Consulter les offres d’emploi

Doctorat en hydrologie statistique (Québec, Canada)
Publiée le 13/11/2024 11:12.
Thèse, Québec (Québec) Canada.
Entreprise/Organisme :Institut national de la recherche scientifique
Niveau d'études :Master
Sujet :Prévision de la demande en eau potable à l’aide de la science des données
Date de début :Hiver 2025
Rémunération :Bourse de l'INRS
Secteur d'activité :Recherche universitaire
Description :Ce projet s’inscrit dans un programme de recherche université-industrie dont l’objectif global est d’accroître les connaissances scientifiques et développer des outils permettant d’améliorer la gestion des réseaux de distribution d’eau potable. L’objectif de la thèse est de développer des modèles prédictifs novateurs pour la consommation d’eau potable. Ces modèles visent la régularisation des débits et des pressions dans les réseaux de distribution, la gestion proactive des besoins en eau, l’optimisation énergétique des pompes et la détection des fuites majeures. Les changements climatiques, l’accroissement de la population et l’étalement urbain exercent une pression croissante sur les services et les ressources en eau. Plusieurs approches ont été développées pour sécuriser et optimiser l’alimentation en eau potable. Or, les modèles existants dans la littérature pour la prédiction de la demande en eau ont de nombreuses limites et lacunes. Pour les surmonter, ce programme de recherche vise à développer des modèles et méthodologies novatrices ayant des retombées pratiques directement exploitables par le partenaire industriel, mais ayant aussi des avantages économiques pour les municipalités au Canada. L’étudiant.e utilisera et développera principalement des modèles d’apprentissage automatique combinés avec des méthodes statistiques.
En savoir plus :https://inrs.ca/la-recherche/professeurs/fateh-chebana/
Contact :fateh.chebana@inrs.ca
Stage Master 2
Publiée le 13/11/2024 09:23.
Stage, UMU MISTEA, 2 Place Viala 34060 MONTPELLIER.
Entreprise/Organisme :INRAE
Niveau d'études :Master
Sujet :Modélisation statistique de l’Impact des facteurs climatiques sur la coloration des pommes à chair rouge : détermination des facteurs climatiques et des phases développementales clés
Date de début :à partir de Février 2025
Durée du contrat :6 mois
Rémunération :650 euros/mois
Secteur d'activité :Modélisation statistique
Description :Contexte et problématique Depuis plusieurs années émerge le besoin de renouvellement des variétés de pommes cultivées. Ainsi, des programmes innovants de création variétale se sont structurés et ont permis l’émergence de nouveaux hybrides et variétés, notamment à chair rouge. Chez le pommier, le développement de la coloration rouge dans la chair des fruits résulte de l’accumulation d’anthocyanes (famille des flavonoïdes). Ces molécules se retrouvent communément chez les plantes et procurent des effets bénéfiques de type anti-oxydant et anti-cancéreux chez les mammifères (Cooke et al., 2005). Chez la pomme, de récentes études ont montré que des gènes de types facteurs de transcription (FT) jouent un rôle majeur dans la régulation de la synthèse de ces polyphénols, à la fois dans l’épiderme mais aussi dans la chair des fruits (Chagné et al., 2007, 2013 ; Espley et al., 2007, 2019 ; Sato et al., 2019). L’expression de certains gènes, incluant des facteurs de transcription (FT), peut elle-même être influencée par un ensemble de facteurs agro-climatiques tels que le stress hydrique (Wang et al., 2020), des températures élevées (Bars-Cortina et al., 2018) ou encore des variations de rayonnement (Honda et al., 2017). De plus, l’effet des stress abiotiques sur la dynamique d’accumulation des métabolites spécialisés, comme les anthocyanes, dans les fruits n’est pas univoque et dépend du scénario de stress (intensité, moment d’application). Ainsi, la multiplication et le test de nouvelles variétés de pommes à chair rouge par notre partenaire IFO (obtenteur de nouvelles variétés, Groupe DALIVAL, TERRENA) dans de nombreux environnements contrastés a récemment conduit à l’observation de phénotypes de couleur de fruits très diverses (Figure 1). Le phénotype de certains hybrides considérés comme produisant un pourcentage élevé de fruits à chair rouge s’est révélé très changeant en fonction des environnements dans lesquels ces hybrides ont été testés. Ces variations peuvent aller jusqu’à un facteur 10 pour les teneurs en anthocyanes. En partenariat avec IFO, l’équipe Valema de l’UMR IRHS Angers, a développé une méthode de phénotypage de l’intensité et de la répartition de la coloration dans la chair des pommes par analyse d’images (Bouillon P, Fanciullino A-L, Belin E, Bréard D, et al. 2024.). Cette méthode a pu être appliquée à 6 génotypes de pommes à chair rouges et 4 sites présentant des climats contrastés (Figure 1). Nous disposons ainsi d’une base de données