Consulter les offres d’emploi

Stage de fin d'études avec poursuite en thèse possible : Uncertainty quantification for the closure modeling of the turbulent Reynolds stress tensor
Publiée le 18/10/2023 10:37.
Stage, CEA Saclay, 91191 Gif sur Yvette.
Entreprise/Organisme :CEA
Niveau d'études :Master
Sujet :Quantification d'incertitudes pour la modélisation du tenseur de contraintes de Reynolds turbulent
Date de début :01/03/2024
Durée du contrat :6 mois
Rémunération :de 700 à 1300€ mensuels selon profil
Secteur d'activité :Statistiques, mécanique des fluides, industrie nucléaire
Description :En mécanique des fluides numérique, la résolution numérique directe des équations de Navier-Stokes est extrêmement coûteuse en temps de calcul et ne peut être réalisée que sur des géométries et des caractéristiques bien particulières de l'écoulement. Pour résoudre cette limitation, les mécaniciens des fluides développent des modèles de fermeture tel que les modèles RANS, où les équations de Navier-Stokes sont moyennées en temps. Cette opération de moyennisation fait apparaître un terme inconnu caractéristique de la turbulence de l'écoulement: le tenseur de Reynolds. La détermination de ce tenseur est cruciale pour que la turbulence de l'écoulement étudié soit représentative de la réalité physique. Le sujet de thèse proposé concerne le développement d'une méthodologie de quantification des incertitudes sur le tenseur de Reynolds. Deux axes principaux de recherches ont été identifiés. Le premier axe concerne la modélisation du champ spatial du tenseur de Reynolds comme un champ aléatoire Gaussien, où des méthodes avancées d'apprentissage et d'échantillonnage d'un tel champ aléatoire seront étudiées. Le deuxième axe concerne le développement d'outils mathématiques avancés pour la description statistique du champ de tenseur de Reynolds. En effet, des statistiques tels que les quantiles n'admettent pas d'extension simple dans des dimensions supérieures à 1. Une nouvelle notion de quantile multivariée basé sur la théorie du transport optimal pourra être envisagée ainsi que le développement d'algorithmes d'estimations efficaces.
En savoir plus :NA
sujet_stage_thèse_reynolds_uq.pdf
Contact :clement.gauchy@cea.fr
Ingénieur(e) en biostatistiques/sciences de données
Publiée le 18/10/2023 10:37.
Référence : INCA18336-CDD-2023.
CDD, Rennes.
Entreprise/Organisme :Ecole des Hautes Etudes en Sante Publique (EHESP)
Niveau d'études :Master
Date de début :Dès que possible
Durée du contrat :1 an (renouvelable)
Rémunération :Rémunération selon l’expérience du (de la) candidat(e)
Secteur d'activité :Epidémiologie et Biostatistiques
Description :L’ingénieur(e) d’étude sera rattaché(e) au département Méthodes quantitatives en santé publique (METIS) de l’EHESP. Il/elle effectuera ses travaux de recherche au sein de l’unité U1309 « Recherche sur les services et le management en santé » (RSMS), équipe labellisée INSERM intégrée à l’UMR CNRS 6051 ARENES. Il/elle est recruté(e) dans le cadre du projet IRISCAN, financé par l’institut National du Cancer (INCa). Ce projet s’intéresse à la mesure des risques de survenue de cancer et de mortalité par cancer selon le statut tabagique des patients dialysés en France entière. Pour atteindre ces objectifs des analyses seront effectuées à partir des données du registre REIN appariées aux données du système national des Données de Santé (SNDS). Dans le cadre du projet, l’ingénieur(e) sera chargé(e) des missions suivantes : - Analyse des données du système national des données de santé (SNDS) appariées aux données du registre national REIN ; - Développement et mise en œuvre de modèles mathématiques pour l’analyse de l’incidence et de la mortalité en excès sur ces données ; - Communication et valorisation des résultats de l’étude sous différentes formes et auprès de différents publics (chercheurs, professionnels de santé, patients, autorités de santé…) ;
En savoir plus :https://www.ehesp.fr/formation/organisation-de-la-formation/departements/methodes-quantitatives-en-s
FdP_IE_projet_INCA_VF.pdf
Contact :juste.goungounga@ehesp.fr
Internship : Robust detection of anomalies from IA approches for pilot plant predictive maintenance
Publiée le 16/10/2023 16:13.
