Consulter les offres d’emploi

Engineer position in Data Science for Single-Cell Spatial Transcriptomics
Publiée le 15/06/2023 22:45.
CDD, Lyon.
Entreprise/Organisme :CNRS
Niveau d'études :Master
Sujet :Single-Cell transcriptomics allows the quantification of gene expression at the scale of individual cells, encoded in count matrices containing thousands observations (cells) and tens of thousands features (gene expression values). Furthermore, single cell gene expression can now be profiled in the context of biological tissues, making high throughput spatial transcriptomics a reality allowing to investigate the spatial heterogeneity of tumors. The analysis of such data requires new methodological frameworks, dedicated to their complexity and size. Our project will focus on the study of pituitary tumors (PiTs), and more specifically on the interactions of tumor cells with the Tumor Micro Environment (TME). TME includes blood/lymph vessels, immune cells, cancer-associated fibroblasts, as well as extracellular matrix components, and soluble molecules. These intercellular heterogeneities result in vast possibilities of cell-to-cell interactions and cross talks that can be structured spatially to produce a specific cellular ecosystem. The present project will aim at unravelling the intricate spatial signaling networks that orchestrate the fine-tuned exchanges between tumor-cells and the TME, highlighting the role of TME in tumor biology. The mission will be to develop analysis pipelines for quality control, processing, visualization and analysis of spatial transcriptomic data. The computing environment will be based on R, Python, Docker and NextFlow. The candidate will develop pipelines based on available software suits like Seurat or scVerse, and will also contribute to the development and diffusion of original methods developed by our group. The candidate will be co-supervised by Franck Picard (CNRS, ENS Lyon) and Philippe Bertolino (CRCL), experts in machine learning and cancer biology. The candidate will work at the ENS de Lyon, in an interdisciplinary environment, between mathematics, computer science and biology. Moreover, the candidate will benefit from the AI4scMed PEPR project that gathers an interdisciplinary consortium in machine learning / IA dedicated to single cell genomics, with experts in machine learning, optimal transport and statistics. Starting: from October 2023, flexible. Duration: up to 2 years Contact: franck.picard@ens-lyon.fr
Date de début :1er octobre 2023 ( flexible )
Durée du contrat :12 mois renouvelable
Description :Single-Cell transcriptomics allows the quantification of gene expression at the scale of individual cells, encoded in count matrices containing thousands observations (cells) and tens of thousands features (gene expression values). Furthermore, single cell gene expression can now be profiled in the context of biological tissues, making high throughput spatial transcriptomics a reality allowing to investigate the spatial heterogeneity of tumors. The analysis of such data requires new methodological frameworks, dedicated to their complexity and size. Our project will focus on the study of pituitary tumors (PiTs), and more specifically on the interactions of tumor cells with the Tumor Micro Environment (TME). TME includes blood/lymph vessels, immune cells, cancer-associated fibroblasts, as well as extracellular matrix components, and soluble molecules. These intercellular heterogeneities result in vast possibilities of cell-to-cell interactions and cross talks that can be structured spatially to produce a specific cellular ecosystem. The present project will aim at unravelling the intricate spatial signaling networks that orchestrate the fine-tuned exchanges between tumor-cells and the TME, highlighting the role of TME in tumor biology. The mission will be to develop analysis pipelines for quality control, processing, visualization and analysis of spatial transcriptomic data. The computing environment will be based on R, Python, Docker and NextFlow. The candidate will develop pipelines based on available software suits like Seurat or scVerse, and will also contribute to the development and diffusion of original methods developed by our group. The candidate will be co-supervised by Franck Picard (CNRS, ENS Lyon) and Philippe Bertolino (CRCL), experts in machine learning and cancer biology. The candidate will work at the ENS de Lyon, in an interdisciplinary environment, between mathematics, computer science and biology. Moreover, the candidate will benefit from the AI4scMed PEPR project that gathers an interdisciplinary consortium in machine learning / IA dedicated to single cell genomics, with experts in machine learning, optimal transport and statistics. Starting: from October 2023, flexible. Duration: up to 2 years Contact: franck.picard@ens-lyon.fr
En savoir plus :NA
engineer_position_spaceX.pdf
Contact :franck.picard@ens-lyon.fr
Conformal inference for drone trajectories forecast
Publiée le 06/06/2023 21:05.
