Consulter les offres d’emploi

Responsable de la production de l’enquête SHARE-France (F/H)
Publiée le 31/03/2025 11:30.
Référence : Responsable de la production de l’enquête SHARE-France.
CDD, Université Paris-Dauphine - Campus Porte Dauphine.
Entreprise/Organisme :Université Paris-Dauphine (Laboratoire d'économie de Dauphine - équipe SHARE-France)
Niveau d'études :Master
Date de début :15/05/2025
Durée du contrat :24 mois
Description :Nous recherchons un·e responsable de la production du terrain d’enquête (Country Team Operator) qui aura pour mission principale d’assurer la production des données françaises de l’enquête SHARE. Cette personne travaillera sous la responsabilité de Florence Jusot (responsable scientifique de l’équipe SHARE-France), professeure d’éco-nomie à l’Université Paris-Dauphine, et en étroite collaboration avec le SHARE Berlin Institute (SBI), qui est l’institu-tion allemande en charge de la coordination du projet au niveau européen. Au sein de l’équipe SHARE-France, le·la responsable de la production collaborera également avec le coordinateur administratif du projet, le responsable de l’innovation méthodologique et de la valorisation scientifique et plusieurs chercheur·e·s réalisant des travaux portant sur la santé, la consommation de soins et l'avancée en âge des individus de 50 ans ou plus. Pour plus d'informations, voir fiche de poste jointe.
En savoir plus :https://dauphine.psl.eu/dauphine/dauphine-recrute/offres-demplois
Proposition_poste_v5.pdf
Contact :pierre.depardieu@dauphine.psl.eu
Intégration de données multi-omiques appariées à grande échelle
Publiée le 31/03/2025 08:16.
Thèse, Jouy-en-Josas ou Toulouse.
Entreprise/Organisme :INRAE
Niveau d'études :Master
Sujet :Le/la doctorant·e sera en charge de la mise au point de méthodes d’intégration de données omiques pour identifier les relations entre marques génétiques d’intérêt et signaux transcriptomiques, spécifiques ou partagés entre plusieurs sous-populations. Ces méthodes seront la base pour la définition de relations spécifiques à une espèce donnée ou, au contraire, conservées entre espèces et permettront une meilleure caractérisation de la variabilité des phénomènes de régulation. Pour motiver les développements méthodologiques de cette thèse, le/la doctorant·e s’appuiera sur des données chez le porc qui ont été générées et précédemment analysées dans le cadre du projet H2020 GENE-SWitCH. Brièvement, des données transcriptomiques (RNA-seq) dans trois tissus (muscles, duodenum, foie) couplées avec le séquençage du génome entier ont été collectées pour 3 races commerciales (Large White, Landrace, Duroc), avec n=100 animaux par race. L’analyse eQTL présentées dans Crespo-Piazuelo et al. (2023) s’est focalisé sur un modèle global pour les 3 races, et n’a pas pu mettre en évidence des associations spécifiques à l’une ou plusieurs d’entre elles.
Date de début :automne 2025
Durée du contrat :36 mois
Rémunération :environ 2200-2300€ bruts
Secteur d'activité :Recherche
Description :La thèse sera réalisée sur le site INRAE de Jouy-en-Josas dans l’Unité GABI (Génétique Animale et Biologie Intégrative). Il sera toutefois possible de la localiser alternativement sur le site INRAE de Toulouse dans l’Unité MIAT (Mathématiques et Informatique Appliqués à Toulouse). Dans les deux cas, l’équipe d’encadrement sera composée d’Andrea Rau (GABI) et de Nathalie Vialaneix (MIAT). Nous nous appuierons notamment sur des réunions hebdomadaires en visioconférence ainsi que des outils collaboratifs (e.g., Mattermost pour des messages quotidiens et les comptes rendus des réunions hebdomadaires, Gitlab pour le partage de scripts R/Python, Nextcloud pour le partage de documents) pour assurer une bonne communication entre le/la doctorant·e et l’équipe d’encadrement. Nous prévoyons également d’organiser ponctuellement mais régulièrement des séjours courts (~1 semaine) dans l’unité complémentaire pour permettre le/la doctorant·e de bénéficier des deux environnements scientifiques.
En savoir plus :No link
PhD_2025_GABI-MIAT_Rau-Vialaneix.pdf
Contact :nathalie.vialaneix@inrae.fr
CDD data-management
Publiée le 28/03/2025 08:46.
CDD, Montpellier.