Stage, Solaize (69).
Entreprise/Organisme :IFPEN
Niveau d'études :Master
Sujet :Contribution à une maintenance prédictive des unités pilotes par une détection robuste des dérives de fonctionnement à partir d’approches issues de l’intelligence artificielle
Date de début :Février à Juillet 2024
Durée du contrat :5 à 6 mois
Rémunération :1081€ brut
Secteur d'activité :Génie Chimique - Mathématiques appliquées - Automatique
Description :IFPEN a l’ambition de devenir un acteur incontournable de la triple transition énergétique, écologique et numérique en proposant des solutions technologiques différenciantes en réponse aux défis sociétaux et industriels de l’énergie et du climat. La mise en place de nouvelles démarches méthodologiques couplant « data science et expérimentation » font partie des solutions étudiées permettant d’aller plus vite et réduire les coûts de R&I. Cela passe notamment par la mise en œuvre de méthodes de supervision permettant de s’assurer du bon fonctionnement des installations pilotes et de méthodes de traitement de données pour mieux exploiter et interpréter résultats. La problématique de pronostic et management de la santé d’un équipement (communément appelé PHM : Prognostics and Health Management) est d’un intérêt certain. Il s’agit d’une discipline qui s’intéresse aux mécanismes de dégradation des systèmes en vue de l’estimation de leur état de santé, de l’anticipation de leur défaillance et de l’optimisation de leur maintenance. Par exemple, sur une unité pilote, il est facile d’obtenir des données dans le cadre d’un bon fonctionnement. Cependant il est très difficile d’obtenir des données lors de problèmes de fonctionnement avec la grande variabilité des produits à traiter et des conditions opératoires à explorer. L’objectif de ce stage est une étude sur le développement de technologies permettant la détection d’anomalies sur des unités pilotes via l’utilisation de méthodes d’apprentissage numériques sur des séries temporelles. Une telle réalisation constituera une avancée significative dans la conduite des procédés en minimisant les pannes et les arrêts des unités. Objectifs du stage Etat de l’art sur les méthodes d’apprentissage profond pour le pronostic et management de la santé. Sélection de méthodes adaptées à la problématique de détection d’anomalies sur les unités pilotes IFPEN, en pesant les avantages et inconvénients de chaque approche. Implémentation et comparaison des approches les plus prometteuses sur des cas simples. Capitaliser les réalisations via la rédaction d’un rapport, de documentation relative au code développé, ainsi que la présentation orale des résultats. Ce sujet a pour ambition de déboucher sur une thèse permettant d’approfondir cette étude. Profil recherché Étudiant de dernière année d’école d’ingénieur, M2, ou équivalant, avec de solides connaissances en apprentissage (machine learning) et science des données, ainsi qu’un fort intérêt vers le génie des procédés. Toutefois, les candidatures en génie chimique, avec une forte appétence pour les mathématiques appliquées et l’informatique, seront considérées avec intérêt. Langue Française ou Anglaise, curiosité, enthousiasme, autonomie.
En savoir plus :https://stages.ifpenergiesnouvelles.fr/Stage-Departement-Intensification-Experimentation-Lyon-IFP-En
SujetDeStage2024-R151-Contribution à une maintenance prédictive des unités pilotes par une détection robuste des dérives de fonctionnement à partir d’approches issues de l’IA.pdf
Contact :fanny.casteran@ifpen.fr
Premier.e-assistant.e dans le domaine de la statistique appliquée aux sciences du sport
Publiée le 16/10/2023 16:13.
CDD, Lausanne, Suisse.
Entreprise/Organisme :Institut des Sciences du Sport, Faculté des sciences sociales et Politique, Université de Lausanne
Niveau d'études :Doctorat
Date de début :01.02.2024
Durée du contrat :5 ans
Secteur d'activité :Académie: enseignement et recherche
Description :Le poste se décompose en 50% pour l'enseignement de la Statistique en Sciences du Sport (travaux pratiques) et 50% pour la recherche (recherche propre et participation aux recherches de collègues en sciences du sport)
En savoir plus :https://www.unil.ch/carrieres/emplois
Cahier des charges.pdf
Contact :fabienne.crettazvonroten@unil.ch
Analyse des incertitudes de prévisions dans le cadre d’une démarche de Machine Learning
Publiée le 16/10/2023 16:13.
