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
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
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
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
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
Postdoctoral position in Statistics in Orsay
Publiée le 19/10/2022 18:19.
Postdoc, Orsay.
Entreprise/Organisme :ANR ASCAI
Niveau d'études :Doctorat
Date de début :au plus tard septembre 2023
Durée du contrat :12 mois
Description :This position fits within the bilateral research program ASCAI between France and Germany funded by ANR and DFG. This project brings together researchers in Statistics and Computer Science from Montpellier, Paris-Saclay, Potsdam and Munich. The general aim of this project is to provide theoretical grounds for a collection of unsupervised learning that includes seriation, ranking, time series segmentation, and hierarchical clustering. In particular, we plan to characterize the optimal (in the minimax sense) learning rates for a class of related latent models. Moreover, many modern unsupervised learning applications are essentially of an online nature - and sometimes decisions have to be made sequentially. For instance, consider a recommender systems that sequentially recommends items to users. In the context where sequential, active recommendations are made, it is important to leverage the underlying latent structure of the individuals. We seek a motivated researcher with a strong mathematical background. Depending on his/her interests, the candidate will work on any topic fitting within ASCAI.
En savoir plus :xx
Postdoc.pdf
Contact :elisabeth.gassiat@universite-paris-saclay.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
Postdoc opening in causal inference in medicine or epidemiology
Publiée le 18/10/2022 13:19.
Postdoc, Lausanne, Suisse.
Entreprise/Organisme :Ecole Polytechnique Fédérale de Lausanne (EPFL).
Niveau d'études :Doctorat
Date de début :flexible, in 2023
Description :The position will be in the Chair of Biostatistics, mentored by Prof. Mats Stensrud and will involve research on causal inference in medicine and epidemiology. Candidates should hold a PhD in Statistics, Biostatistics, Epidemiologic Methods, Mathematics, or a related field by the starting date. Knowledge of French is not a requirement.
En savoir plus :https://www.epfl.ch/labs/biostat/open-positions/
postdoc_EPFL.pdf
Contact :carole.weissenberger@epfl.ch
Un stagiaire en biostatistique (F/H) – 6 mois– Lyon
Publiée le 16/10/2022 18:28.
Référence : 2023_Heva_Stage_Net_benefice.
Stage, Lyon.
Entreprise/Organisme :Heva
Niveau d'études :Master
Sujet :Etudier les modèles de Bénéfice Net du Traitement et de les appliquer sur une base de données issue du Système National des Données de Santé (SNDS)
Date de début :01/02/2023
Durée du contrat :6 mois
Rémunération :Votre rémunération est fixée en fonction de votre profil (800-1000€ bruts)
Secteur d'activité :Biostatistiques, santé, pharma, bureau d'études
Description :Depuis 2005, nous sommes leader en France dans le traitement et l’analyse des données de santé en vie réelle, et plus particulièrement celles issues des bases du Système National des Données de Santé (SNDS) et des bases en OPEN DATA. Nous élaborons et produisons pour nos clients (industries pharmaceutiques, fabricants de dispositifs médicaux, institutionnels) des études pharmaco-épidémiologiques, médico-économiques et de parcours de soins à partir de solides méthodes statistiques et de solutions innovantes s'appuyant sur l'Intelligence Artificielle (Machine Learning, Deep Learning, …). Afin de rendre nos analyses et nos données facilement compréhensibles pour les non-experts, nous avons également développé un savoir-faire spécifique de Datavisualisation autour du développement d’outils digitaux (Sites web, Applis IOS). Nous recherchons : Un stagiaire en biostatistique (F/H) – 6 mois– Lyon Vos missions : Au sein du Pôle Méthodes et Statistiques (composé de 4 épidémiologistes et 3 biostatisticiens), en liaison avec les autres équipes techniques et scientifiques (Data Management, Data Science), vous aurez la charge d'étudier les modèles de Bénéfice Net du Traitement et de les appliquer sur une base de données issue du Système National des Données de Santé (SNDS). Le SNDS est un ensemble de bases de données pseudonymisées, comprenant notamment toutes les données de remboursement de l'assurance maladie obligatoire, en particulier les données provenant du traitement des remboursements des soins de santé (feuille de soins électroniques ou papier) et des données provenant des établissements de santé (PMSI). Dans les études épidémiologiques, on est souvent amené à comparer deux groupes d’individus sur des critères d’évaluation. Pour cela on emploie des tests paramétriques ou non-paramétriques qui souvent ne prennent en compte qu’une seule variable réponse éventuellement répétée dans le cadre d’un design longitudinal, ou plusieurs variables dans une analyse multivariée. Le stage sera l’occasion de mettre en pratique le Buyse test. Cette généralisation des tests de comparaisons appariés nous