Entreprise/Organisme :INRAE
Niveau d'études :DUT/Licence ou équivalent
Durée du contrat :3 mois
Description :Le/la data-manager sera responsable de la structuration et de la documentation d'une base de données complexe, provenant de sources variées et de formats multiples. En effet, une partie des informations collectées est traitée grâce à des technologies avancées telles que l’OCR (Reconnaissance Optique de Caractère) et les LLMs (Large Language Models) tandis qu’une autre partie est saisie sur l’outil REDCap. L'objectif principal sera de garantir la cohérence et l'exploitabilité de la base de données pour permettre des analyses statistiques précises et fiables.
En savoir plus :https://umr-moisa.cirad.fr/l-unite
CDD_Data_Manager.pdf
Contact :pascaline.rollet@inrae.fr
Poste ATER Statistique CNAM (candidature avant le 2 avril 2025)
Publiée le 28/03/2025 08:46.
Référence : Poste ATER Statistique CNAM.
CDD, 2 Rue Conté, 75003 Paris.
Entreprise/Organisme :CNAM
Niveau d'études :Doctorat
Date de début :1/09/25
Durée du contrat :1 an
Secteur d'activité :Recherche secteur public
Description :Un poste d'ATER en Mathématiques appliquées (statistique) est actuellement publié au Conservatoire National des Arts et Métiers. La personne recrutée intégrera l'équipe pédagogique du département Mathématiques et Statistique et effectuera sa recherche au sein de l'équipe Méthodes statistiques de data-mining et apprentissage du laboratoire CEDRIC. Fiche de poste : https://presentation.cnam.fr/medias/fichier/ater-05-tp-apprentissages-des-donnees-statistiques-epn06_1741080222419-pdf?ID_FICHE=1163521&INLINE=FALSE Date de clôture : 2 avril 2025 16h00 Modalités de candidature : https://presentation.cnam.fr/le-cnam-recrute/recrutement-ater-campagne-2025-1490673.kjsp
En savoir plus :https://presentation.cnam.fr/medias/fichier/ater-05-tp-apprentissages-des-donnees-statistiques-epn06
ATER 05_TP_Apprentissages des données statistiques_EPN06 (3).pdf
Contact :iraj.mortazavi@cnam.fr
Ingénieur.e en biostatistique
Publiée le 28/03/2025 08:46.
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.
Durée du contrat :CDD de 12 mois renouvelable
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 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. 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 d’étude (IE) ou de recherche (IR) en biostatistique, en CDD pour une durée initiale de 12 mois. L'activité principale de la personne recrutée sera d'assurer la réalisation et la conduite de projets d’analyse de données biologiques (omiques, cliniques, imagerie, …) avec des outils statistiques appropriés - Recueillir les besoins et définir la stratégie de réponse la plus adaptée - Mettre en oeuvre les méthodes statistiques appropriées pour l’analyse - Apporter le conseil aux utilisateurs qui ont besoin de mettre en œuvre des outils statistiques - Synthétiser et présenter les résultats de manière adaptée au public (biologistes, statisticiens, bioinformaticiens) Formation requise : master ou diplôme d’ingénieur en (bio)statistique. Prise de fonction dès que possible.
En savoir plus :https://bilille.univ-lille.fr/news/detailed-news/join-bilille-team
202501_IE_IR_biostat_offre_poste.pdf
Contact :bilille@univ-lille.fr
Biostatistician in Advanced Methods department – Permanent position
Publiée le 28/03/2025 08:45.
CDI, Bordeaux.
Entreprise/Organisme :HORIANA
Niveau d'études :Master
Description :Horiana is a consulting company dedicated to epidemiology and biostatistics, designing and conducting real world healthcare studies. Horiana aims to support its clients − private and public/academic professionals in the healthcare field − at all stages of their projects. Within the Advanced Methods Department, you will be in charge of developing/implementing/reviewing innovative RWS methods, and performing Indirect Treatment Comparisons, as External Control Arms analyses, including documentation for regulatory purposes. You will closely work with our internal and external experts in various therapeutic fields such as oncology, infectious diseases, or rare disease for instance. You will also be involved in facilitating technical training on biostatistics and data science. Profile - A Master of Science (MSc) or Ph.D. degree in applied statistics in the fields of health and life sciences - At least 2-3 years of relevant experience as a biostatistician in a CRO, pharma, or academic environment - Experience in RWS or clinical studies - Good statistical programming skills (R as a minimum) - Good knowledge of regulatory standards (ISPOR, ICH, FDA, EMA, ENCEPP, HAS…) - Fluency in English - Autonomy, organization skills, and the ability to identify priorities - Aspiration for excellence and performance - Strong curiosity for unusual statistical methods -Willingness for training facilitation and knowledge sharing -Team spirit Mission • Write and review study statistical documentation (methodology, presentation, interpretation …) • Implement (programming) of relevant statistical analyses (NMA, MAIC, ITC, unconventional methods…) • Deliver the studies within timelines and quality standards • Contribute in building future projects and valorizing the results … • Write/collaborate in the drafting of quality documentation related to statistics • Build & maintain a deep level of innovative statistical skills Salary according to skills and experience Contact: info@horiana.com
En savoir plus :https://horiana.com/
20250319 Biostatistician Position Advanced.pdf
Contact :info@horiana.com
Biostatistician / data scientist on Secondary data – Permanent position
Publiée le 28/03/2025 08:45.