Référence : AZAP_2024_SFDS.
Stage, Paris 8e.
Entreprise/Organisme :AZAP
Niveau d'études :Master
Sujet :Le logiciel AZAP permet à nos clients de planifier les opérations de Supply Chain, en prédisant les ventes et en anticipant les décisions nécessaires à la bonne exécution des flux : commandes d’approvisionnement, transferts inter-sites ou encore mises en production. Nos solutions sont basées sur des algorithmes de statistiques, IA et recherche opérationnelle. Dans le cadre des méthodes classiques de prévision basées sur la modélisation du passé, AZAP, en même temps que de proposer une prévision moyenne, encadre cette prévision d’une fourchette d’incertitude : prévision minimum, prévision maximum. AZAP a développé différentes techniques pour quantifier cette incertitude. AZAP utilise de plus en plus des méthodes (variées) de Machine Learning pour prévoir les volumes à venir et tout particulièrement dans des cas « difficiles » : nouveaux produits, sensibilité au prix, promotions … Dans ces derniers contextes AZAP souhaite améliorer ses méthodes de calcul d’incertitude et pour ce faire exploiter mieux les résultats variés fournis par les méthodes statistiques (IA, ML).
Date de début :1er semestre 2024
Durée du contrat :4 à 6 mois
Rémunération :Indemnités entre 1000 et 1500 euros selon profil + tickets restaurants + 50% pass navigo
Secteur d'activité :Edition de logiciels
Description :Le logiciel AZAP permet à nos clients de planifier les opérations de Supply Chain, en prédisant les ventes et en anticipant les décisions nécessaires à la bonne exécution des flux : commandes d’approvisionnement, transferts inter-sites ou encore mises en production. Nos solutions sont basées sur des algorithmes de statistiques, IA et recherche opérationnelle. Dans le cadre des méthodes classiques de prévision basées sur la modélisation du passé, AZAP, en même temps que de proposer une prévision moyenne, encadre cette prévision d’une fourchette d’incertitude : prévision minimum, prévision maximum. AZAP a développé différentes techniques pour quantifier cette incertitude. AZAP utilise de plus en plus des méthodes (variées) de Machine Learning pour prévoir les volumes à venir et tout particulièrement dans des cas « difficiles » : nouveaux produits, sensibilité au prix, promotions … Dans ces derniers contextes AZAP souhaite améliorer ses méthodes de calcul d’incertitude et pour ce faire exploiter mieux les résultats variés fournis par les méthodes statistiques (IA, ML).
En savoir plus :www.azap.com
Stage_AZAP2024_Incertitude et Machine learning_SFDS.pdf
Contact :myjob@azap.com
Le Registre du Cancer de l’Isère recrute un.e biostatisticien.ne
Publiée le 11/10/2023 11:51.
CDI, Grenoble, locaux du Registre du Cancer de l'Isère au sein du CHU Grenoble Alpes.
Entreprise/Organisme :Registre du Cancer de l'Isère
Niveau d'études :Master
Date de début :Dès que possible
Durée du contrat :Indeterminé, période d'essai de 4 mois, renouvelable une fois
Rémunération :Selon l’expérience, à partir de 2855 € brut mensuel
Secteur d'activité :Epidémiologie du cancer
Description :Le Registre du Cancer de l’Isère recrute un.e biostatisticien.ne Contexte Le registre du cancer de l’Isère est une association loi 1901 qui assure une mission de surveillance de la pathologie cancéreuse parmi les habitants du département de l’Isère et une mission de recherche. La surveillance repose sur l’enregistrement exhaustif des cas de cancers à partir des données recueillies auprès des hôpitaux, des cliniques, des laboratoires d’anatomopathologie, des caisses d’assurance maladie, des réseaux de cancérologie, des cabinets médicaux libéraux. Ces données permettent