permet de comparer deux groupes sur plusieurs outcomes à la fois, indépendamment du nombre et des types de variables considérées (par exemple, discrètes, continues, temps jusqu’à la survenue de l’évènement). Cette méthode permet également de mesurer la « proportion en faveur du traitement » ou net treatment benefice, et permet de hiérarchiser les outcomes à examiner. Il pourra être envisagé de poursuivre le stage en examinant les modèles joints en fonction du profil du stagiaire et de l’avancée du stage. La mission se déroulera en plusieurs temps : • Revue de littérature pour comprendre la théorie des modèles joints et comment les appliquer à la problématique • Mise en pratique de ces méthodes d'estimation dans des études en cours, par exemple données sur la vaccination grippale (~8 millions de patients) ou données sur les effets indésirables de médicaments (~ 12,000 patients issus d’une cohorte sur la polyarthrite rhumatoïde) • Comparaison de ces méthodes avec les méthodes traditionnelles d'analyse afin de voir l'intérêt d'une telle implémentation • Diffusion et explication des résultats en interne Ce travail pourra faire l’objet d’une soumission à un congrès ou d’une publication auquel le stagiaire sera associé. Votre profil : • Étudiant en statistique Niveau Bac+5 ou équivalent (ENSAI, ISUP, M2 de statistiques, INSA) • Bases solides en analyses de données et analyses statistiques • Avoir un intérêt pour appliquer des méthodologies innovantes • Expérience dans l’utilisation de SAS et de R • Être curieux, indépendant dans le travail et bien organisé • Avoir un intérêt pour travailler dans le secteur de la santé Vos conditions de travail : Au sein de notre siège basé à Lyon, vous êtes accueilli dans une ambiance conviviale et bienveillante, dans laquelle chaque membre de l’équipe participe à une atmosphère de travail privilégiant l’entraide, favorisant la créativité et générant ainsi l’amélioration continue des compétences et de la performance au service de la satisfaction de nos clients. Votre rémunération est fixée en fonction de votre profil (800-1000€ bruts) Merci d'envoyer votre dossier de candidature (CV+ lettre de motivation) à fraguideau@hevaweb.com
En savoir plus :https://hevaweb.com/fr/offre-d-emploi
2023_Heva_Stage_Net_benefice.pdf
Contact :fraguideau@hevaweb.com
Un stagiaire en biostatistique (F/H) – 6 mois– Lyon
Publiée le 16/10/2022 18:28.
Référence : 2023_Heva_Stage_trajectoires.
Stage, Lyon.
Entreprise/Organisme :Heva
Niveau d'études :Master
Sujet :Etudier les modélisations des mélanges finis (« finite mixture models » FMM) et les appliquer sur une base de données issue du Système National des Données de Santé (SNDS)
Date de début :01/02/2023
Durée du contrat :6 mois
Rémunération :Votre rémunération est fixée en fonction de votre profil (800-1000€)
Secteur d'activité :Biostatistiques, santé, pharma, bureau d'études
Description :Depuis 2005, nous sommes leader en France dans le traitement et l’analyse des données de santé en vie réelle, et plus particulièrement celles issues des bases du Système National des Données de Santé (SNDS) et des bases en OPEN DATA. Nous élaborons et produisons pour nos clients (industries pharmaceutiques, fabricants de dispositifs médicaux, institutionnels) des études pharmaco-épidémiologiques, médico-économiques et de parcours de soins à partir de solides méthodes statistiques et de solutions innovantes s'appuyant sur l'Intelligence Artificielle (Machine Learning, Deep Learning, …). Afin de rendre nos analyses et nos données facilement compréhensibles pour les non-experts, nous avons également développé un savoir-faire spécifique de Datavisualisation autour du développement d’outils digitaux (Sites web, Applis IOS). Nous recherchons : Un stagiaire en biostatistique (F/H) – 6 mois– Lyon Vos missions : Au sein du Pôle Méthodes et Statistiques (composé de 4 épidémiologistes et 3 biostatisticiens), en liaison avec les autres équipes techniques et scientifiques (Data Management, Data Science), vous serez en charge avec l’aide d’un biostatisticien senior d’étudier les modélisations des mélanges finis (« finite mixture models » FMM) et de les appliquer sur une base de données issue du Système National des Données de Santé (SNDS). Le SNDS est un ensemble de bases de données pseudonymisées, comprenant notamment toutes les données de remboursement de l'assurance maladie obligatoire, en particulier les données provenant du traitement des remboursements des soins de santé (feuille de soins électroniques ou papier) et des données provenant des établissements de santé (PMSI). Les modèles à mesures répétées (GEE, modèles mixtes) permettent d’étudier l’évolution d’une variable d’intérêt au cours du temps. Mais qu’en-est-il lorsque les patients ont des trajectoires selon un profil sous-jacent ? Les modèles FMM vont regrouper les patients dans des sous-groupes de trajectoires similaires. L'utilisation des FMM est de plus en plus populaire pour l'analyse des données longitudinales à mesures répétées (une centaine de publications en 2020 contre une vingtaine en 2010). La mission se déroulera en plusieurs temps : • Revue de littérature