CDI, Bordeaux.
Entreprise/Organisme :HORIANA
Niveau d'études :Master
Description :Horiana is a consulting company dedicated to epidemiology and biostatistics, designing and conducting real-world studies in the healthcare field. Horiana aims to support its clients − private and public/academic professionals − at all stages of their projects. Within the the Secondary Databases department, you will be in charge of statistical analyses of epidemiological studies based on secondary databases (SNDS, PMSI, data warehouses, etc.). You will also be involved in other steps of the study (preparing responses to requests for proposals, design & analyses conception, meetings, dissemination of results). Strong skills in biostatistics and knowledge in epidemiology are required, and an interest or experience in data science (sequencing, clustering) and data visualization would be appreciated. Profile - A MSc or PhD degree in applied statistics in the fields of health and life sciences - At least 2-3 years of relevant experience in RWS in a CRO, pharma or academic environment - Strong statistical programming skills (SAS / R as a minimum) - Interest for Data Science (sequencing, clustering…) and/or data visualization - Experience in the use of French or other claims data (SNDS, PMSI) would be a plus - Proficiency in French and English - Autonomy, organization skills, and ability to identify priorities - Aspiration for excellence and performance -Team spirit Missions - Identification of relevant designs and statistical analyses to be implemented - Data management and programming of statistical analyses - Writing and reviewing of study documentation (methodology sections of synopsis and protocols, statistical analysis plans, statistical reports, etc.) - Preparation of meetings and presentation of statistical results - Writing/participation in the drafting of standard or specific operating procedures - Contribution to responses to request for proposals - Continuous development of personal scientific skills to keep up to date with scientific progress Salary according to skills and experience. Contact : info@horiana.com
En savoir plus :https://horiana.com/
20250319 Biostatistician Position secondary.pdf
Contact :info@horiana.com
Phd proposal in Physics-informed Machine Learning with applications in Materials Science
Publiée le 21/03/2025 13:07.
Thèse, Clermont-Ferrand, France.
Entreprise/Organisme :Phimeca - Aubert & Duval / SIGMA Clermont - LIMOS
Niveau d'études :Master
Sujet :Development of a Robust Inverse Optimization Methodology for the Design of New Steel Grades
Durée du contrat :3 years
Description :This PhD proposal is an excellent opportunity for persons interested in hybrid modeling, combining physics-based and AI-driven approaches, to accelerate the development of new steel grades while enhancing their robustness against various sources of uncertainty. Title: Development of a Robust Inverse Optimization Methodology for the Design of New Steel Grades Context and Objectives: The development of new steel grades follows a complex process, requiring multiple iterations between the target chemical composition, transformation processes, and heat treatments. This process is constrained by costs and uncertainties related to processing parameters and final material properties. The objective of this PhD is to develop a digital virtual testing tool that identifies the most promising chemical compositions for specific performance requirements. The approach relies on a multi-objective, multi-criteria inverse optimization, leveraging hybrid models that combine phenomenological laws with data-driven machine learning methods. Scientific and Technological Challenges: This research aims to overcome several methodological and technological challenges, including: - Hybrid modeling, combining multi-fidelity physical models and machine learning algorithms to establish relationships between chemical composition and material properties. - The development of a forward and backward simulation chain, integrating nested and multi-scale models to assess the impact of elaboration, transformation, and heat treatment parameters. - The inverse optimization problem formulation in a high-dimensional space (continuous and discrete variables, uncertainties, industrial constraints), requiring the development of robust statistical learning algorithms. Work Plan: - Literature review on inverse optimization methods and machine learning approaches applied to materials science. - Analysis of industrial databases provided by Aubert & Duval, extracting relevant features and preparing machine learning models. - Building a numerical model chain, integrating physical models and machine learning algorithms, to predict properties at different scales (microstructure and end-use properties). - Developing inverse optimization algorithms to identify optimal chemical compositions under industrial constraints. Candidate Profile: - Engineering or Master’s degree with strong background in machine learning and statistics. - Knowledge of materials science and experimental data analysis is a plus. - Experience in computer programming and numerical modeling. - Interest in applied research and interdisciplinary approaches (physical modeling, artificial intelligence). Supervision and Work Environment: - The PhD will be conducted at Phimeca Engineering (Cournon-d’Auvergne, France) in collaboration with Aubert & Duval. - Enrollment at LIMOS (CNRS UMR 6158, Clermont-Ferrand). - Supervision by Jean-Marc Bourinet, Julien Ah-Pine, Cécile Mattrand, and Antoine Gomond. - Funding CIFRE ANRT PhD. The application should include: - CV and cover letter. - Transcripts from the last three years. - Two recommendation letters. Contacts - bourinet@sigma-clermont.fr - julien.ah-pine@sigma-clermont.fr - cecile.mattrand@sigma-clermont.fr - gomond@phimeca.com
En savoir plus :No link
PhDthesis_Phimeca_AubertetDuval_SigmaClermont.pdf
Contact :julien.ah-pine@sigma-clermont.fr
PhD in Machine learning for genomics
Publiée le 21/03/2025 13:07.