la production des indicateurs épidémiologiques d’incidence, de prévalence et de survie des cancers au niveau du département. Le registre assure également une mission de recherche en épidémiologie des cancers avec la réalisation de projets concernant les tendances temporelles et les variations géographiques de l’incidence, l’évaluation des dépistages, la survie des patients atteints de cancer. L’équipe est constituée de 11 personnes et comprend un professeur de santé publique, un médecin épidémiologiste, des statisticiens, des techniciennes de registre et un agent administratif. Le registre du cancer de l’Isère fait partie du réseau FRANCIM qui regroupe l’ensemble des registres des cancers français. Ce réseau conduit des travaux sur les aspects réglementaires de l’activité des registres, la qualité des données et il réalise des projets de recherche collaboratifs. Poste Biostatisticien. Type de contrat : CDI, période d’essai de 4 mois renouvelable une fois. Localisation géographique : locaux du registre au sein du CHU Grenoble Alpes Prise de fonction : Dès que possible Rémunération : selon l’expérience, à partir de 2855 € brut mensuel. Missions principales du poste • Participer à la production des indicateurs épidémiologiques et aux analyses statistiques des projets de recherche : - Préparer les données pour les analyses - Réaliser les analyses statistiques - Interpréter les résultats • Participer à la rédaction des rapports d’études, des publications scientifiques et aux communications orales ou affichées. • Participer à la rédaction des protocoles d’étude pour répondre aux appels à projet. • Participer aux démarches réglementaires nécessaires à la réalisation des projets de recherche. Profil recherché Diplôme : Master (bac + 5) en épidémiologie, biostatistiques, ou sciences des données. Compétences recherchées : • Maîtrise des modélisations statistiques usuelles en épidémiologie • Connaissance du logiciel statistique Stata ou R • Capacités de synthèse et d’interprétation des résultats • Capacités rédactionnelles : rapport, article scientifique • Maitrise de l’anglais scientifique • Respect de la confidentialité des données utilisées • Des connaissances en épidémiologie des cancers seraient appréciées Modalités de candidature Pour candidater, envoyer CV et lettre de motivation à l’adresse suivante : offre.registre@orange.fr
En savoir plus :https://www.registre-cancers-38.fr/
annonce_statisticien.pdf
Contact :offre.registre@orange.fr
Statistical analysis of omics longitudinal data
Publiée le 06/10/2023 20:23.
Stage, Lille.
Entreprise/Organisme :Université de Lille
Niveau d'études :Master
Sujet :Longitudinal data analysis in high dimension
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 (see more info in pdf file)
En savoir plus :https://metrics.univ-lille.fr/
202310_sujet_stage_M2_longitudinal.pdf
Contact :guillemette.marot@univ-lille.fr
Poste de Maître de conférences en apprentissage statistique et machine learning
Publiée le 06/10/2023 11:52.
CDI, Lyon, campus de Bron.
Entreprise/Organisme :Université Lyon 2
Niveau d'études :Doctorat
Date de début :01/09/2024
Description :Un poste de maître de conférences en apprentissage statistique et machine learning sera ouvert au prochain concours (session synchronisée), pour un rattachement au laboratoire ERIC pour la partie recherche et à l'Institut de la Communication pour la partie enseignement.
En savoir plus :https://eric.msh-lse.fr
2024-univlyon2-posteMCF2627.pdf
Contact :julien.jacques@univ-lyon2.fr
Analyse de données d’enquêtes sur les pratiques alternatives aux pesticides en vergers de pommiers
Publiée le 05/10/2023 12:11.
Stage, Beaucouzé.
