Consulter les offres d’emploi

Stage de M2 en statistique
Publiée le 30/11/2018 22:50.
Stage, LMRS.
Entreprise/Organisme :LMRS - Labo. de Maths Raphaël Salem, Univ. Rouen et CNRS (UMR6085)
Niveau d'études :Master
Sujet :Estimation dans le modèle linaire fonctionnel avec réponse fonctionnelle
Date de début :printemps 2019
Durée du contrat :4 mois
Rémunération :financement sur un projet ANR
Description :Le stage se déroulera dans l’équipe partenaire de Rouen du projet ANR SMILES (Statistical Modeling and Inference for unsupervised Learning at largE-Scale), porté par Faïcel Chamrouki (Professeur, LMNO, Univ. Caen). Ce projet est principalement dévolu à la modélisation et l’inférence statistique pour des données complexes, de grande échelle (“Big data”), via des problèmes de régression et de classification non-supervisée. Le sujet du stage s’insère dans la partie analyse de données fonctionnelles du projet. Dans un premier temps, l’objectif du stage sera de faire un point sur les méthodes existant dans la littérature sur le modèle linéaire fonctionnel avec réponse fonctionnelle considéré. Dans un second temps, il sera possible d’étudier d’un point de vue non-asymptotique un estimateur de la fonction de régression dans ce modèle. Voir détail dans le pdf joint.
En savoir plus :NA
StageM2_2018.pdf
Contact :gaelle.chagny@univ-rouen.fr
Offre de stage M2: Intracranial aneurysms development and rupture risks: making sense out of the ICA
Publiée le 30/11/2018 22:49.
Stage, Clinique des données CIC- Epidemiologie Clinique, Nantes.
Entreprise/Organisme :CHU Nantes et Institut du Thorax - Inserm UMR 1087 / CNRS UMR 6291
Niveau d'études :Master
Description :Intracranial aneurysms development and rupture risks: making sense out of the ICAN nationwide cohort. The ICAN collection, made on approximately 3000 patients, aims at better stratifying patients with a high risk of rupture from patients with a mitigated rupture risk. The objective of this work is to dive into the many clinical observations collected in ICAN through both epidemiology/statistical and machine learning approaches. The challenge will be to evaluate and select the appropriate methods while balancing prediction accuracy and explanations.
En savoir plus :https://umr1087.univ-nantes.fr/
Stage M2 ICAN - 2018.pdf
Contact :matilde.karakachoff@univ-nantes.fr
Stage M2 - Combinaison de simulations climatiques par « machine learning »
Publiée le 29/11/2018 19:09.
Stage, Laboratoire des Sciences du Climat et de l’Environnement (LSCE, Gif-sur-Yvette).
Entreprise/Organisme :LSCE-IPSL (CNRS/CEA) & Univ. De Lausanne
Niveau d'études :Master
Date de début :A partir de Mars 2019
Durée du contrat :5 mois minimum
Secteur d'activité :Recherche en sciences du climat
Description :Stage M2 - Combinaison de simulations climatiques par « machine learning » via la méthode du "graph cut". Compétences requises : Le stagiaire devra avoir un niveau M2 ou Ecole d’ingénieur avec des connaissances en statistiques et/ou en machine learning et/ou en climatologie. Une bonne capacité de programmation informatique (idéalement en langage R) est fortement souhaitée.
En savoir plus :NA
Sujet_Graph_Cut.pdf
Contact :soulivanh.thao@lsce.ipsl.fr
Data Analyst sur la Déclaration Sociale Nominative (DSN) spécialisé en appariement statistique (F/H)
Publiée le 29/11/2018 13:22.
Référence : Dares/2018-12.
CDD, 39-43, quai André Citroën – PARIS 15ème – Métro : Javel-André Citroën (ligne 10) ou RER C : Javel.
