés à des fins de sélection au laboratoire comme au champ. Notre volonté est de construire la stratégie analytique de demain, une stratégie optimisée et alignée sur nos objectifs commerciaux. Autrement dit : Le bon test sur le bon échantillon au bon moment Nous sommes en train de revisiter nos pratiques afin qu’elles collent pleinement aux attentes de nos partenaires internes. Au sein de notre équipe CAL basée à Boissay, tu auras l’occasion de travailler sur une grande diversité de sujets liés aux analyses qualités mais toujours orientés digitales. Quelques exemples d’activités que tu pourrais faire en nous rejoignant : Amélioration de modèles de prédiction proche infrarouge : L’amélioration du phénotypage au travers de l’utilisation de la spectroscopie proche infrarouge (ou NIR) s’articule autour de deux thématiques : - Le développement de nouveaux modèles de prédiction pour des caractères encore jamais étudiés ou pour des caractères étudiés dans un nouveau contexte. - L’amélioration de la robustesse de nos modèles de prédiction appliqués sur des données collectées directement au champ. Postuler directement via la plateforme internet: https://career.bayer.fr/fr/job/-stage--charge-de-projet-optimisation-des-outils-de-spectroscopie-proche-infrarouge-f-h-toury-28--SF745961
En savoir plus :https://career.bayer.fr/fr/job/-stage--charge-de-projet-optimisation-des-outils-de-spectroscopie-pro
Contact :contact@bayer.com
Statisticien(ne) chef de projet
Publiée le 24/10/2022 12:06.
Référence : R2665078.
CDI, Chilly-Mazarin.
Entreprise/Organisme :SANOFI
Niveau d'études :Master
Date de début :Décembre 2022
Secteur d'activité :Recherche et développement
Description :As Statistical Project Leader in the Europe I&I Biostatistics team, you will provide leadership and guidance on one or more I&I projects, being accountable for all methodological and statistical aspects. You will act as a statistical consultant within the company. You will be supported by a Biostatistics and Programming Department that fosters people development, offering compelling career opportunities that value diversity of thought and abilities, to optimize overall success and have a meaningful impact on patients’ lives.
En savoir plus :https://en.jobs.sanofi.com/job/chilly-mazarin/statistical-project-leader-immunology-and-inflammation
Contact :emmanuelle.boelle@sanofi.com
Stage en Biostatistique "Utilisation des images RMN 2D pour la quantification en métabolomique"
Publiée le 24/10/2022 08:34.
Stage, Narbonne.
Entreprise/Organisme :INRAE
Niveau d'études :Master
Date de début :à définir à partir du 01/02/2023
Durée du contrat :6 mois
Rémunération :~560€/mois
Description :Voir sujet joint.
En savoir plus :xx
stageBiostat2023.pdf
Contact :remi.servien@inrae.fr
Data Scientist R&D - Jeune Docteur (H/F)
Publiée le 19/10/2022 18:19.
Référence : Data Scientist R&D - Jeune Docteur (H/F).
CDI, Paris (télétravail total possible).
Entreprise/Organisme :Yanport
Niveau d'études :Doctorat
Rémunération :40-50K€/an
Secteur d'activité :proptech
Description :L'entreprise Leader sur le marché des données immobilières, Yanport accompagne au quotidien les professionnels de l’immobilier grâce à ses solutions d’estimation, d’aide à la décision et d’analyse immobilière. Yanport se différencie de ses concurrents de part son offre complète, basée sur son entrepôt de données unique. Nos équipes de data scientists et de macroéconomistes exploitent et valorisent ces données en développant des algorithmes, basés sur des méthodes de machine learning. L’offre Yanport répond ainsi aux problématiques des différents métiers du secteur de l’immobilier résidentiel. Quelques mots sur le contexte de ce recrutement Aujourd’hui nous cherchons à franchir un cap, développer plusieurs nouveaux produits et accompagner la croissance de Yanport. Pour cela, nous recherchons un (futur) Docteur (H/F) en Mathématiques/Statistiques/Econométrie brillant et engagé, qui au sein de l’équipe technique, intégrera le pôle Data/R&D. Ton rôle en tant que Data Scientist R&D - Approfondir des sujets passionants : Tu participeras à la définition des problématiques de R&D et de les mettre en oeuvre afin de valoriser nos données et enrichir nos produits. Nos sujets de R&D sont variés et passionants; estimation du prix des biens immobiliers, extraction d’information des descriptions (NLP) ou des images (computer vision), prévision de l’évolution des prix à court/moyen/long termes… - Garant de notre veille scientifique : La littérature scientifique évolue particulièrement vite et tout projet de recherche se base sur une analyse pointue de l’état de l’art. Tu seras donc l’un des garants de notre veille scientifique en matière de modélisation et des applications aux données immobilières. Profil recherché - Doctorat (obtenu ou en cours de finalisation) en Mathématiques/Statistiques/Econométrie (ou autre sujet pertinent). - Un connaissance de langages informatiques (en particulier Python) serait appréciée. - Connaissances d’outils d’analyse statistiques : R, SPSS… - Idéalement tu as porté des travaux portant sur des données spatio-temporelles. - Une appétence pour les enjeux de l’immobilier sera un vrai plus. - Tu as une bonne capacité d’écoute, d’échange et de communication. Il est indispensable de ne jamais avoir été embauché en CDI après l’obtention de la thèse (contrainte impérative pour respecter les critères du CIR). Les challenges que tu trouveras chez Yanport - Travailler sur des jeux de données de type “Big Data”, avec plusieurs dizaines de millions de biens immobiliers. - Concevoir et améliorer des modèles de machine learning et participer à leur mise en production. - Partager et échanger au quotidien tes idées et tes pistes d’améliorations avec l’équipe Data pour réaliser les différentes tâches et missions qui te seront confiées. Ça te parles ? Postule ici: https://www.welcometothejungle.com/fr/companies/yanport/jobs/jeune-docteur-data-scientist-r-d-h-f_levallois-perret
En savoir plus :https://urlz.fr/jwFN
Contact :lgauvin@yanport.com

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

 
 
©2022 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 :