Entreprise/Organisme :INRAE IRHS Angers
Niveau d'études :Master
Date de début :15/01/2024
Durée du contrat :6 mois
Rémunération :600€/mois en moyenne
Description :Contexte Améliorer l’immunité des systèmes de culture par diverses pratiques agricoles (rayonnements UV-C, stimulateurs de défense des plantes, nutrition azotée, plantes de services, résistance génétique, mélanges variétaux) est une voie de recherche pour mieux contrôler les populations de bioagresseurs des cultures sans avoir recours aux pesticides. Le projet PPR CapZeroPhyto étudie notamment le pommier, une culture majeure en France. Les objectifs sont (1) de préciser les modes d’action des pratiques et définir les conditions d’applications optimales de chacun et (2) de comprendre les interactions possibles entre pratiques et tester les combinaisons les plus efficientes pour contrôler les principaux bioagresseurs du pommier (agents de la tavelure, du feu bactérien, puceron cendré). En complément des approches expérimentales, le projet mène des ateliers de co-conception pour travailler sur la faisabilité et l’intérêt des combinaisons de pratiques les plus prometteuses pour accompagner la transition vers des systèmes de production sans pesticides. Or, pour être efficaces, ces ateliers de conception nécessitent de mobiliser une grande diversité de connaissances techniques ou scientifiques, qui restent difficiles à extraire des résultats expérimentaux, dispersées et insuffisamment formalisées. Un travail d’enquêtes a été mené entre 2021 et 2023 pour rassembler et organiser l’ensemble des données déjà disponibles sur les pratiques alternatives aux pesticides chez les producteurs, dont les pratiques étudiées dans le projet. Les données ont été compilées dans un outil de type base de données qui inclut différentes informations complémentaires : • Objectifs et contextes de production existants : ces données permettent de confronter les stratégies de combinaisons envisageables dans le projet aux différents modèles de production existants • Efficacité de chaque pratique (impact sur les bioagresseurs cibles, risques de perte de récolte …) : ces informations alimenteront une autre tâche du projet visant à évaluer l’acceptabilité des différents leviers par les producteurs. • Manques de connaissances et conditions de l’acceptabilité des pratiques alternatives : ceci met en évidence de nouvelles questions de recherche et des pistes d’action, à la fois pour les chercheurs et les experts de terrain. Ces connaissances servent de base aux ateliers de conception de systèmes innovants organisés au cours du projet, et ils permettent de valoriser et diffuser les acquis sur les pratiques alternatives aux pesticides auprès des acteurs de la filière pomme. Objectifs du stage L’objectif du travail est de proposer une démarche statistique adaptée pour exploiter au mieux les données issues de ce type de données d’enquêtes. Sur cette base, l’étudiant-e devra réaliser des analyses de données visant à évaluer (1) les différentes combinaisons de pratiques mises en place par les producteurs pour gérer les bioagresseurs dans leur exploitation, (2) les situations de réussite ou d’échec de ces combinaisons et (3) proposer des combinaisons de pratiques adaptées aux situations de production. L’activité nécessitera : - Une analyse descriptive de la base de données pour vérifier l’intégrité des données - La recherche de méthodes statistiques adaptées en sollicitant si nécessaire différents spécialistes en biométrie (sur Avignon, Toulouse, Grignon...) et/ou intervenant dans le cadre du réseau national DEPHY Ecophyto. - La mise en œuvre de ces méthodes pour analyser les données - La rédaction de « fiches méthodes et de script R » pour guider d’autres utilisateurs devant poursuivre le traitement des données. Profil recherché et conditions du stage Profil souhaité : étudiant M2 ou élève ingénieur ou césure M2 en biométrie / agronomie spécialisation statistiques. Maîtrise de la programmation sous R et solides compétences en différentes méthodes d’analyses statistiques (analyses exploratoires de données, data mining, modèle linéaire généralisé, tableaux conjoints, traitement de données manquantes, traitement de données qualitatives, etc…). Bonne aptitude à travailler en équipe et en réseau, bonne autonomie. L’étudiant sera basé à l’IRHS à Angers. Quelques déplacements possibles pour des entretiens avec les co-responsables basés à Avignon et pour rencontrer des spécialistes en biométrie. L’indemnité de stage est d’environ 600 €/mois. Période : 6 mois à partir de janvier 2024 si possible Contacts : Pascale.Guillermin@Agrocampus-Ouest.fr laure.perchepied@inrae.fr et julie.borg@inrae.fr
En savoir plus :https://jobs.inrae.fr/ot-19091
Proposition de stage_analyse données_v2.pdf
Contact :julie.borg@inrae.fr
Stage M2 - Modélisation en écologie, pièges photos et risque de collision animal-véhicule
Publiée le 05/10/2023 12:10.
Stage, 2 Place Dom Devic, 81540 Sorèze.