incluant les données de phénotypage ainsi que les données climatiques au cours de la saison de production. C’est dans ce contexte que nous proposons un sujet de stage interdisciplinaire grâce à une collaboration entre l’UMR MISTEA Montpellier (Mathématiques, Informatique et Statistiques) et l’UMR IRHS Angers (écophysiologie, biochimie du fruit, épi/génétique et génomique) pour répondre aux questions suivantes : Quelles sont les variables climatiques qui impactent le développement de la coloration rouge de la chair des pommes ? Peut-on quantifier et hiérarchiser ces effets ? Quelles sont les phases clés au cours du développement du fruit ? Quelles sont les interactions entre variables ? Objectifs du stage Avec les données ainsi collectées, nous proposons de tester et de comparer les résultats de plusieurs approches de statistique de régression sous contraintes (fused and/or lasso) qui permettent de sélectionner - identifier les meilleurs prédicteurs (parmi les variables climatiques et leurs interactions ou parmi les plages/phases du processus) de la couleur de la pomme. Les analyses envisagées seront réalisées sous R avec les fonctions du package SpiceFP (Gnanguenon Guesse & al., 2021) et potentiellement avec celles du package BLiss (Paul-Marie Grollemund & al. 2024). Ces deux packages ont été développés au sein de l’UMR MISTEA. L’analyse pourra entraîner d’éventuels développements sous R en dehors de ces packages si nécessaire. SpiceFP est basé sur une transformation des variables climatiques temporelles en variables catégorielles (où chaque catégorie est définie comme une plage de valeurs). Les tableaux de contingence (tableaux croisés) des modalités ainsi constituées sont utilisées comme variables explicatives pour effectuer une collection de régressions multiples sous contraintes. Les régresseurs sont les fréquences associées aux combinaisons de modalités (plages de valeurs des variables climatiques). La sélection finale des combinaisons et la valeur des coefficients de régression permettent d’identifier les conditions climatiques favorables (les combinaisons température, ETP, radiation etc. favorables ou défavorables pour chaque génotype).
En savoir plus :https://mistea.montpellier.hub.inrae.fr/
Master2-2025-MISTEA-Montpellier.pdf
Contact :patrice.loisel@inrae.fr
Comparaison des différentes méthodes d'analyse de essais de phase II/III
Publiée le 13/11/2024 09:23.
Référence : Offre de Stage en Biostatistiques.
Stage, CHU Angers - Unité de Biostatistiques de de Méthodologie.
Entreprise/Organisme :CHU d'Angers
Niveau d'études :Master
Sujet :Se référer au pdf pour plus de détails
Date de début :Janvier/Mars 2023
Durée du contrat :6 mois
Rémunération :Grille de la fonction publique Hospitalire
Secteur d'activité :Biostatistiques
Description :Se référer à l'offre de stage au format pdf
En savoir plus :NA
Offre de stage de Master 2 en Statistiques et Santé.pdf
Contact :jeremie.riou@univ-angers.fr
Pierre Fabre Stage Fin Etudes Bras Comparateurs Externes dans les Essais Cliniques
Publiée le 13/11/2024 09:23.
Référence : Pierre Fabre Stage Fin Etudes Bras Comparateurs Externes dans les Essais Cliniques.
CDD, Toulouse.
Entreprise/Organisme :Pierre Fabre
Niveau d'études :Master
Sujet :Le/La candidat(e) retenu(e) rejoindra notre Département de Biométrie en tant que stagiaire et se concentrera sur l'intégration des bras de contrôle externes dans les essais cliniques. Les bras de contrôle externes impliquent l'utilisation de données du monde réel ou de données historiques d'essais cliniques pour les comparer aux traitements expérimentaux, éliminant ainsi le besoin de bras de contrôle ou réduisant la taille de l'échantillon du bras de contrôle. Il s'agit d'un domaine émergent en biostatistique qui offre un potentiel pour améliorer la conception et l'efficacité des essais cliniques, en particulier dans les domaines où les essais contrôlés randomisés sont difficiles à réaliser. Responsabilités principales : • Revue de la littérature et des directives des différentes autorités de santé concernant les contrôles externes et les comparaisons indirectes. • Collecte et intégration des données : Aider à créer ou à rassembler et préparer des données du monde réel (RWD) ou des données historiques d'essais cliniques pour l'analyse. • Analyse statistique : Appliquer des techniques statistiques avancées, telles que l'appariement par score de propension, la pondération par probabilité inverse de traitement, et d'autres méthodes d'inférence causale, pour créer des bras de contrôle externes et effectuer des comparaisons indirectes, basées à la fois sur des données agrégées ou individuelles. • Collaboration : Travailler en étroite collaboration avec les biostatisticien·ne·s, les chercheur·euse·s cliniques et les data scientists pour garantir une analyse robuste et reproductible. • Documentation : Aider à documenter