pour comprendre la théorie des modèles de mélanges finis et comment les appliquer aux problématiques des données SNDS. • Mise en pratique de ces méthodes d'estimation dans des études en cours : o Estimation des conditions d’initiation de la ventilation non invasive (VNI) en étudiant les trajectoires d’exacerbations avant mise sous VNI (~100 000 patients) o Stratégie de classification des stades d’évolution du cancer de la prostate en évaluant les groupes de trajectoires de surveillance active (~1 million de patients) • Valorisation des résultats en interne et diffusion externe Ce travail pourra faire l’objet d’une soumission à un congrès ou d’une publication auquel le stagiaire sera associé. Votre profil : • Étudiant en statistique Niveau Bac+5 ou équivalent (ENSAI, ISUP, M2 de statistiques, INSA) • Bases solides en analyses de données et analyses statistiques • Avoir un intérêt pour appliquer des méthodologies innovantes • Expérience dans l’utilisation de SAS et de R • Être curieux, indépendant dans le travail et bien organisé • Avoir un intérêt pour travailler dans le secteur de la santé Vos conditions de travail : Au sein de notre siège basé à Lyon, vous êtes accueilli dans une ambiance conviviale et bienveillante, dans laquelle chaque membre de l’équipe participe à une atmosphère de travail privilégiant l’entraide, favorisant la créativité et générant ainsi l’amélioration continue des compétences et de la performance au service de la satisfaction de nos clients. Votre rémunération est fixée en fonction de votre profil (800-1000€) Merci d'envoyer votre dossier de candidature (CV+ lettre de motivation) à fraguideau@hevaweb.com.
En savoir plus :https://hevaweb.com/fr/offre-d-emploi
2023_Heva_Stage_trajectoires.pdf
Contact :fraguideau@hevaweb.com
Un stagiaire en biostatistique (F/H) – 3/4 mois– Lyon
Publiée le 16/10/2022 18:28.
Référence : 2023_HEVA_Stage_Python.
Stage, Lyon.
Entreprise/Organisme :HEVA
Niveau d'études :Master
Sujet :Transcription des macros statistiques SAS existantes vers Python
Date de début :02/05/2023
Durée du contrat :3 à 4 mois
Rémunération :Votre rémunération est fixée en fonction de votre profil (600-800€)
Secteur d'activité :Biostatistiques, santé, pharma, bureau d'étude
Description :Depuis 2005, nous sommes leader en France dans le traitement et l’analyse des données de santé en vie réelle, et plus particulièrement celles issues des bases du Système National des Données de Santé (SNDS) et des bases en OPEN DATA. Nous élaborons et produisons pour nos clients (industries pharmaceutiques, fabricants de dispositifs médicaux, institutionnels) des études pharmaco-épidémiologiques, médico-économiques et de parcours de soins à partir de solides méthodes statistiques et de solutions innovantes s'appuyant sur l'Intelligence Artificielle (Machine Learning, Deep Learning, …). Afin de rendre nos analyses et nos données facilement compréhensibles pour les non-experts, nous avons également développé un savoir-faire spécifique de Datavisualisation autour du développement d’outils digitaux (Sites web, Applis IOS). Nous recherchons : Un stagiaire en biostatistique (F/H) – 3/4 mois– Lyon Vos missions : Les méthodes de programmation évoluent avec le temps et les biostatisticiens doivent s’adapter à ces évolutions. Dans le cadre de la mise en route d’une nouvelle plateforme d’analyse, une traduction de scripts statistiques existants en SAS est nécessaire vers Python. Au sein du Pôle Méthodes et statistiques (composé de 4 épidémiologistes et 3 biostatisticiens), en liaison avec les autres équipes techniques et scientifiques (Data Management, Data Science), vous êtes en charge : • De la transcription des macros statistiques SAS existantes vers Python o Macros de statistiques descriptives (variables continues et catégorielles) o Modèles de régression : • Modèle de Cox • Modèle logistique • La validation des transcriptions des macros se fera à l’aide plusieurs jeux de données existants La transcription de ces macros pourra également être réalisée en R en fonction du profil du stagiaire et de l’avancée du stage. Votre profil : • Étudiant en statistique/informatique Niveau Bac+4 ou équivalent (ENSAI, ISUP, M1 de statistiques, M1 SISE, INSA) • Bases solides en analyses de données et analyses statistiques • Avoir un intérêt pour appliquer des méthodologies innovantes • Bonnes connaissances dans l’utilisation de Python • Expérience dans l’utilisation de SAS et de R serait un plus • Être curieux, indépendant dans le travail, rigoureux et bien organisé • Avoir un intérêt pour travailler dans le secteur de la santé Vos conditions de travail : Au sein de notre siège basé à Lyon, vous êtes accueilli dans une ambiance conviviale et bienveillante, dans laquelle chaque membre de l’équipe participe à une atmosphère de travail privilégiant l’entraide, favorisant la créativité et générant ainsi l’amélioration continue des compétences et de la performance au service de la satisfaction de nos clients. Votre rémunération est fixée en fonction de votre profil (600-800€) Merci d'envoyer votre dossier de candidature (CV+ lettre de motivation) à fraguideau@hevaweb.com.
