Consulter les offres d’emploi

Fast Maximum Evaluation Via Neural Network For Efficient Time Series Analysis

Publiée le 06/01/2025 11:16.

Stage, Centre Borelli (ENS Saclay) et/ou LaMME (Univeristé d'Evry).

Entreprise/Organisme :	Centre Borelli (ENS Saclay) + LaMME (Univeristé d'Evry)
Niveau d'études :	Master
Sujet :	Accélération de l'analyse des séries temporelles (détection de ruptures) par la construction d'un réseau de neurones approprié. Ce réseau est ensuite intégré à un algorithme plus classique de programmation dynamique. Voir la description dans le pdf.
Date de début :	fin janvier / mi février
Durée du contrat :	5 mois
Rémunération :	750€ par mois
Secteur d'activité :	Recherche en mathématiques appliquées
Description :	voir pdf
En savoir plus :	NA stageM2_IA.pdf
Contact :	vincent.runge@univ-evry.fr

PhD in statistics with a possibility of Master 2 thesis

Publiée le 06/01/2025 11:16.

Thèse, Institut de Recherche Mathématique Avancée (IRMA).

Entreprise/Organisme :	Strasbourg University
Niveau d'études :	Master
Sujet :	New contributions in extreme value theory
Date de début :	October 2025
Durée du contrat :	3 years
Description :	See attached file.
En savoir plus :	No link New contributions in Extreme Value Theory.pdf
Contact :	armelle.guillou@math.unistra.fr

Optimisation de méthodes de surveillance épidémiologique multi-sources

Publiée le 06/01/2025 11:16.

Référence : Optimisation de méthodes de surveillance épidémiologique multi-sources.

Thèse, Rennes.

Entreprise/Organisme :	LTSI/ CHU Rennes
Niveau d'études :	Master
Sujet :	La surveillance épidémiologique est un pilier essentiel de la santé publique, permettant de détecter précocement les épidémies et de mettre en place des mesures de contrôle efficaces. Les systèmes traditionnels, basés principalement sur des réseaux sentinelles, présentent cependant des limitations en termes de réactivité, avec des délais pouvant atteindre plusieurs semaines avant que les données ne soient disponibles et analysées. Cette thèse vise à développer un cadre méthodologique innovant pour optimiser les méthodes de surveillance épidémiologique en exploitant de multiples sources de données hétérogènes. En intégrant des données issues des entrepôts de données de santé (EDS), des informations provenant du web (recherches sur les moteurs de recherche, réseaux sociaux), des données environnementales (conditions météorologiques, pollution atmosphérique) et d'autres sources pertinentes, nous cherchons à améliorer la précision et la rapidité des indicateurs prédictifs. Notre approche s'appuiera sur l'optimisation et l'extension de modèles statistiques avancés, tels que les modèles autorégressifs pénalisés (ex. ARGO, ARGONet), en développant de nouvelles méthodes de régularisation adaptative pour la sélection dynamique de variables. Nous explorerons également l'intégration explicite des dépendances spatio-temporelles pour mieux modéliser la propagation géographique des épidémies. Les méthodes développées seront validées sur différentes pathologies, notamment les infections respiratoires aiguës (IRA), les infections sexuellement transmissibles (IST) et la dengue, dans le cadre du projet ORCHIDEE (Organisation d’un Réseau de Centres Hospitaliers Impliqués Dans la surveillance Epidémiologique et la réponse aux Emergences).
Date de début :	Courant 2025
Durée du contrat :	3 ans
Secteur d'activité :	Santé
Description :	La surveillance épidémiologique est un pilier essentiel de la santé publique, permettant de détecter précocement les épidémies et de mettre en place des mesures de contrôle efficaces. Les systèmes traditionnels, basés principalement sur des réseaux sentinelles, présentent cependant des limitations en termes de réactivité, avec des délais pouvant atteindre plusieurs semaines avant que les données ne soient disponibles et analysées. Cette thèse vise à développer un cadre méthodologique innovant pour optimiser les méthodes de surveillance épidémiologique en exploitant de multiples sources de données hétérogènes. En intégrant des données issues des entrepôts de données de santé (EDS), des informations provenant du web (recherches sur les moteurs de recherche, réseaux sociaux), des données environnementales (conditions météorologiques, pollution atmosphérique) et d'autres sources pertinentes, nous cherchons à améliorer la précision et la rapidité des indicateurs prédictifs. Notre approche s'appuiera sur l'optimisation et l'extension de modèles statistiques avancés, tels que les modèles autorégressifs pénalisés (ex. ARGO, ARGONet), en développant de nouvelles méthodes de régularisation adaptative pour la sélection dynamique de variables. Nous explorerons également l'intégration explicite des dépendances spatio-temporelles pour mieux modéliser la propagation géographique des épidémies. Les méthodes développées seront validées sur différentes pathologies, notamment les infections respiratoires aiguës (IRA), les infections sexuellement transmissibles (IST) et la dengue, dans le cadre du projet ORCHIDEE (Organisation d’un Réseau de Centres Hospitaliers Impliqués Dans la surveillance Epidémiologique et la réponse aux Emergences).
En savoir plus :	https://www.linkedin.com/feed/update/urn:li:activity:7275496987486035969/ sujet.pdf
Contact :	morgane.pierre-jean@univ-rennes.fr