Postdoc, Toulouse.
Entreprise/Organisme :Institut de Mathématiques de Toulouse / THALES
Niveau d'études :Doctorat
Date de début :Any time after October 2023
Durée du contrat :1 an
Rémunération :Around 30k€ after taxes, including prime .
Secteur d'activité :Public research
Description :This position is a part of the ANR Project ASTRID-ROMEO dealing with the integrity of drone sheep. It is dedicated to the development of robust methods for the detection of outliers in drones trajectories, combinig physics-constrained neural network and uncertainty quantification using conformal inference methods. Thales Research and Technology (TRT) brings its expertise for the first part, whereas Toulouse Institute of Mathematics (IMT) carries out the second one. More information at https://anr.fr/Project-ANR-21-ASIA-0001. The post-doctoral trainee will mainly take place at IMT, with several meetings in Paris Saclay. It will be supervised by Fabrice Gamboa (IMT) and Adrien Mazoyer (IMT), and by TRT in particular for the programming aspects.
En savoir plus :https://anr.fr/Project-ANR-21-ASIA-0001
post_doc_Romeo.pdf
Contact :adrien.mazoyer@math.univ-toulouse.fr
Ingénieur-e statisticien-ne senior F/H
Publiée le 11/04/2023 12:25.
Référence : 2023-1987.
CDI, Champs-sur-Marne (77).
Entreprise/Organisme :Centre Scientifique et Technique du Bâtiment (CSTB)
Niveau d'études :Master
Date de début :Dès que possible
Secteur d'activité :Data Science, Qualité des environnements intérieurs
Description :CONTEXTE ET MISSIONS : La Direction Santé Confort du CSTB recherche un(e) Ingénieur Statisticien(ne) en CDI sur son site basé à Champs-sur-Marne. La Direction Santé Confort est une direction composée de plus de 80 collaborateurs répartis au sein de 5 divisions disposant de compétences, de moyens numériques et expérimentaux mobilisés pour la recherche, l'expertise et les essais dans de nombreux domaines de la santé environnementale, de la qualité des ambiances et du confort dans les bâtiments. Au sein de la Division Qualité des Environnements Intérieurs, l'activité consiste à conduire et coordonner les analyses statistiques dans le cadre : - des travaux de recherches et études de la Division, et plus généralement du CSTB sur la thématique du confort et de la santé dans les bâtiments ; - des travaux de l’Observatoire de la qualité de l’air intérieur (OQAI) www.oqai.fr. PRINCIPALES MISSIONS : - gérer des projets impliquant un volet statistique, notamment dans le cadre de projets européens comme PARC : assurer le suivi de projet, gérer les coûts, assurer le suivi du travail avec les partenaires impliqués (fonctionnement en mode projet) ; - développer, organiser et valoriser la DATA au sein la division ; - assurer les missions techniques suivantes : 1. participer à l’élaboration des protocoles et supports d’enquête (stratégie d’échantillonnage, questionnaires) des campagnes de mesure à grande échelle menées par la Division, incluant la rédaction du cahier des charges pour la gestion du flux de données, leur stockage et leur validation ; 2. valider les données collectées lors des campagnes à grandes échelles et leur préparation pour les analyses statistiques (mise en œuvre de stratégies d’imputation des données manquantes, gestion de données censurées) ; 3. collecter, nettoyer et transformer les données disponibles en open access ; 4. participer à la mise en œuvre des analyses statistiques : description, méthodes de classification (analyses discriminantes et arbres), modélisation (régression linéaire, logistique, modèles multiniveaux, panel et variabilité temporelle), méthodes d’enquêtes et de sondage (redressement), systèmes d’information géographique, méthodes innovantes mobilisant les connaissances les plus récentes en matière de traitement de données de grande dimension ; 5. rédiger des rapports d’études et des publications scientifiques ; 6. valoriser des travaux via des communications orales en conférences nationales et internationales ; 7. participer à la rédaction des propositions d’études et réponses aux appels à projet qui incluent un volet statistique ; - encadrer des stagiaires en statistiques et assurer un appui à des doctorants et post-doctorants ; - assurer une veille prospective sur les méthodes d’analyses de données. PROFIL RECHERCHE : Vous êtes titulaire d'un diplôme de niveau BAC+5, type diplôme d'ingénieur ou Master en statistique, mathématiques appliquées. De plus, vous disposez d'une expérience de 5 ans minimum sur un poste similaire. Vous avez une expérience dans la gestion de projets notamment des projets de recherche et d'innovation. La maîtrise des logiciels SAS et R ou du langage de programmation Python est indispensable. Une maîtrise des logiciels de SIG sera un plus. Vous faites preuve de rigueur, d'autonomie, d'agilité et d'adaptation. Vous disposez de qualités rédactionnelles et relationnelles et d'une aptitude au travail en équipe pluridisciplinaire. La maîtrise de l’anglais écrit et parlé est indispensable.