Entreprise/Organisme :TerrOïko
Niveau d'études :Master
Date de début :2024
Durée du contrat :6 mois
Description :Contexte Les infrastructures linéaires de transport (ILT) impactent la biodiversité en réduisant la disponibilité d'habitats, en limitant leur connectivité et en augmentant la mortalité directe due aux collisions avec les véhicules (Fischer et al., 2022; Remon et al., 2022; Moore et al., 2023). Les collisions animal-véhicule sont une menace pour la conservation de certaines espèces, mais aussi pour la sécurité humaine, et ont un coût énorme pour les gestionnaires et utilisateurs des ILT. TerrOïko a d’abord porté le projet OCAPI, en 2021, qui visait à développer des algorithmes d’apprentissage profond pour identifier les grands mammifères les plus fréquemment rencontrés dans les accidents avec les véhicules (Sanglier, Chevreuil et Cerf) (Moulherat, Tarel and Gimenez, 2021). Nous avons ensuite proposé une chaîne de traitement basée sur des observations de la faune par des capteurs pour identifier les zones de risque de collision pour prévenir et réduire les collisions animal-véhicule (Moulherat et al., 2023). Cette étude pilote nous a permis d’identifier des points limitants et des pistes d’amélioration. Nous cherchons donc à améliorer notre procédure, et à l’étendre à des sites plus nombreux sur un suivi par pièges photographiques plus long dans un cadre opérationnel. Nous disposons déjà de données de suivi. Description du stage Les objectifs du stage sont les suivants : • Valider les identifications d’espèces de l’algorithme de Deep Learning sur les images de pièges photographiques • Homogénéiser le format des données d’observation et des covariables spatiales et temporelles • Extraction d’éléments cibles des images • Modéliser spatialement la présence et/ou l’abondance de la grande faune • Analyser les résultats en lien avec le risque de collision Selon vos motivations, nous pourrons aller plus loin sur certains points, par exemple : • Intégrer explicitement la probabilité de collision dans les modèles, par exemple dans le cadre des modèles intégrés, en ajoutant les données de collisions Profil requis Nous recherchons une personne motivée et dynamique, capable de travailler en groupe, intéressée par les méthodes de suivi de la biodiversité, la modélisation en écologie et l’écologie opérationnelle. Ce stage s'adresse aux étudiant(e)s provenant de formations en écologie, biostatistique et modélisation de bac +5. Une bonne connaissance de R et de computer vision est nécessaire, des notions de Python seront appréciées. Informations pratiques Localisation et encadrement : Le stage aura lieu dans les locaux de TerrOïko à Sorèze au sein de l’équipe de R&D et encadré par Léa Pautrel (doctorante CIFRE) avec l’appui de Sylvain Moulherat (Directeur R&D). Durée du stage 6 mois avec la possibilité d’adapter les dates Rémunération Indemnité de stage règlementaire (~ 550 euros / mois) Contact lea.pautrel@terroiko.fr et sylvain.moulherat@terroiko.fr Références Fischer, C. et al. (2022) ‘The contribution of roadsides to connect grassland habitat patches for butterflies in landscapes of contrasting permeability’, Journal of Environmental Management, 311, p. 114846. Available at: https://doi.org/10.1016/j.jenvman.2022.114846. Moore, L.J. et al. (2023) ‘Demographic effects of road mortality on mammalian populations: a systematic review’, Biological Reviews, 98(4), pp. 1033–1050. Available at: https://doi.org/10.1111/brv.12942. Moulherat, S. et al. (2023) Biodiversity Monitoring with Intelligent Sensors: An Integrated Pipeline for Mitigating Animal-Vehicle Collisions. preprint. Nature Conservation. Available at: https://doi.org/10.3897/arphapreprints.e110040. Moulherat, S., Tarel, J.-P. and Gimenez, O. (2021) OCAPI Observation de la biodiversité par des CAmeras Plus Intelligentes. Paris, p. 30. Available at: https://www.terroiko.fr/pdf/AAP_FEREC2020_OCAPI_V1.5.pdf. Remon, J. et al. (2022) ‘Patterns of gene flow across multiple anthropogenic infrastructures: Insights from a multi-species approach’, Landscape and Urban Planning, 226, p. 104507. Available at: https://doi.org/10.1016/j.landurbplan.2022.104507.
En savoir plus :https://www.terroiko.fr/fr
2024-camtraps_et_collision_grande_faune.pdf
Contact :lea.pautrel@terroiko.fr
Ingénieur en science des données - biostatistique (F/H)
Publiée le 27/09/2023 14:31.
Référence : 2023-R0225.
CDD, Montpellier.