Modélisation d'un espace latent complexe au moyen de Normalizing flow dans un modèle à effets mixtes

Publiée le 30/12/2024 15:08.

Référence : stage master 2 modélisation d'un espace latent complexe dans un modèle à effets mixtes.

Stage, Centre INRAE Jouy-En-Josas.

Entreprise/Organisme :	INRAE
Niveau d'études :	Master
Sujet :	voir fichier joint
Date de début :	début 2025
Durée du contrat :	5 à 6 mois
Rémunération :	gratification de stage standard
Secteur d'activité :	recherche en mathématiques
Description :	voir fichier joint
En savoir plus :	http://genome.jouy.inra.fr/~ekuhn/ 2025_stage_NF_MixedModels.pdf
Contact :	estelle.kuhn@inrae.fr

2-year Postdoctoral Position: Statistical Learning for Survey Sampling and Missing Data

Publiée le 30/12/2024 15:08.

Référence : 2-year Postdoctoral Position: in Statistical Learning for Survey Sampling and Missing Data.

Postdoc, Montreal and Ottawa, Canada.

Entreprise/Organisme :	McGill University and the University of Ottawa
Niveau d'études :	Doctorat
Date de début :	01/09/2025, or flexible
Durée du contrat :	2 years
Rémunération :	70 000$
Secteur d'activité :	Statistical learning, Missing data, Survey sampling, Causal Inference
Description :	National statistical offices increasingly use machine learning to address unit nonresponse with inverse probability weighting. Machine learning may be used to model complex, high- dimensional relationships but introduces challenges such as variance estimation and model selection. We plan to investigate the Riesz Representer approach, combined with cross-fitting, to ensure consistent variance estimation and obtain square-root consistent estimators. This proposal will also explore hyperparameter selection and adaptive weight trimming to improve stability. This research aims to enhance the reliability of statistical inference in surveys with nonresponse.
En savoir plus :	https://canssi.ca/wp-content/uploads/Statistical-Learning-for-Unit-Nonresponse-Treatment-in-Surveys- Statistical-Learning-for-Unit-Nonresponse-Treatment-in-Surveys-Using-Riesz-Representers.pdf
Contact :	mehdi.dagdoug@mcgill.ca

Exploring Transfer Learning techniques with Generative AI for the prediction of chemical processes

Publiée le 22/12/2024 18:11.

Stage, Solaize, Lyon, France.