Thèse, Paris.
Entreprise/Organisme :Mines Paris PSL
Niveau d'études :Master
Date de début :01/10/2025
Durée du contrat :36 mois
Description :Scientific background Thanks to the progress of sequencing technologies, it is now possible to collect and access sequencing and genomic information for large cohorts of patients, paving the way for the use of these technologies for many biotechnological and medical applications. Patient stratification and disease grading based on the results of a sequencing experiment is therefore becoming the standard of care in several diseases, and in cancer in particular. But despite a lot of research on the topic, discovering biomarkers using transcriptomic data remains challenging. Challenges include that patient stratification based on transcriptomic data lead to results that are often difficult to replicate, and that the genes selected as biomarkers are highly unstable [1]. Several reasons make biomarker discovery particularly difficult in this context. First, despite the increase in cohort sizes, the number of explanatory variables remains much larger than the number of patients. This is well known to be a difficult statistical setup. An additional difficulty arises due to the high level of correlation between the different genes. Indeed, many biological processes induce correlations between different genes’ expressions. As a result, it becomes difficult to differentiate genes that are truly causally associated to the outcome of interest from those that appear associated to the outcome solely because they are correlated to a causal gene. To tackle this question, we recently proposed to use a method called Knockoffs (KO), which was developed specifically to improve variable selection in high dimension [2], in particular in the case where input variables are correlated. We showed that KO improves marker genes selection as compared to state of the art in a simulated framework, drastically reducing the number of false discoveries. Despite these promising results, when applied to real data this method tends to discover very few to no marker genes. In addition, the method also fails when the outcome variable (i.e. the health status of the patient) depends on the input gene expression non-linearly. PhD Objectives The goal of the current PhD project would be to build on our previous results to develop a gene selection method based on KO that would be able to select genes even when the dependency between genes and outcome is not linear, as such non-linear scenario is actually very likely to occur in real data sets. In addition, due to its high computational cost, KO is currently difficult to apply on very large datasets, and in particular when the number of features is high. In our experiments, KO can deal with about at most 1,000 genes, far from the 20,000 genes of the human genome. To overcome those limitations, we propose to develop a KO method that selects groups of genes together instead of single genes as is implemented in our current procedure. Work on this topic already exists [3,4], but its applicability to classification problems on genome wide transcriptomics data remains to be determined. We further propose to group genes based on their common functional roles, thus also incorporating prior biological information in the gene selection process. Selecting groups of genes together would permit to effectively reduce the number of input features, and thus to apply KO on larger datasets. Required skills: Candidate should have a background in statistics and Machine learning or bioinformatics, and a strong interest both in method development and biological and medical applications. Scientific environment The Center for Computational Biology (CBIO) is a research center at Mines Paris; it is affiliated with its Department « Mathematics and Systems » and the joint unit "Computational Oncology (U1331)" with Institut Curie and INSERM. The CBIO develops methods in artificial intelligence, machine learning, and computer vision for applications in life sciences, covering a wide range of applications from fundamental biology to clinical applications. CBIO's collaborations allow it to work on data from various sources, such as DNA sequencing technologies, spatial transcriptomics, protein structures, large-scale microscopy, medical imaging, and electronic health records. The CBIO develops innovative mathematical methods and algorithms to analyze these massive, heterogeneous, and complex data, thus addressing biological or clinical questions. The CBIO is involved in several major initiatives in France, both for methodological development in AI and its applications in health. Supervision The PhD would be co-supervised by C.-A. Azencott, Professor in Machine learning for Genomics at Ecole des Mines and F. Massip, chargé de recherche in Bioinformatics at Ecole des Mines. Funding The opening of the position is not guaranteed and is dependent on the obtention of a scolarship through the funding schemes of Ecole des Mines. Refs: [1] Anne-Claire Haury , Pierre Gestraud, Jean-Philippe Vert, The Influence of Feature Selection Methods on Accuracy, Stability and Interpretability of Molecular Signatures, Plos ONE, (2011) [2] Emmanuel Candès, Yingying Fan, Lucas Janson, Jinchi Lv, Panning for Gold: ‘Model-X’ Knockoffs for High Dimensional Controlled Variable Selection, Journal of the Royal Statistical Society Series B: Statistical Methodology, Volume 80, Issue 3, June 2018, Pages 551–577, https://doi.org/10.1111/rssb.12265 [3] Chu BB, Gu J, Chen Z, Morrison T, Candès E, He Z, Sabatti C. Second-order group knockoffs with applications to genome-wide association studies. Bioinformatics. 2024 Oct 1;40(10):btae580. doi: 10.1093/bioinformatics/btae580. [4] Guangyu Zhu, Tingting Zhao (2021), Deep-gKnock: Nonlinear group-feature selection with deep neural networks, Neural Networks, 135, 139-147. doi: 0.1016/j.neunet.2020.12.004
En savoir plus :https://www.sfbi.fr/emplois/offre/202502270505-cdd-phd-in-machine-learning-for-genomics
Contact :florian.massip@minesparis.psl.eu
Poste d'ATER en section 26-27 - Département Science des Données IUT2 Grenoble
Publiée le 19/03/2025 09:48.