Entreprise/Organisme :Ministère du Travail/Dares
Niveau d'études :Master
Date de début :01/01/2019
Durée du contrat :36 mois
Secteur d'activité :économie statistiques
Description :La Déclaration Sociale Nominative (DSN) se substitue progressivement à de nombreuses formalités administratives dues par les entreprises pour des motifs de contrôle ou d’ouvertures des droits sociaux des salariés (indemnisation du chômage, de la maladie,…). Elle contient chaque mois des informations détaillées sur tous les salariés du secteur privé (à terme, du public également), avec les caractéristiques des salariés, de leurs contrats, des rémunérations associées, etc. Il s’agit donc d’une source d’avenir essentielle pour l’analyse du marché du travail, qui offre de nombreuses perspectives en termes d’étude, d’analyse, ou de construction d’indicateurs. Au sein de la Dares, ces données sont traitées dans un système d’information appelé SISMMO, système largement sollicité, notamment pour réaliser des appariements avec d’autres bases de données. Dans ce contexte, le rôle du Data Analyst est primordial. En binôme avec l’autre Data Analyst du Département, elle/il est responsable de l’analyse détaillée des données de la DSN, afin notamment d’y déceler les potentiels problèmes de qualité. Plus spécifiquement, elle/il participera activement à l’appariement des données de la DSN avec celles du dispositif de suivi des apprentis et des lycéens sortant de formation professionnelle. Sur toutes les questions concernant la DSN, elle/il sera ainsi l’interlocuteur privilégié du Ministère de l’éducation nationale, qui pilote ce projet. Dans ce cadre, elle/il sera également associé/e à la réflexion sur les algorithmes d’appariement. Par suite, elle/il devra se montrer proactif sur des projets d’appariements nouveaux, notamment avec les données sur les demandeurs d’emploi inscrits à Pôle emploi. Ces travaux pourront le conduire à être un élément moteur du Dares Lab sur les techniques d’appariement. Enfin, dans le cadre de ces missions, elle/il pourra être amené/e à collaborer à des études, descriptives (exploitations directes de la DSN) ou plus complexes (analyses de trajectoires, par exemple).
En savoir plus :W:\RECRUTEMENT\BASE FICHES DE POSTE\SD_EMT\E
Contact :dares.recrutement@travail.gouv.fr
Biostatisticien/Data-scientist 
Publiée le 27/11/2018 13:36.
Référence : Biostatisticien/Data-scientist URC PSL - Cephepi.
CDD, Hôpital de la Pitié-Salpêtrière -- 47-83 Boulevard de l'Hôpital, 75013 Paris.
Entreprise/Organisme :Unité de Recherche Clinique Pitié-Salpêtrière—Centre de pharmacoépidémiologie de l'AP-HP
Niveau d'études :Master
Description :L’Unité de Recherche Clinique des Hôpitaux Pitié-Salpêtrière—Charles Foix, de la DRCI (Direction de la recherche clinique et de l’innovation) de l’AP-HP et le Centre de pharmacoépidémiologie de l'AP-HP recrutent un biostatisticien/Data-scientist pour contribuer aux études et à l’analyse de données de l'Entrepôt de Données de Santé de l’AP-HP (EDS) et aux études épidémiologiques menées sur le SNDS. L’EDS de l’AP-HP (EDS AP-HP, https://recherche.aphp.fr/eds ) est une grande base de données qui regroupe les données de soins, administratives et sociales, recueillies lors des consultations et hospitalisations des patients soignés dans les hôpitaux de l’AP-HP. Il a pour objectif de faire avancer la recherche scientifique dans le domaine de la santé en permettant la réalisation de recherches non interventionnelles sur données, d’études de faisabilité des essais cliniques et d’études de pilotage de l’activité hospitalière. Le Système National des Données de Santé (SNDS), géré par la Caisse Nationale de l’Assurance Maladie des Travailleurs Salariés (CNAMTS), chaîne