Entreprise/Organisme :	IFP Energies Nouvelles
Niveau d'études :	Master
Sujet :	Exploring Transfer Learning techniques with Generative AI for the prediction of chemical processes performance
Date de début :	Mars 2025
Durée du contrat :	5-6 mois
Secteur d'activité :	Energies Renouvelables
Description :	IFPEN is an important player in the triple energy, ecological, and digital transition by offering differentiating technological solutions in response to societal and industrial challenges of energy and climate. The implementation of new methodological approaches combining "data science and experimentation" is among the studied solutions that allow for faster progress and reduced R&I costs. The prediction of the output impurities content, such as sulphur or nitrogen, is a key factor when developing new catalysts or new processes. Data scarcity and poor generalization to new experimental conditions often limit the quality of the kinetic models or even and standard machine learning techniques. One of the solutions for improving models is reusing knowledge from previous datasets. Transfer Learning is a promising approach to model new catalysts or processes. Previous studies conducted at IFPEN led to important improvements using a Bayesian approach. Other techniques, that use Generative Adversarial Networks (GANs), along with feature augmentation, allow model’s deep understanding of the dataset’s feature distribution, thus improving model training and robustness.
En savoir plus :	NA TL_GAN_Internship_proposition2024.pdf
Contact :	youba.abed@ifpen.fr

Poste de professeur.e des universités en probabilités et statistique - priorité statistique

Publiée le 22/12/2024 18:11.

CDI, Villeneuve d'Ascq.

Entreprise/Organisme :	Université de Lille - Laboratoire Paul Painlevé - Département de mathématiques de la FST
Niveau d'études :	Autre
Durée du contrat :	Poste permanent
Rémunération :	01/09/2025
Description :	Poste PR 26 "Probabilités - Statistique", Faculté des Sciences et Technologies - Département de Mathématiques, Laboratoire Paul Painlevé - UMR 8524 Profil enseignement : Filières de formation concernées : • Masters : mathématiques et applications, mathématiques, MIASHS, sciences des données • Licences : mathématiques, MIASHS, informatique-mathématiques, Portails MPCSI et MI. • Préparation à l’agrégation interne. Et autres formations dans lesquelles intervient le département (au sein de la FST et dans d’autres composantes). Besoin d’encadrement : La personne recrutée s’investira dans la coordination de formations de Master et de Licence, participera au développement de l’alternance et de la formation continue au sein du département et, plus généralement, prendra des responsabilités liées au pilotage et à la vie du département de mathématiques. Profil recherche : Le laboratoire souhaite recruter un professeur ou une professeure pour une intégration dans son équipe « Probabilités et Statistique » qui couvre un large spectre thématique : processus stochastiques et autosimilarité, géométrie aléatoire et physique statistique, modélisation statistique pour données complexes, interactions extra-disciplinaires et applications. Il s’agit prioritairement de développer les recherches en statistique : statistique appliquée, classification, sélection de modèles, statistique non paramétrique, statistique des processus, théorie de l'apprentissage. Les interactions avec les autres disciplines (biologie, médecine, sciences de l’environnement, physique, économie, finance) seront particulièrement appréciées. Cependant toutes les bonnes candidatures s’intégrant dans les thématiques de l’équipe seront considérées avec attention, tant dans des thématiques probabilistes que statistiques.
En savoir plus :	https://math.univ-lille.fr/laboratoire/presentation-du-laboratoire
Contact :	mylene.maida@univ-lille.fr

Les effets de l’instauration d’un jour de carence sur les absences pour maladie ordinaire des agents

Publiée le 19/12/2024 09:16.

Référence : Stage d’études économiques.

Stage, Cnam, 292 Rue Saint-Martin, 75003 Paris.