CDD, Grenoble.
Entreprise/Organisme :UGA/IUT2/Science des données
Niveau d'études :DUT/Licence ou équivalent
Date de début :01/09/2025
Durée du contrat :1 an
Description :Descriptif Enseignement : Le candidat ou la candidate sera amené(e) à intervenir dans différentes ressources et SAE du département, tant en informatique pour la science des données qu’en statistique, pour chacune des 3 années de la formation, en particulier en : - Systèmes d’information décisionnels, programmation Python ou Web pour la science des données - Statistique descriptive, programmation statistique, méthodes statistiques - Introduction au Big Data et à l’Intelligence Artificielle. Descriptif Recherche : Le candidat ou la candidate s’engage à rejoindre une des équipes d’un laboratoire grenoblois du pôle Mathématiques Sciences et Technologies de l’Information et de la Communication (MSTIC) de l’UGA (LIG, LJK, TIMC, etc.).
En savoir plus :https://www.stid-grenoble.fr
Profil ATER 2025_SD_CNU 26MCF2227_26-27.pdf
Contact :agnes.front@univ-grenoble-alpes.fr
Intégration multimodales avec données manquantes en blocs dans l'étude des effets à faibles doses
Publiée le 19/03/2025 09:23.
Référence : Thèse Bio-statistique/ Bio-informatique.
Thèse, Fontenay-aux-Roses.
Entreprise/Organisme :L'Autorité de sûreté nucléaire et de radioprotection (ASNR)
Niveau d'études :Master
Date de début :01/10/2025
Durée du contrat :3 ans
Description :Problématique et Objectifs: Des études épidémiologiques montrent l’effet d’une exposition à des rayonnements ionisants (RI) sur le développement de maladies cardiovasculaires (MCV, comme l'athérosclérose ou les accidents vasculaires cérébraux) pour des doses fortes à modérées (au-dessus de 500 mGy). La capacité statistique actuelle est contestée pour qualifier l’effet d’une exposition aux RI sur les MCV à des doses faibles compte tenu des biais, tel que les facteurs de confusion, au premier rang desquels le stress, connu pour activer le système nerveux sympathique impliqué dans les MCV. Or les MCV constituent une préoccupation forte de santé publique, responsable de la mort de près de 17,9 millions de pers./an selon l’Organisation Mondiale de la Santé. Pour faire progresser la compréhension des conséquences d’une exposition aux RI à faibles doses, les analyses s’appuient sur les données multi-omiques de la réponse biologique d’un organisme vivant. Toutefois, la diversification des types de données utiles à la réduction des facteurs de confusion induit une augmentation du risque de biais lié aux données manquantes, pour lequel le plafond acceptable établi entre 20 % et 30 % est ainsi souvent dépassé. Considérant qu’éliminer les données manquantes peut réduire gravement la précision de l’analyse, la thèse vise à construire une méthode d’analyse qui permette de traiter les données multi-omiques tout en intégrant les données manquantes à l’analyse des effets d’une exposition faible aux RI sur les MCV. Travaux -méthodes et moyens: Face à l’abondance croissante de données dans l’étude des effets des rayonnements ionisants (RI) à faible dose (RNA-seq, métabolomique, lipidomique…), l’exploitation efficace des données est confrontée au défi de la gestion des données manquantes induites par la diversification des données prise en compte. En effet celle-ci génère un ensemble d’échantillons/sujets inobservés pour certains types de données, formant des blocs des données manquantes. Ainsi, des approches méthodologiques spécifiques sont nécessaires pour intégrer les différentes modalités de données, en tenant compte des problématiques liées aux données manquantes et à la