Consulter les offres d’emploi

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

Publiée le 30/12/2024 15:08.

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

Stage, Centre INRAE Jouy-En-Josas.

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

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

Publiée le 30/12/2024 15:08.

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

Postdoc, Montreal and Ottawa, Canada.

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

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

Publiée le 22/12/2024 18:11.

Stage, Solaize, Lyon, France.

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

Stage/thèse en modélisation des sols

Publiée le 11/12/2024 11:14.

Référence : DeepHorizon.

Stage, Palaiseau.

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

PhD in modeling of soils

Publiée le 11/12/2024 11:14.

Référence : DeepHorizon.

Thèse, AgroParisTech , Palaiseau.

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

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

Publiée le 02/12/2024 09:55.

Référence : Stage de M2.

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

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

PhD position in mathematical statistics

Publiée le 27/11/2024 11:32.

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

Thèse, Toulouse.

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

Maître de conférences en "Statistiques, Machine Learning et application aux SHS"

Publiée le 27/11/2024 11:31.

CDI, Campus Portes des Alpes, Bron.

Entreprise/Organisme :	Université Lyon 2
Niveau d'études :	Doctorat
Date de début :	01/09/2025
Description :	Maître de conférences en "Statistiques, Machine Learning et application aux SHS"
En savoir plus :	https://eric.msh-lse.fr/wp-content/uploads/2024/11/2025-univlyon2-posteMCF26.pdf
Contact :	julien.jacques@univ-lyon2.fr

Développement d'algorithmes pour l'analyse de la perte d'autonomie des personnes âgées

Publiée le 21/10/2024 17:47.

Référence : Offre d'emploi pour jeune docteur en R&D chez SIPAD.

CDI, 38 rue Blomet, 75015 Paris.

Entreprise/Organisme :	SIPAD
Niveau d'études :	Doctorat
Date de début :	Dès que possible
Durée du contrat :	CDI
Rémunération :	Entre 50 000 à 60 000 euros par an
Secteur d'activité :	Accompagnement des personnes en perte d'autonomie à domicile
Description :	Au sein du l’entreprise Sipad, dans le cadre de votre premier contrat CDI depuis votre soutenance (statut de Jeune Docteur), en lien permanent avec les équipes des différentes entités opérationnelles, votre rôle de « Jeune docteur » sera d'identifier et utiliser les travaux de Recherche les plus récents sur les différents domaines cités, d'accompagner le directeur technique et ses équipes sur la mise en œuvre de projets pour ses clients, d'apporter votre expertise en conduite de projets de recherche et de participer à la consolidation d’une première phase de recherche déjà menée par l’entreprise dans le domaine de l’analyse automatique de la perte d’autonomie des personnes âgées. Vos missions principales consisteront donc en : - Investiguer et évaluer les dernières avancées en recherche et technologiques (veille scientifique, veille technique) - Implémenter des algorithmes et entraîner des modèles d’intelligence artificielle - Identifier des sources de réflexions sur des évolutions possibles des technologies ou des méthodes de management - Travailler en étroite coopération avec les équipes opérationnelles pour passer de la phase recherche à la phase de mise en production (intégration et recherche finalisée) - Présenter régulièrement le fruit de vos découvertes et de vos réflexions - Rédiger des dossiers de recherche avec les équipes projets - Suivant les avancées de recherche, publier des articles scientifiques ou participer à des conférences Ce poste évoluera vers un rôle de soutien et d’accompagnement d’étudiants en M2 et éventuellement dans leur parcours de thèse Cifre. Nos avantages : - Locaux dans le cœur du 15ème arrondissement de Paris - Télétravail jusqu'à 2 jours par semaine - Proximité et convivialité cultivées à tous les niveaux de l'entreprise Le profil recherché Jeune docteur spécialisé en Data Science, Informatique, Math Appliquées, Intelligence Artificielle Vous maîtrisez également la programmation informatique permettant de concevoir et d'implémenter les solutions de Machine Learning ou Deep Learning (Python, R, …) ainsi que des outils collaboratifs de versioning comme Git. Vous avez une bonne connaissance de méthodes de conduite de projet et de l'organisation des entreprises. La maîtrise du français et de l'anglais à l'écrit et à l'oral est nécessaire.
En savoir plus :	https://sipad.com/notre-solution SIPAD_Offre Emploi_Jeune Docteur.pdf
Contact :	c.faure@sipad.com

Clustering de données fonctionnelles avec application en océanographie

Publiée le 01/10/2024 09:26.

Référence : Clustering de données fonctionnelles avec application en océanographie.

Thèse, Conservatoire National des Arts et Métiers, 2 rue Conté 75003 Paris.

Entreprise/Organisme :	Conservatoire National des Arts et Métiers, Laboratoire CEDRIC
Niveau d'études :	Master
Sujet :	Classification non-supervisée pour l'identification de paysages acoustiques homogènes
Date de début :	Entre fin 2024 et début 2025 en fonction de la date de recrutement du candidat
Durée du contrat :	3 ans
Secteur d'activité :	recherche
Description :	Voir pièce jointe
En savoir plus :	https://vincentaudigier.weebly.com/uploads/1/7/3/1/17317324/these_cnam_shom_clustering.pdf these_cnam_shom_clustering.pdf
Contact :	vincent.audigier@cnam.fr

Page précédente 1 2 3 <4>