notamment les données de l’Assurance Maladie (base SNIIRAM), les données des hôpitaux (base PMSI) et les causes médicales de décès (base du CépiDC de l’Inserm) afin de favoriser les études, recherches ou évaluation présentant un caractère d’intérêt public. En relation étroite avec les méthodologistes et statisticiens de l’Unité de Recherche Clinique, du Centre de pharmacoépidémiologie de l'AP-HP (Cephépi) et du Département BIOSPIM (Biostatistique, Santé Publique et Information Médicale) du groupe hospitalier, le biostatisticien/data scientist collabore avec les investigateurs du groupe hospitalier pour l'exploitation de l’EDS et du SNDS : élaboration des projets de recherche, participation à la soumission des projets, mise au point et réalisation des requêtes, contrôle de qualité des données, réalisation des analyses statistiques, rédaction du rapport et présentation des résultats. Il interagit également avec l'équipe de développement de l'EDS pour améliorer les processus d'extraction et d'alimentation de l'entrepôt et il participe aux groupes de travail relevant de ses fonctions, notamment au groupe des data-scientists de l’EDS des hôpitaux de l’AP-HP, organisé par la DRCI. Le poste proposé (temps plein) est situé au sein de l’hôpital de la Pitié-Salpêtrière. Il bénéficie d’un encadrement de haut niveau, en biostatistique ainsi que pour l’utilisation des données du SNDS, et d’un environnement stimulant. Compétences requises : excellente connaissance des outils informatiques et du traitement de données ; goût pour l’application de méthodes statistiques complexes ; maîtrise des logiciels SAS et R. Une expérience dans le traitement des données du SNDS est souhaitable, mais une formation spécifique pourra être proposée dans le cas contraire. Profil recherché : ingénieur/master/doctorat ou équivalent dans le domaine des sciences des données/biostatistiques. Poste proposé : CDD 1 an dans un premier temps Rémunération selon expérience (grade : ingénieur). Contact : florence.tubach@aphp.fr / jacques.ropers@aphp.fr
En savoir plus :http://pitiesalpetriere.aphp.fr/urc/
Contact :jacques.ropers@aphp.fr
Mise en correspondance de bio-marqueurs en cytométrie par transport optimal
Publiée le 27/11/2018 09:05.
Stage, Campus de Talence, Bordeaux.
Entreprise/Organisme :Institut de Mathématiques de Bordeaux / INRIA / INSERM - Université de Bordeaux
Niveau d'études :Master
Description :La cytométrie en flux est une technologie de mesure à haut débit qui permet de rapidement caractériser un grand nombre de cellules selon leur propriétés physiques et chimiques à partir d'un échantillon biologique. Le principal objectif de ce stage est de mettre en place des méthodes algorithmes et statistiques pour résoudre la problématique de mise en correspondance de sous-populations de cellules entre différents patients à partir de données de cytométrie. Le stage est à l'interface entre la statistique computationnelle et la biostatistique. Les principales notions abordées feront appel à des outils de statistique et d'optimisation avec des applications en bio-informatique. Il nécessite une bonne formation en mathématiques appliquées et statistique (du type Master 2 en Mathématiques Appliquées et Statistique), ainsi que la maîtrise d'un outil de programmation tel que Python. Une présentation plus détaillée est disponible dans le lien vers la fiche de description du stage.
En savoir plus :https://www.math.u-bordeaux.fr/~jbigot/Site/Enseignement_files/StageM2_Cytometry.pdf
StageM2_Cytometry.pdf
Contact :jeremie.bigot@u-bordeaux.fr
Stage - Data Analyst : création d’un moteur de recommandation produit
Publiée le 26/11/2018 08:13.
Référence : 75458.
Stage, Issy-les-Moulineaux (92).