présence de facteurs confondants (dont les co-expositions), afin d'identifier les mécanismes d’action impliqués dans la réponse d’un organisme à un stress particulier. S’appuyant sur des données déjà générées, le.a candidat.e sera impliqué.e dans le développement d’algorithmes et de modèles statistiques pour l'analyse de grands ensembles de données biologiques, afin d’y intégrer convenablement le traitement des données manquantes et des facteurs confondants, notamment des co-expositions (Goujon E et al., 2024). Le.a candidat.e aura la charge de développer, tester et évaluer les outils statistiques en s’appuyant sur les méthodes proposées dans la littérature (Peltier C et al., 2023 ; Baena-Miret S et al. 2024). Les deux premières années de la thèse seront consacrées au développement méthodologique pour l’imputation des données et l’incorporation des facteurs dans une analyse intégrative. Et la dernière année sera consacrée à l’analyse des données et à l’interprétation des résultats par une analyse d’enrichissement des voies biologiques. La publication des résultats dans des revues internationales et la participation à des conférences sont attendues, notamment au sujet du développement méthodologique relatif à l’imputation des données multi-tableaux et des apports de l’intégration multimodale à l’étude des effets des facteurs de co-exposition sur les maladies cardio-vasculaires. Références: Elen Goujon, Olivier Armant, Clément Car, Jean-Marc Bonzom, Arthur Tenenhaus, and Imène Garali. Batch Effect Correction in a Confounded Scenario: a Case Study on Gene Expression of Chornobyl Tree Frogs. In Roberta Gori, Paolo Milazzo, and Mirco Tribastone, editors, Computational Methods in Systems Biology, pages 89–107, Cham, 2024. Springer Nature Switzerland. Peltier C, Le Brusquet L, Lejeune FX, Moszer I, Tenenhaus A (2022). “Missing Values in RGCCA: Algorithms and Comparisons.” In 8th International Conference on Partial Least Squares Structural Equation Modeling (PLS’22). Baena-Miret S, Reverter F, Vegas E. A framework for block-wise missing data in multi-omics. PLoS One. 2024 Jul 23;19(7):e0307482. doi: 10.1371/journal.pone.0307482. PMID: 39042603; PMCID: PMC11265675. Profil recherché: Le ou la candidat(e) doit être titulaire d’un master en Mathématique appliquées, Statistiques (parcours data et/ou analyse et modélisation des données) ou domaine connexe avec un intérêt pour la recherche en biologie ou en santé. Le ou la candidat(e) devra posséder un solide bagage théorique en algèbre linéaire et en statistique. Afin de valider et d’appliquer les méthodes développées, il est demandé la maitrise d’outils de programmation tels que R et Python. Un bon niveau d’anglais est essentiel. La capacité à travailler en équipe multidisciplinaire sera appréciée. Informations complémentaires: Le.a doctorant.e effectuera 60% de son temps de recherche au sein du LRAcc à l’ASNR sous l’encadrement de Dr. GARALI Imène (imene.garalizineddine@irsn.fr) et 40% au L2S (CentraleSupelec, Paris) sous la direction du Pr. TENENHAUS Arthur (arthur.tenenhaus@centralesupelec.fr). Des réunions régulières avec les biologistes du LRTOX à l’ASNR sont prévues.
En savoir plus :https://irsn-career.talent-soft.com/offre-de-emploi/emploi-integration-multimodales-avec-donnees-manquantes-en-blocs-dans-l-etude-des-effets-a-faibles-doses-h-f_1184.aspx
ASNR - Intégration multimodales avec données manquantes en blocs dans l'étude des effets à faibles doses H_F.pdf
Contact :imene.garalizineddine@asnr.fr
Biostatisticien.ne
Publiée le 17/03/2025 09:35.
CDD, Hôpital Saint-Louis, 1 avenue Claude Vellefaux 75010 Paris.