En savoir plus :talents.cstb.fr
2023-1987 INGENIEUR-E STATISTICIEN-NE SENIOR.pdf
Contact :joris.stotzer@cstb.fr
Analyse de l’incertitude liée au vent dans un parc éolien
Publiée le 07/03/2023 17:58.
Référence : Stage Eolienne.
Stage, Marseille.
Entreprise/Organisme :Aix Marseille Université, Centrale Marseille
Niveau d'études :Master
Date de début :Mars à décembre 2023
Durée du contrat :3 à 6 mois
Description :La production d’énergie à ce jour a une importance majeure et dans ce contexte les sources renouvelables attirent de plus en plus l’attention. Les systèmes de production d’énergie renouvelable ont gagné en complexité afin d’optimiser la production et d’assu- rer sa stabilité. L’étude de la fiabilité, de la durabilité, de la production et de l’efficacité de ces systèmes est essentielle pour garantir une production stable et suffisante. Dans cet objec- tif, il est donc primordial de mener une étude de la variabilité du vent dans un parc éo- lien, analyser les différents paramètres impactant le vent et évaluer l’incertitude liée à ce dernier. En effet, les propriétés du vent, autant aérodynamiques que thermo-physiques, évoluent de façon spatio-temporelle, plus ou moins aléatoirement. Il s’agit ainsi d’étudier la couche limite atmosphérique. Cette dernière a déjà fait l’objet de nombreux travaux, expérimentaux et numériques.
En savoir plus :https://scholar.google.fr/citations?user=lY4hIHAAAAAJ&hl=fr
stage 2022-meca.pdf
Contact :mitra.fouladirad@centrale-marseille.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
Assistant Professor of Applied Statistics (tenure track)
Publiée le 19/10/2022 18:19.
CDI, 246 Greene St., NY, NY 10003.
Entreprise/Organisme :New York University
Niveau d'études :Doctorat
Date de début :1 Septembre 2023
Description :The Department of Applied Statistics, Social Science, and Humanities (ASH) in conjunction with the Center for Practice and Research at the Intersection of Information, Society, and Methodology (PRIISM) seeks an applied statistician for a tenure-­track assistant professor position. Applicants would ideally have expertise in computational statistics particularly for methods relevant to the social, behavioral, health, policy, or education sciences. This is a unique opportunity to secure a faculty position that honors an applied focus for a quantitative methodologist who wants to develop and evaluate methods that serve the public good. The appointment begins September 1, 2023. For more information please see the PDF or contact Jennifer Hill (jennifer.hill@nyu.edu), who is chairing the search. Applicants can submit materials through the link on the PDF, which is reproduced on this form.
En savoir plus :https://apply.interfolio.com/115708
Applied Statistician job ad 2022-2023.pdf
Contact :jennifer.hill@nyu.edu

Page précédente  1  2  <3> 

 
 
©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 :