Entreprise/Organisme :Institut de Science des Données de Montpellier (ISDM)
Niveau d'études :Master
Date de début :dès que possible
Durée du contrat :5 ans (jusqu'au 30/09/2028)
Rémunération :entre 1935 € à 4055 € brut / entre 1555 € et 3270 € net estimé
Description :L'Université de Montpellier et ses partenaires sont engagés dans une forte dynamique autour des données de la recherche. Cette dynamique est notamment portée par l'Institut de Science des Données de Montpellier (ISDM) qui a vocation à structurer l’écosystème montpelliérain en science des données, en faire connaître le potentiel toutes communautés confondues ; et à favoriser et diffuser l’usage de la science des données intégrant les dimensions de gestion responsable du cycle de vie des données. L'ISDM porte 3 sous-axes : formation, accompagnement et services à la donnée. Pour l'axe accompagnement, le projet proposera un guichet unique pour l'analyse et le partage de données dans le cadre de projets de recherche ou pédagogiques de la communauté de l'UM. Ce guichet permettra d'avoir accès à du conseil et/ou, le cas échéant, à de la prestation de service adaptée.
En savoir plus :https://umemplois.umontpellier.fr/poste/2023-R0225
2023-R0225 Ingénieur en Science des données - Biostatistique (FH).pdf
Contact :anne.laurent@umontpellier.fr
Ingénieur.e de recherche en biostatistique
Publiée le 25/09/2023 12:08.
CDD, Lille.
Entreprise/Organisme :Plateforme Bilille - UAR 2014 - US 41 Plateformes Lilloises en Biologie et Santé
Niveau d'études :Master
Date de début :Prise de fonction dès que possible à partir de Novembre 2023.
Durée du contrat :CDD d'un an dans un premier temps
Rémunération :Suivant l’expérience et les grilles de l'université de Lille.
Secteur d'activité :Plateforme de Bioinformatique et Biostatistique
Description :La plateforme de bioinformatique et de biostatistique Bilille est l’une des 8 plateformes scientifiques et technologiques de l’unité PLBS (Plateformes Lilloises en Biologie et Santé) au service d’unités de recherche académiques en sciences de la vie et de la santé. La plateforme Bilille compte actuellement 7 ingénieur.e.s temps plein aux profils complémentaires (bioinformaticiens, biostatisticiens, bioanalystes) et est présente sur 3 campus : Cité Scientifique, Campus Santé et Pasteur Lille. Les domaines d’activité de Bilille portent notamment sur l'analyse de données -omiques, la biologie intégrative, la phylogénie, la biologie des systèmes, l’imagerie, et la bioinformatique structurale. Afin de renforcer son pôle biostatistique, Bilille recrute un.e ingénieur.e de recherche (IR).
En savoir plus :https://wikis.univ-lille.fr/bilille/
202309_profil_poste_ir_biostat.pdf
Contact :bilille@univ-lille.fr
Apprentissage statistique pour la recherche de fuites dans des réseaux de distribution d'eau potable
Publiée le 18/09/2023 18:55.
Postdoc, Université de Bordeaux, Campus de Talence.
Entreprise/Organisme :Institut de Mathématiques de Bordeaux
Niveau d'études :Doctorat
Description :Ce projet de recherche est motivé par une collaboration entre l'Institut de Mathématiques de Bordeaux et le LyRE, centre de recherche de SUEZ à Bordeaux dont l'objectif est d’innover dans la gestion quantitative mais aussi qualitative de l’eau pour limiter l’impact des métropoles sur leur environnement. Les objectifs de ce postdoc sont d'étudier, pour le développement d'un module de localisation de recherche de fuites, l'intérêt de méthodes d'apprentissage statistique basés sur des algorithmes stochastiques du second ordre du type Newton dans des modèles de régression logistique ou des modèles plus complexes de machine learning du type réseaux de neurones profonds. Le postdoc est de nature à la fois théorique, numérique et appliqué. Les principales notions abordées feront appel à des outils de statistique mathématique et computationnelle. Il nécessite un doctorat de mathématiques appliquées en statistique, ainsi que la maîtrise du langage de programmation Python pour la science des données.
En savoir plus :https://www.math.u-bordeaux.fr/~jbigot/Site/Publications_files/sujet_Postdoc_LyRE.pdf
sujet_Postdoc_LyRE.pdf
Contact :jeremie.bigot@u-bordeaux.fr
Post-Doc Statistical characterization of a Deep Learning model for chromosomal aberration detection
Publiée le 18/09/2023 16:10.
Postdoc, Fontenay aux roses (92), France.