Entreprise/Organisme :APHP-Groupe Hospitalier Saint-Louis, Lariboisière, Fernand-Widal site Saint- Louis, URC Saint-Louis
Niveau d'études :Master
Date de début :Dès que possible
Rémunération :Grille de salaire APHP-DRCI
Secteur d'activité :Recherche clinique/Biostatistiques
Description :Le poste de Biostatisticien au sein de l’Unité de Recherche Clinique (URC) du Groupe Hospitalier Saint-Louis, Lariboisière, Fernand-Widal (site Saint-Louis), rattaché à la Délégation de la Recherche Clinique et de l’Innovation (DRCI), consiste à réaliser des analyses statistiques pour les études de recherche clinique. L’URC accompagne les projets de recherche clinique, principalement dans les domaines de l’hématologie, l’immunologie, la cancérologie, la thérapie cellulaire, la dermatologie, la réanimation, les urgences, et les maladies infectieuses. Le biostatisticien participera à la conception des Case Report Forms (CRF), validera les critères d’évaluation, rédigera le plan d’analyse statistique, réalisera des listes de randomisation, effectuera des analyses statistiques, mettra en forme les résultats et rédigera le rapport d’analyse. Il contribuera également à la rédaction d’articles scientifiques et d’abstracts, tout en assurant une veille scientifique dans son domaine. Le candidat doit avoir une formation en statistiques, biostatistiques ou épidémiologie clinique (niveau Master minimum), maîtriser le logiciel R et des outils comme RSweave, Rmarkdown et Latex. Il est attendu qu'il ait des qualités d’analyse, de synthèse, de rigueur, d’organisation, de curiosité intellectuelle, et un bon esprit d’équipe. Des connaissances en anglais scientifique, en éthique médicale, en méthodologie de recherche clinique et en réglementation sont également requises. Une possibilité d’enseignement en biostatistiques est envisageable selon le profil. Le poste est à temps plein (avec 1 à 2 jours de télétravail par semaine), en CDD avec possibilité de CDI par la suite. Le recrutement est à pourvoir rapidement
En savoir plus :https://www.sbim-stlouis.org/index.php/jobs/biostatisticienne/
Fiche_de_poste_Biostatisticien_11032025.pdf
Contact :jerome.lambert@u-paris.fr
Sensibilité des multiples performances des élevages bovins laitiers à leur environnement économique
Publiée le 17/03/2025 09:34.
Thèse, Rennes.
Entreprise/Organisme :Institut national de recherche pour l’agriculture, l’alimentation et l’environnement (INRAE)
Niveau d'études :Master
Durée du contrat :3 ans
Secteur d'activité :Agrnonomie
Description :Dans un contexte de changement climatique dû aux émissions de gaz à effet de serre (GES) d’origine anthropique, l’agriculture, responsable de 18 % de ces émissions de GES en France (Haut Conseil pour le Climat, 2024), et plus particulièrement l’élevage (responsable de 59 % des émissions du secteur agricole dont 83 % attribuées aux élevages bovins), sont amenés à réduire leurs impacts environnementaux (par ex., contributions aux changement climatique, consommation d’énergie et eutrophisation). Les changements de pratiques de gestion des élevages bovins laitiers nécessaires pour réduire leurs impacts environnementaux, tout en préservant leur viabilité économique et les services qu’ils rendent, nécessitent de bien cerner les interactions et dépendances au sein de ces élevages. La modification de certaines pratiques de gestion par les éleveurs engendre des effets sur les multiples fonctions des élevages, ce qui soulève la problématique d’une bonne description des antagonismes et synergies entre les productions animales (par ex., lait, viande), autres productions agricoles (par ex., cultures de vente, biogaz) et les services fournis par les élevages (par ex., stockage de carbone, production de bois, préservation de la biodiversité). De nombreux travaux recherchent des compromis pour améliorer certaines performances des élevages des ruminants, notamment en réduisant leurs impacts environnementaux sans détériorer leur provision des services écosystémiques (Accatino et al., 2019), en mettant en œuvre diverses approches de modélisation. D’autres travaux évaluent les performances environnementales des élevages bovins laitiers en collectant des données pour établir des typologies d’élevages (Kuivanen et al., 2016) ou analyser leur sensibilité à divers aléas (Mosnier et al., 2010). Le projet de thèse s’appuiera sur les travaux déjà développés pour évaluer les multiples performances (par ex., environnementales, économiques, services écosystémiques) des élevages bovins laitiers en se basant sur des analyses descriptives des données d’élevages ou sur la modélisation de leur fonctionnement (Ouachene et al., 2024). Une étude bibliographique sera menée en deux volets principaux. Le premier volet consistera à cibler et définir les variables descriptives des élevages bovins laitiers et de leur contexte (par ex., climatique, économique), les impacts environnementaux auxquels ils contribuent, et les produits et services issus des élevages. Le second volet explorera des approches d’analyse des données collectées et de modélisation statistique. Plusieurs approches de modélisation pourront ensuite être explorées, telles que des approches de régression non-paramétrique pour décrire des relations entre certaines variables d’intérêt et d’autres variables, sans hypothèse paramétrique a priori sur la forme de ces relations (par ex., les modèles additifs généralisés). De même, l’approche statistique de modélisation par copules est envisagée pour