En savoir plus :https://hevaweb.com/fr/offre-d-emploi
Contact :fraguideau@hevaweb.com
Stage en analyse spatiale
Publiée le 11/10/2022 22:10.
Référence : Stage spatial OR2S.
Stage, Rouen.
Entreprise/Organisme :OR2S
Niveau d'études :Master
Date de début :à partir de janvier 2023
Durée du contrat :6 mois
Description :Présentation de la structure L’observatoire régional de la santé et du social (OR2S) est un organisme œuvrant dans la santé et le social. Avec 40 ans d’expérience dans ses domaines de compétence, l’OR2S travaille en partenariat avec des organismes à vocations nationale, régionale et locale, qu’ils soient publics ou privés : ARS, conseils régionaux, Dreets, conseils départementaux, Dreal, Sgar/préfectures, rectorats, Éducation nationale, universités, Cnaf, Cnam, CCMSA, Carsat, Inserm (CépiDc), HCSP, Santé publique France - Cire, INCa, Ministères, DGS, Drees, DGOS, DGCS, Atih, Datar, Insee… Les missions de l’OR2S s'inscrivent dans l'amélioration de la connaissance de la population dans le domaine sanitaire et social au plan régional et infra-régional des régions Hauts-de-France et Normandie (www.or2s.fr). Missions Pour une partie de son activité, l’OR2S rassemble et analyse les données existantes détenues par les différents organismes sanitaires et sociaux, calcule une multitude d’indicateurs déclinés temporellement sur de nombreux zonages géographiques, et en effectue l’analyse. Un des projets en cours consiste en la réalisation d’un état des lieux des inégalités territoriales environnementales, sanitaires et sociales, sur la région des Hauts-de-France. Les objectifs de cette analyse sont d’une part d’identifier les « points noirs » sur le territoire afin de pouvoir mettre en place des actions de lutte contre les inégalités, et d’autre part d’étudier une potentielle corrélation entre la situation environnementale et les caractéristiques socio-sanitaires. Pour ce faire, un plan d’analyse a été proposé, intégrant dans un premier temps une description des données environnementales, sanitaires et sociales sur la région. Dans un second temps des calculs de scores d’exposition, seront réalisés. Enfin, des méthodes d’analyse statistique spatiale seront à mener à bien. L’objet du stage proposé sera de contribuer à compléter, adapter et mettre en œuvre ce plan d’analyse. En outre, les activités du stagiaire seront les suivantes : • Réflexion sur les méthodes appropriées aux données disponibles ; • Réalisation des analyses (R ou Python) ; • Rédaction de documents de synthèse. Profil o Niveau master/ingénieur en statistiques o Bonne maitrise de R et/ou de Python o Connaissances en analyse spatiale o À l’aise avec les représentations cartographiques de données o Très rigoureux(se) et sens de l’organisation o Autonome o Approche critique des données o Appétence pour la vulgarisation des résultats Type de contrat : stage de 4 mois minimum
En savoir plus :www.or2s.fr
OR2S_StageAnalyseSpatiale_Octobre2022.pdf
Contact :manon.pruvost-couvreur@or2s.fr
INGENIEUR-E DATA - DATAOPS F/H
Publiée le 28/09/2022 11:56.
Référence : 2022-1746.
CDI, Champs-sur-Marne (77) ou Grenoble (38).