Entreprise/Organisme :Groupe Rocher
Niveau d'études :Master
Date de début :2019 (février ou avril)
Durée du contrat :6 mois
Secteur d'activité :Marketing
Description :Le Groupe Rocher est un Groupe familial rentable, indépendant, animé par un esprit « d’entrepreneurs-créateurs ». Il est composé de 10 principales marques au service de la beauté et du bien-être : Yves Rocher, Petit Bateau, Docteur Pierre Ricaud, ID Parfums, Daniel Jouvance, Stanhome, Kiotis, Flormar, Sabon et Arbonne. 40 millions de femmes font confiance à la qualité et à la performance des produits élaborés par les marques du Groupe, soit plus de 500 millions de Produits délivrés par an. La marque Docteur Pierre Ricaud est un fleuron du Groupe Rocher : une marque de cosmétique française avec une offre haut de gamme, experte en soin du visage. Le site Ricaud.com a été élu meilleur site E-commerce en Beauté en 2018 (source FEVAD et source Capital). VOS MISSIONS : A bord de la team Intelligence Client, vous travaillerez en étroite collaboration avec l’un de nos data analysts pour la marque Dr Pierre Ricaud et aurez pour mission principale la conceptualisation et la mise en place d’un moteur de recommandation produits que nous pourrions intégrer à notre CRM (e-mail, site, cartes...). Vous participerez aussi à : La mise à jour de reportings pour le pilotage de notre activité CRM Le ciblage de nos actions Marketing avec mise en place de nouvelles segmentations La réalisation d’analyses ad hoc avec mise en place de nouveaux scores prédictifs permettant d’affiner notre connaissance client et optimiser nos investissements et notre pression commerciale VOTRE PROFIL : Issu(e) d’une formation Bac + 4/5 avec une spécialisation en Statistiques / Analyse de données / Data Mining / Big Data A l’aise avec SAS, R, Python, Excel et pourquoi pas Big Query ou souhaitez justement gagner en compétences sur ces outils Réactif(ve), rigoureux(se) et doté(e) d’un bon esprit d’analyse et de synthèse Curieux(se), vous aimez la data. Votre bonne humeur et votre dynamisme seront de réels atouts pour vous épanouir au sein de notre équipe !
En savoir plus :https://career5.successfactors.eu/sfcareer/jobreqcareer?jobId=75458&company=YRGROUPE&username
Offre-Stage-IC-data analyst VF.pdf
Contact :nathalie.husson@yrnet.com
Statistiques : outils de compréhension de principes actifs et procédés industriels / MSP
Publiée le 22/11/2018 08:23.
Référence : Biochem Statistique.
Stage, 1 rue de l'Abbaye 76960 Notre Dame de Bondeville.
Entreprise/Organisme :Aspen Notre Dame de Bondeville
Niveau d'études :Master
Sujet :Aspen, 6ème plus grand producteur de médicaments génériques dans le monde, est un groupe sud-africain, fournisseur de produits pharmaceutiques de marque et de génériques. Les produits Aspen sont vendus dans plus de 150 pays à travers le monde. Le Centre d’Excellence Biochem a pour but de supporter les ambitions d’Aspen pour les produits Biochem. Les produits Biochem, classifiés dans la catégorie des produits biologiques, constituent un des portefeuilles majeurs d’Aspen. C’est dans ce contexte qu’une offre de stage est proposée dans ce centre. Sujet : Maitrise statistique des procédés, par mise en place d’un système d’analyse en temps réel des données. L’objectif de ce projet est : - De collaborer avec les personnes du service en vue de recenser les besoins de chacun, - Développer une interface ou un script adapté au besoin afin de maximiser l’analyse en temps réel des données - Mettre sous contrôle les différents procédés industriels (MSP) par mise en place de statistiques descriptives, cartes de contrôles, indicateurs de capabilités, étude de tendances, … - Proposer de nouveaux outils afin d’aider à la compréhension des procédés et principes actifs. Analyse de données : - issues de production, et du laboratoire de recherche, - Issues des matières premières, - Issues des résultats/contrôles libératoires des principes actifs.
Date de début :ASAP
Durée du contrat :6 - 12 mois
Rémunération :A définir
Secteur d'activité :Recherche et Développement
Description :c.f. sujet
En savoir plus :NA
Contact :sleguillou@fr.aspenpharma.com
Analyses statistiques de données single-cell RNA-seq
Publiée le 22/11/2018 08:23.
Stage, INSA Toulouse.