Entreprise/Organisme :Institut de Radioprotection et de Sûreté Nucléaire (IRSN)
Niveau d'études :Doctorat
Date de début :October 2023
Durée du contrat :18 months
Description :We are currently seeking to recruit a post-doctoral researcher at Department of Radiobiology and Regenerative Medicine of the Institute for Radiological Protection and Nuclear Safety (IRSN), Fontenay-aux-Roses, France. The global aim of the INCREASED project, funded by the French National Research Agency (ANR Astrid) in collaboration with French national research institute for digital science and technology (INRIA) and the Armed Forces Biomedical Research Institute (IRBA) is to develop and validate a fully automated chromosomal aberration detection algorithm based on the most recent advances in artificial intelligence and deep learning. This post-doc project will be especially focused in the statistical characterization and dosimetry validation of the computer vision algorithm developed in the first part of the project with the SAIRPICO project team Partner (INRIA Rennes).
En savoir plus :https://lnkd.in/eyaDFKGh
Annonce_PostDoc_INCREASED_2023.pdf
Contact :mohamedamine.benadjaoud@irsn.fr
Stage M2 Biostatistique ou Epidémiologie
Publiée le 18/09/2023 16:10.
Stage, Ester, Faculté de Santé, Département Médecine, Angers.
Entreprise/Organisme :Irset U1085 - Ester, Université d'Angers
Niveau d'études :Master
Sujet :Etude de l’impact de la co-exposition aux contraintes biomécaniques et aux agents chimiques neurotoxiques sur le syndrome du canal carpien
Durée du contrat :4 à 6 mois
Description :Contexte L’équipe d’Epidémiologie en santé au travail et ergonomie (Ester) de l’Université d’Angers et de l’Institut de recherche en santé environnement et travail (Irset, labellisé Inserm UMR 1085) regroupe des chercheurs dans le champ de la santé au travail dans le domaine des troubles musculo-squelettiques (TMS), de la santé mentale et des cancers professionnels. La prévalence du syndrome du canal carpien (SCC) a été estimée à 3,8 % chez les femmes et à 2,3 % chez les hommes salariés dans les Pays de la Loire (données 2002-2005). Environ 127 000 personnes sont opérées chaque année en France métropolitaine pour un SCC, ce qui correspond à des taux d’incidence en population générale de 2,5 pour 1 000 chez les femmes et 1,4 pour 1 000 chez les hommes (données 2014). Le SCC représente près d’un quart des maladies professionnelles en France, soit la deuxième cause avec 12 289 cas en 2019 (Caisse nationale de l’Assurance Maladie 2020). Compte tenu de la forte prévalence et incidence du SCC dans la population active et de la poly-exposition des travailleurs, il est nécessaire d’améliorer les connaissances sur les effets conjoints des expositions professionnelles biomécaniques et chimiques neurotoxiques afin d’améliorer les stratégies de dépistage et de prévention du SCC. Ce stage s’inscrit dans le cadre du projet PolyExpoTMS financé par l’Anses. Objectifs L’objectif du stage sera d’étudier l’association entre la co-exposition aux contraintes biomécaniques et aux agents chimiques neurotoxiques et la présence de SCC auto-déclaré au premier auto-questionnaire de suivi chez l’ensemble des volontaires de la cohorte Constances actifs professionnellement. Ce travail sera réalisé avec les données de la cohorte Constances (cohorte des CONSulTANts des CES), déjà disponibles. Missions confiées au stagiaire - Recherche bibliographique - Définir le plan d’analyse des données et mettre en œuvre les analyses statistiques - Rédiger un rapport de stage selon le plan d’un article scientifique en vue d’une publication Profil recherché - M2 santé publique, de spécialité Biostatistique ou Epidémiologie - Bonne maîtrise du langage SAS ou R ou indispensable - Bonne maîtrise de l’anglais lu - Être force de proposition, autonome Candidature Envoyez CV et lettre de motivation à julie.bodin@univ-angers.fr
En savoir plus :https://www.irset.org/fr/equipe-y-roquelaure-epidemiologie-en-sante-au-travail-et-ergonomie-ester
Proposition_stageM2_PolyExpoTMS.pdf
Contact :julie.bodin@univ-angers.fr

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

 
 
©2023 SFdS
Société Française de Statistique
Institut Henri Poincaré
11 rue Pierre et Marie Curie
75231 Paris cedex 5
Tél. : +33 (0)1 44 27 66 60
Notre site a été supporté par :