Entreprise/Organisme :	Conservatoire national des Arts et Métiers (laboratoire MESuRS)
Niveau d'études :	Master
Sujet :	Les effets de l’instauration d’un jour de carence sur les absences pour maladie ordinaire des agents publics
Date de début :	Mai 2025
Durée du contrat :	5 à 6 mois
Rémunération :	Gratification de stage
Secteur d'activité :	Recherche / statistiques / économétrie
Description :	Le stage a pour but de réaliser une étude économique sur l’évaluation, dans le secteur public, de deux réformes de janvier 2012 et 2018 modifiant l’étendue du remboursement des arrêts maladie dans la Fonction Publique française. Ces réformes instaurent un jour de carence supprimant l’indemnisation du premier jour du congé pour maladie ordinaire. Cette mesure est depuis discutée chaque année dans le débat public, mais son impact réel lors de sa période d’application n’a pas jusqu’alors été évalué économétriquement pour l’ensemble de la fonction publique.
En savoir plus :	https://mesurs.cnam.fr/rejoindre-le-labo/
Contact :	mohamed.benhalima@lecnam.net

M2 Research internship in mathematical statistics: Censored Deconvolution for relative survival.

Publiée le 19/12/2024 09:16.

Stage, Marseille.

Entreprise/Organisme :	SESSTIM, Université Aix-Marseille
Niveau d'études :	Master
Sujet :	Context Survival analysis is a statistical theory targeted at the study of human lifetime. In particular, relative survival methodology deals with the case of datasets that do not contain the reason of death of the patients, this information (supposed binary: studied cause or other causes) being unavailable. This is often the case in large cancer studies extracted from cancer registries. The relative survival methodology [1], developed explicitly for this issue, is based on competing risks and considers the overall lifetime of patients as being the minimum between a populational survival time and an excess survival time. This is unfortunately not very practical to estimate the lost lifetime due to the disease, a key metric in the literature [2]. This internship explores new deconvolutional approaches to estimate the lost lifetime due to the disease. Objectives The main objective of the internship is to explore deconvolutional approaches in relative survival field targeted at direct estimation of the distribution of the lost lifetime w.r.t. the disease in a relative survival setup. A few different leads are already identified to propose non-parametric estimations procedures for this distribution: extending the work of [3] to a slightly different setup and/or the proposals in [4] are two of the potential directions to construct relevant estimators. We expect the development of theoretical results for the produced estimators, alongside small and large sample properties. The proposed work is part of the NetPlus project funded by the Cancéropôle PACA. Communication and publication of the results will be integral part of the work. Simulations and real data applications will be done in the –rising—Julia programing language. Upon success and common agreement, a follow-up through a 1-year contract is possible. Candidate’s profile The following are strictly required: - A master 2 level in mathematics, with majors in analysis, probability and statistics - Strong knowledge in mathematical modeling and theoretical statistics - Very good written English and programming skills, with good experience in latex and git Knowledges of standard survival analysis, deconvolutional statistics and the Julia programming language (which will be used for investigations) are not required but will be nice bonuses. Additional information - Length: 5 to 6 months, with a potential follow-up by a one-year engineer contract. - Location: At SESSTIM, on the Faculté des Sciences Médicales et Paramédicales in Marseille, France. - Wages: Regulatory internship stipend at the Université Aix-Marseille (4€35/hour for 35h/week, about 600€/month) - To apply: Please carefully read the announcement and review the references before applying. Then, please send your application with a resume and a few motivational lines by mail, with [Internship2025] in the subject, to oskar.laverny@univ-amu.fr. You can add link to previous scientific (unrelated) projects you did, if any. [1] M. Pohar Perme, J. Stare, et J. Estève, « On Estimation in Relative Survival », Biometrics, vol. 68, no 1, p. 113‑120, mars 2012, doi: 10.1111/j.1541-0420.2011.01640.x. [2] D. Manevski, N. Ružić Gorenjec, P. K. Andersen, et M. Pohar Perme, « Expected life years compared to the general population », Biomedical journal 2023, doi: 10.1002/bimj.202200070. [3] F. Comte, A. Samson, et J. J. Stirnemann, « Hazard estimation with censoring and measurement error: application to length of pregnancy », Test 2018, doi: 10.1007/s11749-017-0548-0. [4] I. Van Keilegom et E. Kekeç, « Estimation of the density for censored and contaminated data », Stat, vol. 13, no 1, p. e651, 2024, doi: 10.1002/sta4.651.
Durée du contrat :	6 mois
Description :	Stage de 5 à 6 mois en statistiques visant à la construction d'estimateurs déconvolutionels sous censure dans le champ de l'analyse de survie dite relative.
En savoir plus :	https://sesstim.univ-amu.fr/sites/default/files/intership_offer_1.pdf intership_offer.pdf
Contact :	oskar.laverny@univ-amu.fr