Entreprise/Organisme :Institut de Mathématiques de Toulouse
Niveau d'études :Master
Description :Stage de M2 / M1 dans le cadre d'une collaboration entre le STROMALab et l'IMT. Analyses statistiques de données de single cell RNA-seq pour l’étude des cellules stromales mésenchymateuses
En savoir plus :https://perso.math.univ-toulouse.fr/maugis/single-cell-rna-seq/
SujetStage-SingleCell-STROMAlab-2019.pdf
Contact :cathy.maugis@insa-toulouse.fr
Biostatisticien
Publiée le 20/11/2018 11:46.
CDI, Département de la recherche clinique et de l'innovation - CHU de Nice.
Entreprise/Organisme :CHU de Nice
Niveau d'études :Master
Date de début :dès que possible
Durée du contrat :CDD initialement puis CDI, poste pérenne
Rémunération :selon expérience sur grille ingénieur hospitalier
Secteur d'activité :Biostatistiques domaine médical
Description :Le poste a vocation a assurer une assistance méthodologique aux investigateurs du CHU de Nice (médecins, chercheurs, paramédicaux), dans toutes les spécialités, souhaitant préparer un protocole de recherche et les accompagner jusqu'à la publication.
En savoir plus :https://www.chu-nice.fr/
Contact :fontas.e@chu-nice.fr
Biostatisticien senior
Publiée le 20/11/2018 11:46.
CDI, Département de la recherche clinique et de l'innovation - CHU de Nice.
Entreprise/Organisme :CHU de Nice
Niveau d'études :Doctorat
Date de début :dès que possible
Durée du contrat :CDD initialement puis CDI, poste pérenne
Rémunération :selon expérience sur grille ingénieur hospitalier
Secteur d'activité :Biostatistiques domaine médical
Description :Assistance méthodologique aux projets de recherche du CHU, toutes spécialités (cf fiche jointe)
En savoir plus :https://www.chu-nice.fr/
Contact :fontas.e@chu-nice.fr
Junior Sports Quantitative Analyst
Publiée le 16/11/2018 16:00.
Référence : SMARTODDS JUNIOR QUANT.
CDI, LONDON.
Entreprise/Organisme :SMARTODDS
Niveau d'études :DUT/Licence ou équivalent
Rémunération :20-50k£
Secteur d'activité :Sports betting
Description :As a quantitative analyst at Smartodds, you will be part of an exciting environment, predicting outcomes of professional sports on behalf of our clients. We focus on football, American football, baseball, basketball, cricket, golf, ice hockey, and tennis. The junior quant analyst will be part of the quant team and assist the senior quants in their work. This will consist in writing basic statistical analyses, developing Shiny applications and maintain/improve the existing code library. We expect the candidate to learn new concepts very fast and be passionate about the job, which mixes sport, betting, maths and computing together. If you think that you tick the following boxes then please apply. This is a fantastic opportunity to work in a relaxed environment on a topic you love. Education Essential: BSc in Maths/Stats/Computer science. Desirable: MSc or equivalent in one of the above Skills and Experience Essential Proficient in one of R/Python Good statistics knowledge. Fast learner. Fluent in English. A passion for sports, betting, stats or computing. Desirable: Knowledge of R Shiny framework/ html development. Knowledge of SQL. Knowledge of Linux operating system. Benefits Flexible working hours Competitive salary and discretionary bonus 30 days annual leave plus public holidays Generous pension scheme and education budget Casual dress code Freshly made lunch and dinner three days a week
En savoir plus :https://www.smartodds.co.uk/Careers/Vacancies
Contact :benoit.jottreau@smartodds.co.uk
Quantification multivariée de l’incertitude associée à la mesure de nanoparticules par sp-ICPMS
Publiée le 12/11/2018 19:09.
Référence : STA/ICPMS/DMSI.
Stage, Saint-Quentin en Yvelines.