Entreprise/Organisme :Centre Scientifique et Technique du Bâtiment (CSTB)
Niveau d'études :Master
Date de début :Immédiat
Description :CONTEXTE ET MISSIONS : Le département « Qualité des Environnements Intérieurs » est engagée depuis plus de 20 ans dans l’étude des expositions de la population aux pollutions et nuisances dans les bâtiments afin d’identifier les leviers pour réduire ces expositions, pour des bâtiments sains et confortables. La qualité sanitaire et le confort des bâtiments sont aujourd’hui au cœur des attentes sociétales et des enjeux globaux de transition écologique. Le département mène différents projets pour structurer les données et services dans le cadre de : 1. La mise en place d’un centre de ressources pour accompagner le déploiement de la méthode d’évaluation de la performance globale « énergie-santé-confort » des bâtiments rénovés : fourniture de services en ligne et stockage et capitalisation des données (programme PROFEEL) ; 2. La mise en place de la plateforme nationale de référence des données de qualité de l’air intérieur associée à l’Observatoire de la qualité de l’air intérieur (OQAI) : www.oqai.fr ; 3. La base de collecte des données de la surveillance réglementaire de la qualité de l’air intérieur dans les établissements recevant du public ; 4. Les travaux de recherches et études du département, et plus généralement du CSTB sur la thématique des données de confort et santé dans les bâtiments. VOS PRINCIPALES MISSIONS : - Concevoir et développer des services de collecte et de traitement de données (en batch et en ligne). - Concevoir et mettre en œuvre de l'architecture technique supportant ces nouveaux services : Maintenir des flux de données robustes ; Faire les choix d’architecture en anticipant les besoins du projet ; Mettre en place de l'intégration continue et de la qualité des plateformes (programme PROFEEL, OQAI). - Industrialiser et automatiser les process Data avec une approche CI/CD permettant de valider la qualité de code et d’assurer des déploiements simplifiés : Assurer la qualité des flux de données ; Intégrer des outils de traitement, d'analyse et de gouvernance des données. - Promouvoir la démarche « DataOps » et la mise en œuvre et l’amélioration continue des processus et outils CI / CD en participant au développement. - Mettre à disposition des données en open data et leur interopérabilité. - Collecter des données en open data, la transformer et l’alimenter en bases de données utiles pour les travaux du département. - Participer à la rédaction des propositions d’études et réponses aux appels à projet qui incluent un volet data. - Participer à la veille technologique et à la diffusion des connaissances. PROFIL RECHERCHE : De formation supérieure en informatique (Master minimum), avec un fort accent sur la data. Vous disposez de connaissances approfondies des systèmes de gestion de bases de données et d’architecture d’applications data. Vous justifiez d’au moins 6 ans d’expérience sur des missions comparables. Maitrise de Docker, Docker Compose, Python, SQL, git et gitlab-ci et de framework d’orchestration de pipelines comme airflow, dagster ou luigi. Maitrise du déploiement de conteneurs et des processus de CI/CD associés. Excellente connaissance des principes DevOps et expérience en environnement industrialisé. Goût pour les projets de recherche et d'innovation, curiosité pour le domaine technique. Qualités rédactionnelles et relationnelles. Aptitude au travail en équipe pluridisciplinaire et capacité à transmettre (rôle d'expertise pour le reste de l'équipe). Rigueur, autonomie, agilité, réactivité et adaptation. Maîtrise de l’anglais écrit et parlé.
En savoir plus :https://talents.cstb.fr/
2022-1746 INGENIEUR-E DATA - DATAOPS.pdf
Contact :joris.stotzer@cstb.fr
Application of causal inference methods to time to event analyses
Publiée le 22/09/2022 13:33.
Thèse, Chilly-Mazarin (91).
Entreprise/Organisme :Sanofi/INRIA
Niveau d'études :Master
Sujet :PhD position opening (”thèse CIFRE”) to work on causal inference, in the context of time to event/survival analysis under the direction of Dr Julie Josse, INRIA, and jointly with Dr Bernard Sebastien from the ‘Data, Data Science’ department of Sanofi R&D, France.
Date de début :As soon as possible (November/December 2022)
Durée du contrat :3 years
Description :The project will include applications of causal inference to observational studies. The following aspects will be studied: • influence of missing data and censoring • identification of heterogeneous treatment effects • identification of optimal policies (Dynamic Treatment Regime) • change in distributions (transportability methods) The methodological work could be complemented by the development of a dedicated R package. Applicants should have strong knowledge in Statistics or Machine Learning and experience in R is required
En savoir plus :-
PhD position opening.pdf
Contact :bernard.sebastien@sanofi.com

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