Stage/thèse en modélisation des sols

Publiée le 11/12/2024 11:14.

Référence : DeepHorizon.

Stage, Palaiseau.

Entreprise/Organisme :	UMR MIA, AgroParisTech
Niveau d'études :	Master
Sujet :	Système d’inférence spatiale des sols avec incertitude quantifiée
Date de début :	février 2025 ou plus tard
Durée du contrat :	4 à 6 mois
Secteur d'activité :	Recherche interdisciplinaire entre apprentissage statistique et science environnementales
Description :	In the framework of the EU-project DeepHorizon (https://cordis.europa.eu/project/id/101156701), we are looking for an excellent PhD candidate to develop statistical methods supporting the development of a spatial soil inference system for European soils. A soil inference system uses known measurements, each with a certain level of uncertainty, to predict related soil properties with minimal error, by applying a series of logically connected (pedo)transfer functions (PTFs). The PhD candidate will start with an inventory of existing soil pedotransfer functions relevant to European soils and to calibrate usual mechanistic biogeochemical models. A large part of the work involves the exploration, development and application of new statistical approaches relevant for the inference system. The approaches should handle missing data along with uncertainty quantification of the input soil properties and propagation of the uncertainty throughout the inference engine. The candidate is expected to collaborate closely with other PhD candidates of the project consortium and with a project partner in Belgium, for which temporary stay could be envisioned. There is the possibility of a Master internship (4-6 months) on a sub-topic of the thesis.
En savoir plus :	https://cordis.europa.eu/project/id/101156701 PhD_topic_PTFs.pdf
Contact :	tabea.rebafka1@agroparistech.fr

PhD in modeling of soils

Publiée le 11/12/2024 11:14.

Référence : DeepHorizon.

Thèse, AgroParisTech , Palaiseau.

Entreprise/Organisme :	UMR MIA, AgroParisTech
Niveau d'études :	Master
Sujet :	Developing a statistical spatial soil inference system with quantified uncertainty
Date de début :	march 2025 or later
Durée du contrat :	3 years
Rémunération :	monthly gross salary ~ 2,100 €
Secteur d'activité :	Interdisciplinary research in statistical machine learning and environmental sciences
Description :	In the framework of the EU-project DeepHorizon (https://cordis.europa.eu/project/id/101156701), we are looking for an excellent PhD candidate to develop statistical methods supporting the development of a spatial soil inference system for European soils. A soil inference system uses known measurements, each with a certain level of uncertainty, to predict related soil properties with minimal error, by applying a series of logically connected (pedo)transfer functions (PTFs). The PhD candidate will start with an inventory of existing soil pedotransfer functions relevant to European soils and to calibrate usual mechanistic biogeochemical models. A large part of the work involves the exploration, development and application of new statistical approaches relevant for the inference system. The approaches should handle missing data along with uncertainty quantification of the input soil properties and propagation of the uncertainty throughout the inference engine. The candidate is expected to collaborate closely with other PhD candidates of the project consortium and with a project partner in Belgium, for which temporary stay could be envisioned.
En savoir plus :	https://cordis.europa.eu/project/id/101156701 PhD_topic_PTFs.pdf
Contact :	tabea.rebafka1@agroparistech.fr

Étude de l’impact de la discrétisation pour l’estimation du modèle linéaire fonctionnel

Publiée le 02/12/2024 09:55.

Référence : Stage de M2.