Entreprise/Organisme :Laboratoire national de métrologie et d'essais (LNE)
Niveau d'études :Master
Date de début :Mars 2019
Durée du contrat :5-6 mois
Rémunération :1054 € bruts par mois
Description :Les nanoparticules manufacturées sont utilisées dans une grande variété de domaine d’application industriel ou de recherche. Des nanoparticules sont présentes dans les produits de consommation courants (cosmétique, produits alimentaires), les matériaux de grande complexité (pots catalytiques) ou sont à l’étude en tant que traitement médical (ex : traitement contre le cancer). De cette diversité d’utilisation naît le besoin de caractériser des nanoparticules, afin d’optimiser leur utilisation, de maîtriser leur dissémination dans l’environnement et de répondre à la réglementation. La distribution en taille et la concentration en nombre sont deux caractéristiques essentielles des nanoparticules qui permettent entre autre de répondre à la définition européenne de « nanomatériaux ». En effet, pour certains produits de consommation, l’étiquetage « nano » est devenu obligatoire si un des composants entre dans la catégorie « nanomatériaux ». Cette distinction est faite sur la base de la distribution en taille des nanoparticules (50% de particules de tailles inférieures à 100nm), ce qui implique de pouvoir à la fois compter les particules et déterminer leur taille. Actuellement, la caractérisation des nanoparticules est effectuée par une variété de techniques dont les performances et conditions d’applications restent à évaluer. Parmi ces techniques, la Single Particle Inductively Coupled Mass Spectrometry » ou sp-ICPMS, inspirée de la mesure de concentrations en éléments traces par spectrométrie de masse, présente un fort potentiel pour la mesure des deux paramètres d’intérêt que sont la concentration en nombre et la distribution en taille de nanoparticules. La sp-ICPMS a l’avantage sur la plupart des autres instruments de mesure de nanoparticules de permettre de cibler la nature chimique des nanoparticules (ex : titane, or..) même pour des échantillons dit complexes (par exemple une crème solaire constituée de plusieurs types de nanoparticules). L’un des principaux enjeux actuel de la mesure par sp-ICPMS est de fiabiliser le post-traitement des données et de déterminer une incertitude de mesure. En effet, bien que certains logiciels existent afin de calculer les tailles et concentrations en particules, aucun ne prévoit de calcul d’incertitude pourtant essentiel à la validation de méthodes et au classement des nanoparticules en tant que nanomatériaux. Plusieurs méthodes de traitement des données sont en outre actuellement utilisées, pouvant ainsi conduire à des résultats différents. Il convient donc de les comparer et d’évaluer les incertitudes qui leur sont associées pour pouvoir bien caractériser les matériaux étudiés ainsi que la performance de la sp-ICPMS par rapport aux autres méthodes. Missions : Actuellement, plusieurs méthodes de post-traitement des données brutes mesurées par sp-ICPMS sont utilisées. Vos missions principales consisteront à : - participer au développement informatique d’un outil pour le traitement des données de mesure par sp-ICPMS - implémenter, valider et comparer différentes méthodes de traitement des données - réaliser une étude de sensibilité de ces différentes méthodes afin d’identifier les paramètres les plus influents - évaluer l’incertitude de mesure sur la distribution en taille et la concentration en particules par des méthodes statistiques appropriées - rédiger une synthèse des travaux effectués A cette fin, l’instrument et la méthode de mesure vous seront présentés et plusieurs jeux de données seront mis à disposition afin de tester le traitement sur des échantillons simples (suspension aqueuse) et complexes (ex : échantillons biologiques). En particulier, les données issues d’une inter-comparaison internationale seront mises à disposition pour développer et tester le logiciel.
En savoir plus :https://www.lne.fr/fr/offre-emploi/stage-incertitude-mesure-nanoparticules
Stage LNE_DMSI - sp_ICPMS 2019.pdf
Contact :recrut@lne.fr
Segmentation et complétion de nanoparticules par algorithmes de Deep-learning sur des images MEB
Publiée le 12/11/2018 19:09.
Stage, Saint-Quentin en Yvelines.