les plans d'analyse statistique, les méthodes et les résultats de manière claire et concise à des fins de rapport en créant un document d'instructions interne. Compétences et Qualifications : • Étudiant·e en Master de Sciences en Statistiques, Biostatistiques, Mathématiques Appliquées, ou dans un domaine connexe (ENSAI, ISPED, INSA, …). • Solide connaissance des méthodologies statistiques, y compris l'analyse de survie, l'inférence causale et les modèles de régression. • Maîtrise du logiciel statistique R, avec une utilisation fréquente de tidyverse, ggplot2, RMD. • Familiarité avec la conception d'essais cliniques et les données de vie réelle est un avantage. • Excellentes compétences en résolution de problèmes. • Solides compétences en communication et capacité à présenter des concepts statistiques complexes à un public non technique. • Compétences linguistiques : l'anglais, à l'oral et à l'écrit, est requis. Le stage peut commencer à partir du 3 février 2025. Nous attendons avec impatience de recevoir votre candidature ! Processus de Candidature Les candidat·e·s intéressé·e·s doivent soumettre leur CV et une lettre de motivation détaillant leur expérience et leurs qualifications pour ce poste. Le maître de stage est David Jégou. Le responsable du Département de Biométrie est Guillaume Desachy. Nous avons hâte d'accueillir un·e nouveau·elle stagiaire dans notre équipe dévouée et innovante chez Pierre Fabre.
Date de début :A partir du 3 février 2025
Durée du contrat :6 mois
Rémunération :Sera partagé lors du processus de recrutement.
Secteur d'activité :Industrie Pharmaceutique
Description :Pierre Fabre is the 2nd largest dermo-cosmetics laboratory in the world, the 2nd largest private French pharmaceutical group and the market leader in France for products sold over the counter in pharmacies. Its portfolio includes several medical franchises and international brands including Pierre Fabre Oncologie, Pierre Fabre Dermatologie, Eau Thermale Avène, Klorane, Ducray, René Furterer, A-Derma, Naturactive, Pierre Fabre Oral Care. Established in the Occitanie region since its creation, and manufacturing over 95% of its products in France, the Group employs some 10,000 people worldwide. Its products are distributed in about 130 countries. 86% of the Pierre Fabre Group is held by the Pierre Fabre Foundation, a government-recognized public-interest foundation, while a smaller share is owned by its employees via an employee stock ownership plan. In 2019, Ecocert Environment assessed the Group’s corporate social and environmental responsibility approach in accordance with the ISO 26000 sustainable development standard and awarded it the “Excellence” level. Pierre Fabre is recognized as one of the "World's Best Employers 2021" by Forbes. Our group is ranked in the Top 3 in the cosmetics industry and in the Top 10 in the pharmaceutical industry worldwide.
En savoir plus :https://bit.ly/pf-biometry-2025-internship
Contact :david.jegou@pierre-fabre.com
Internship: Stochastic Weather Generators to evaluate climate change impact on apples
Publiée le 13/11/2024 09:23.
Stage, Montpellier.
Entreprise/Organisme :INRAE - MISTEA
Niveau d'études :Master
Sujet :Study the present and future climate variability and its impact on the blooming date of Apple and Vine trees.
Date de début :Feb 2025 (flexible)
Durée du contrat :4-6 month
Rémunération :~600€/month
Secteur d'activité :Applied Mathematics, Statistics, Modeling, Environment, Climate
Description :This internship aims to develop a coupled model between a spatial Stochastic Weather Generator for temperature and phenological models for apple and grapevines. Once the prototype is done, its results will be analyzed using different climate scenarios. More details in the attached offer. FRENCH version https://davidmetivier.mistea.inrae.fr/extra/internship_swg_apple_2025_FR.pdf
En savoir plus :https://davidmetivier.mistea.inrae.fr/extra/internship_swg_apple_2025.pdf
internship_swg_apple_2025.pdf
Contact :david.metivier@inrae.fr
Model Informed Deep Learning to forecast water quality in lakes
Publiée le 13/11/2024 09:23.
Stage, Montpellier.
Entreprise/Organisme :INRAE - MISTEA
Niveau d'études :Master
Sujet :This internship aims to develop a predictive model that combines data-driven and physics-based approaches to make reliable forecasts based on real-world data.
Date de début :Feb 2025 (flexible)
Durée du contrat :4-6 month
Rémunération :~600€/month
Secteur d'activité :Applied Mathematics, Deep Learning, Modeling, Environment
Description :More info on the attached offer. FRENCH version https://davidmetivier.mistea.inrae.fr/extra/internship_DL_lake_2025_FR.pdf
En savoir plus :https://davidmetivier.mistea.inrae.fr/extra/internship_DL_lake_2025.pdf
internship_DL_lake_2025.pdf
Contact :david.metivier@inrae.fr
DATA SCIENCE INTERN
Publiée le 13/11/2024 09:22.