sa capacité à (i) formaliser une large variété de structures de dépendance complexes (par ex., non-linéaires, extrêmes) entre variables et en particulier (ii) à modéliser les dépendances entre des aléas de natures différentes, y compris les dépendances de queue (Senga Kiessé et al., 2022). Le projet de thèse repose sur l’hypothèse que le développement d’élevages bovins laitiers durables nécessite une évaluation multicritère qui intègre leurs multiples fonctions ainsi que la prise en compte de l’influence des contextes économiques et climatiques. Les questions de recherche qui seront traitées sont : • Comment évaluer l’influence du contexte économique (par ex., national, régional) sur les décisions des éleveurs et les performances environnementales des élevages bovins laitiers associées ? • Comment modéliser les synergies et antagonismes entre les pratiques de gestion, les produits et les services associés aux élevages bovins laitiers ? • Comment réduire les impacts environnementaux des élevages bovins laitiers sans dégrader les services qu’ils rendent, en tenant compte des fluctuations de leurs contextes climatique et économique ? Profil recherché : • Titulaire d’un diplôme de niveau Master 2 ou ingénieur en modélisation statistique avec un goût pour les domaines appliqués. La connaissance des systèmes agricoles, notamment bovin laitier, serait un plus. • Maîtrise de logiciels/languages de traitement statistique/modélisation (par ex., R, Python) et d’approches de modélisation statistique • Aptitude à communiquer en français et en anglais (oral et écrit) et à travailler avec une équipe de recherche interdisciplinaire
En savoir plus :https://umrsas.rennes.hub.inrae.fr/
ProfilThese_SensiELE_- SAS_INRAE-FR_2025-v2.pdf
Contact :tristan.senga-kiesse@inrae.fr
Junior Professor Chair (CPJ) in Statistics
Publiée le 17/03/2025 09:34.
Référence : CPJ LMBA UBS.
CDD, Vannes.
Entreprise/Organisme :University of South Brittany - LMBA UMR CNRS 6205
Niveau d'études :Doctorat
Date de début :01/09/2025
Durée du contrat :4 years
Rémunération :Depending on experience
Secteur d'activité :Statistics
Description :The University of South Brittany is hiring a Junior Professor Chair (CPJ) in Statistics! This position provides a unique opportunity to develop advanced research in statistics, with applications open to various scientific and societal challenges. Teaching: 42h/year in statistics, mainly at the Master's level Research: Bayesian statistics, non-parametric statistics, spatial statistics, statistical learning, time series analysis, extreme value modeling… Funding: €200,000 for equipment, personnel, and operational costs Tenure Track: Position leading to a tenured professorship (Professeur des Universités) after 4 years Location: Campus Tohannic, Vannes, France UBS and LMBA UMR CNRS 6205 provide a dynamic and collaborative environment.
En savoir plus :https://www.univ-ubs.fr
CPJ_LMBA_UBS.pdf
Contact :francois.septier@univ-ubs.fr
2-year Postdoc position in Mathematics (funded by Amidex)
Publiée le 10/03/2025 11:01.
Postdoc, Marseille.
Entreprise/Organisme :Aix-Marseille University, Marseille Institute of Mathematics
Niveau d'études :Doctorat
Date de début :01.09.2025
Durée du contrat :24 months
Rémunération :according to the French scale
Secteur d'activité :Statistics
Description :Applications are invited for a two-year full time post-doc position starting in September-October 2025 in the A*MIDEX Chaire d'Excellence-funded project “Nonstationary Models of Biological Signals” (NOMOS), Principal Investigator Prof. Anna Dudek. According to the requirements of this funding program, candidates should not be currently employed by the Aix-Marseille University and should have obtained their last degree outside AMU. Interviews with candidates will be conducted in English. Project NOMOS Overview Nonstationary signals are at the forefront of modern statistical analysis, as many observed phenomena cannot be adequately modeled by stationary processes. The NOMOS project aims to develop a new generation of nonstationary models and algorithms for analyzing various biological signals. The project will focus mainly on developing innovative models for biomedical signals with irregular cyclicity and exploring potential machine learning applications. Position Objective: The primary focus of this position is to develop concentration inequalities in the nonstationary setting, specifically for periodic Markov chains and periodic time series. Responsibilities also include coding the proposed algorithms in R or Python, such as methods for splitting periodic time series into regeneration blocks, and applying them to real biomedical datasets. The role requires the ability to effectively communicate technical material and build both internal and external collaborations. Additional responsibilities may include assisting in the supervision of student projects, supporting the development of student research skills, providing instruction, or planning and delivering seminars related to the research area. Profile: strong background in statistics (PhD in statistics). Expertise in Markov chains and concentration inequalities is highly desirable. Knowledge of R and/or Python.
En savoir plus :https://academicpositions.com/ad/aix-marseille-universite/2025/two-year-postdoc-position-in-mathematics-funded-by-amidex/230116
Contact :aedudek@agh.edu.pl

<1>  2  3  4  5  Page suivante

 
 
©2025 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 :