Entreprise/Organisme :Laboratoire national de métrologie et d'essais (LNE)
Niveau d'études :Master
Sujet :Au sein de l’équipe Mathématiques appliquées et Statistiques composée de 8 personnes, et en collaboration avec les équipes opérationnelles en nanométrologie, vous intervenez sur des problématiques de traitement d’images et d’intelligence artificielle appliquées à la mesure de nanoparticules. La MEB est une technique largement répandue pour mesurer les propriétés dimensionnelles d’une population de nanoparticules. Elle donne des informations locales et la mesure des paramètres tels que la taille, la distribution en taille ou la forme et est réalisée sur un nombre limité de nanoparticules qui doit être représentatif de l’ensemble de l’échantillon. Diminuer l’incertitude associée aux mesures revient à fiabiliser les quatre étapes qui définissent le processus de mesurage : préparation de l’échantillon, étalonnage et caractérisation métrologique de l’instrument, acquisition des mesures et analyse et traitement des données. La dernière étape consiste à extraire des images effectuées avec le MEB, données qui seront utilisés ensuite pour quantifier les différents mesurandes. Les techniques microscopiques sont les seules capables d’apporter des informations fiables sur la forme des nanoparticules et la connaissance de ce paramètre conditionnera le choix du mesurande le plus approprié pour déterminer leur taille. L’algorithme développé pour la caractérisation des populations de nanoparticules de TiO2 est basé sur une approche par réseaux de neurones convolutionnels. Il est capable de mesurer des nanoparticules au sein d’agglomérats ou d’agrégats, c’est-à-dire, à partir de nanoparticules dont une partie seulement est imagée. Il assure donc la complétion de nanoparticules présentes sous forme d’agglomérats. Le stagiaire devra dans un premier temps prendre en main l’algorithme existant développé sous Tensorflow et réaliser une étude bibliographique des algorithmes de deep learning pouvant assurer la tâche de complétion. Il devra ensuite être force de proposition afin d’améliorer l’architecture existante pour assurer un haut niveau de performances en complétion. Dans la deuxième partie du stage, il s’agira d’implémenter une ou plusieurs alternatives à l’algorithme utilisé afin de réaliser un benchmark des performances en complétion pour les algorithmes assurant l’état de l’art actuel en deep learning. Les développements seront finalement intégrés sur la plate-forme logicielle dédiée à la mesure métrologique des nanoparticules développée en collaboration avec la start-up Pollen Metrology. Missions : Au sein de l’équipe, vous participerez aux différentes étapes du projet : - Prise en main de l’algorithme développé au sein de l’équipe - Etude bibliographique des algorithmes de deep learning en mesure de réaliser la tâche de complétion d’images de nanoparticules - Amélioration de l’algorithme existant pour assurer un haut niveau de performances en complétion - Développement d’une ou plusieurs alternatives à l’algorithme développé - Benchmark des algorithmes de deep learning pour la complétion d’images de nanoparticules - Rédaction d’un document de synthèse Profil : Vous recherchez un stage dans le cadre de votre formation de niveau Bac + 5 en Mathématiques Appliquées et vous possédez des connaissances avancées en traitement d’images et méthodes de deep learning. Une première expérience des réseaux de neurones convolutionnels ainsi qu’une connaissance de l’environnement de développement Tensorflow avec une première mise en pratique sont demandées. Vous souhaitez vous spécialiser dans les domaines AI, data science. Vous possédez d’excellentes capacités rédactionnelles et de communication. Vous disposez d’une curiosité scientifique forte ainsi que d’un vif intérêt pour les nanosciences.