Stage, Paris (CEREMADE) ou Rouen (LMRS).

Entreprise/Organisme :	Université Paris-Dauphine/Université de Rouen Normandie/Université Paris Cité
Niveau d'études :	Master
Sujet :	voir fichier pdf joint
Date de début :	Printemps 2025
Durée du contrat :	4 à 6 mois
Secteur d'activité :	Recherche
Description :	L'analyse des données fonctionnelles est une branche de la statistique dont l'objectif est d'étudier des données qui se présentent sous forme de courbes (évolution de la température, électricité,...). La majorité des résultats de statistique mathématique existants supposent que les courbes sont observées en tout point, ce qui n'est pas le cas en général en pratique. L'objectif du stage sera d'explorer les vitesses de convergence dans le modèle de régression linéaire fonctionnel lorsque l'on tient compte du fait que les données sont observées sur une grille. Le stage pourra se prolonger par une thèse financée par le projet ANR FUNMathStat.
En savoir plus :	https://sites.google.com/view/funmathstatanrproj/job-and-internship-offers Sujet_Stage_M2_these.pdf
Contact :	gaelle.chagny@univ-rouen.fr

Méthodes de réduction de dimension pour optimiser les simulations numériques du projet Cigeo

Publiée le 02/12/2024 09:55.

Référence : Stage M2 (+thèse ?) Andra et Université Paris Cité (LPSM).

Stage, Campus des Grands Moulins Paris 13ème et/ou Andra (Châtenay-Malabry (92)).

Entreprise/Organisme :	Université Paris Cité (LPSM) et Andra (Agence nationale pour la gestion des déchets radioactifs)
Niveau d'études :	Master
Date de début :	mars-avril 2025
Durée du contrat :	5 à 6 mois
Rémunération :	Statut stagiaire Andra qui dépend du niveau de qualification du stagaire
Description :	L’objet de ce stage sera de développer des méthodes d'apprentissage statistique et plus précisément de réduction de dimension et d’estimation de fonctions dans un cadre non paramétrique multivarié et d’étudier leur potentiel pour réduire les temps de calcul obtenus par des méthodes classiques de résolution d’EDP.
En savoir plus :	https://drive.google.com/file/d/1r2kQ9ol_lvyMxDhkuC8KWP_Sq2hOpcsn/view?usp=sharing Stage_Andra_Methodes_Statistiq_hydro_insature_v3.pdf
Contact :	celine.levy-leduc@lpsm.paris

Stage Master 2 : Modélisation aléatoire et inférence statistique pour des processus de dégradation

Publiée le 02/12/2024 09:54.

Stage, Grenoble.

Entreprise/Organisme :	Laboratoire Jean Kuntzmann - Université Grenoble Alpes
Niveau d'études :	Master
Sujet :	Modélisation aléatoire et inférence statistique pour des processus de dégradation
Date de début :	Février/mars 2025
Durée du contrat :	5 ou 6 mois
Rémunération :	Gratification de stage règlementaire
Secteur d'activité :	Recherche
Description :	Voir fichier pdf
En savoir plus :	https://www-ljk.imag.fr/ Stage LJK-EDF 2025.pdf
Contact :	olivier.gaudoin@univ-grenoble-alpes.fr

PhD position in mathematical statistics

Publiée le 27/11/2024 11:32.

Référence : PhD position Post-selection inference for latent variable models.

Thèse, Toulouse.

Entreprise/Organisme :	Institut de Mathématiques de Toulouse
Niveau d'études :	Master
Sujet :	Post-selection inference for latent variable models
Date de début :	Octobre 2025
Durée du contrat :	3 ans
Description :	Post-selection inference for latent variable models
En savoir plus :	https://www.math.univ-toulouse.fr/~fbachoc/PhD_offer_post_selection_inference_latent_variables.pdf
Contact :	francois.bachoc@math.univ-toulouse.fr

Page précédente 1 2 3 <4> 5 Page suivante