Date de début :Mars 2019
Durée du contrat :5-6 mois
Rémunération :1054 € bruts par mois
Description :Au sein de l’équipe Mathématiques appliquées et Statistiques composée de 8 personnes, et en collaboration avec les équipes opérationnelles en nanométrologie, vous intervenez sur des problématiques de traitement d’images et d’intelligence artificielle appliquées à la mesure de nanoparticules. La MEB est une technique largement répandue pour mesurer les propriétés dimensionnelles d’une population de nanoparticules. Elle donne des informations locales et la mesure des paramètres tels que la taille, la distribution en taille ou la forme et est réalisée sur un nombre limité de nanoparticules qui doit être représentatif de l’ensemble de l’échantillon. Diminuer l’incertitude associée aux mesures revient à fiabiliser les quatre étapes qui définissent le processus de mesurage : préparation de l’échantillon, étalonnage et caractérisation métrologique de l’instrument, acquisition des mesures et analyse et traitement des données. La dernière étape consiste à extraire des images effectuées avec le MEB, données qui seront utilisés ensuite pour quantifier les différents mesurandes. Les techniques microscopiques sont les seules capables d’apporter des informations fiables sur la forme des nanoparticules et la connaissance de ce paramètre conditionnera le choix du mesurande le plus approprié pour déterminer leur taille. L’algorithme développé pour la caractérisation des populations de nanoparticules de TiO2 est basé sur une approche par réseaux de neurones convolutionnels. Il est capable de mesurer des nanoparticules au sein d’agglomérats ou d’agrégats, c’est-à-dire, à partir de nanoparticules dont une partie seulement est imagée. Il assure donc la complétion de nanoparticules présentes sous forme d’agglomérats. Le stagiaire devra dans un premier temps prendre en main l’algorithme existant développé sous Tensorflow et réaliser une étude bibliographique des algorithmes de deep learning pouvant assurer la tâche de complétion. Il devra ensuite être force de proposition afin d’améliorer l’architecture existante pour assurer un haut niveau de performances en complétion. Dans la deuxième partie du stage, il s’agira d’implémenter une ou plusieurs alternatives à l’algorithme utilisé afin de réaliser un benchmark des performances en complétion pour les algorithmes assurant l’état de l’art actuel en deep learning. Les développements seront finalement intégrés sur la plate-forme logicielle dédiée à la mesure métrologique des nanoparticules développée en collaboration avec la start-up Pollen Metrology. Missions : Au sein de l’équipe, vous participerez aux différentes étapes du projet : - Prise en main de l’algorithme développé au sein de l’équipe - Etude bibliographique des algorithmes de deep learning en mesure de réaliser la tâche de complétion d’images de nanoparticules - Amélioration de l’algorithme existant pour assurer un haut niveau de performances en complétion - Développement d’une ou plusieurs alternatives à l’algorithme développé - Benchmark des algorithmes de deep learning pour la complétion d’images de nanoparticules - Rédaction d’un document de synthèse
En savoir plus :https://www.lne.fr/fr/offre-emploi/stage-segmentation-completion-nano-images-meb
Stage LNE_DMSI - IA NANO 2019.pdf
Contact :nicolas.fischer@lne.fr
PhD ESSEC Operations & Data Analytics
Publiée le 09/11/2018 16:34.
Référence : ESSEC_PhD_Data_Analytics.
Thèse, ESSEC Business School, Cergy, France.
Entreprise/Organisme :ESSEC Business School
Niveau d'études :Master
Sujet :Thèse PhD en Data Analytics (statistiques, économétrie, big data, management du risque). Sujet de thèse à définir en 2è année de PhD avec le(s) professeur(s) encadrant(s). Cours PhD sur 1,5 an.
Date de début :Septembre 2019
Durée du contrat :4 ans
Rémunération :Bourse de 23000E par an pendant 4 ans
Secteur d'activité :Education
Description :Programme PhD de l'ESSEC: cours 1,5 an + thèse. Les étudiants sélectionnés sont financés automatiquement pendant 4 ans. La période de cours PhD dure 1,5 an, mais les modules de recherche commencent dès l’année 1 avec des professeurs. Choisir la spécialisation "Data Analytics" de la filière ODA du PhD (80% des cours en statistiques / économétrie / risque). Deadlines pour candidater : 15 janvier (session 1); 15 mai (session 2); Attention : scores GMAT ou GRE, et TOEFL requis dans le dossier (voir "Admissions" sur le site web du PhD).
En savoir plus :http://www.essec.edu/en/program/phd-en/phd-program/
annonce_PhD_ESSEC_Data_Analytics_SFDS.pdf
Contact :alfandari@essec.edu

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

 
 
©2019 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 :