Référence : ATX24-07.
Stage, Lyon, France.
Entreprise/Organisme :AUROBAC Therapeutics
Niveau d'études :Master
Sujet :As a Data Science Intern at AUROBAC, (1) you will take the lead in developing, implementing, and assessing machine learning tools for in-silico molecule screening. (2) You will engage in biomarker research projects by applying statistical methods to clinical and multi-omics databases. (3) Additionally, you will support the R&D and Business Development teams by providing insights through a range of statistical analyses.
Durée du contrat :4 to 6 months
Secteur d'activité :Biotechnologies
Description :Develop, implement and assess machine learning tools for in-silico molecule screening: 1. Maintain the training database up-to-date by incorporating the latest available data, enriching it with new sources, and performing data cleaning to ensure a high level of quality 2. Conduct a literature review to identify machine learning approaches tailored to the specific needs of the program 3. Implement such approaches and evaluate them, to surpass the performance of current models, particularly in the context of small datasets 4. Regularly apply these approaches within an experimental validation framework 5. Implement explainable machine learning approaches and statistical methods to identify molecular features of interest Engage in biomarker research projects by applying statistical methods to clinical and multi-omics databases: 1. Help refine and specify research questions with the R&D team by providing statistical insights, including framing questions in quantitative terms 2. Participate in identifying relevant clinical and/or omics databases 3. Based on the project’s status, assist with data cleaning and apply statistical methods and machine learning algorithms to uncover biomarkers
En savoir plus :https://aurobac-tx.com/
2024.10.18 ATX24-07 Data Science Intern 6 months ad.pdf
Contact :jobs@aurobac-tx.com
Exploration de modèles bayésiens pour l’évaluation des degrés d’équivalence et leur incertitude
Publiée le 06/11/2024 10:24.
Référence : STA/DEGLIB/DMSI.
Stage, Trappes.
Entreprise/Organisme :LNE
Niveau d'études :Master
Sujet :Garantir l’équivalence des mesures entre les pays, et au sein d’un même pays, est essentiel pour permettre les échanges commerciaux, les partenariats industriels, mais aussi dans le domaine de la santé, de l’environnement, et plus généralement dans tout domaine où la prise de décision est informée par des mesures. La démarche est coordonnée au niveau international par l’organisation de campagnes de mesures ciblées dites comparaisons-clés impliquant des laboratoires au plus niveau de traçabilité métrologique : les laboratoires nationaux de métrologie (LNM) qui veillent au maintien des étalons nationaux et à leur dissémination dans la chaîne de traçabilité (par exemple via la production commerciale de matériaux de référence certifiés en chimie). La décision d’équivalence ou de non équivalence des laboratoires est basée sur l’estimation des degrés d’équivalence et de leur incertitude associée à partir de l’analyse statistique des mesures des laboratoires et de leurs incertitudes associées lors de la comparaison-clé. La méthode choisie pour l’estimation des degrés d’équivalence doit être documentée et la complexité de son estimation dépend de la nature de la comparaison. Des guides ou des recommandations spécifiques aux domaines peuvent être disponibles. Participer à une comparaison-clé est nécessaire pour que les laboratoires puissent ensuite publier leur Calibration and Measurement Capabilities (CMC) sur le site internet du BIPM (https://www.bipm.org/kcdb/). Les CMC représentent les incertitudes que les laboratoires sont capables d’atteindre et sont des critères de choix des laboratoires par les industriels. En cas de non équivalence, le laboratoire est grisé pour le type de mesure concerné et ne peut donc pas être choisi. Dans le cas le plus courant de comparaisons-clé où chaque laboratoire mesure le même matériau, la méthode statistique la plus simple consiste à construire une valeur de consensus (moyenne, médiane,…) et à définir le degré d’équivalence soit de manière unilatérale (comme étant la différence entre la valeur d’un laboratoire et la valeur de consensus) soit de manière bilatérale (comme étant la différence entre les valeurs renvoyées par deux laboratoires). Ce type de comparaison a été intensivement traité dans la littérature et ne fait pas l’objet des contributions du stage. Le cadre du stage concerne un type de comparaison-clé axé directement sur la comparaison des matériaux de référence certifiés produits commercialement par les laboratoires. Dans l’exemple concret qui servira de fil rouge au stage, la démarche recommandée en vue de l’établissement des CMC consiste à comparer les valeurs assignées renvoyées par les laboratoires avec leurs incertitudes associées, avec des mesures réalisées par un même laboratoire (le pilote) sur l’ensemble des matériaux dans les mêmes conditions. Comme les matériaux produits couvrent une étendue de valeurs possibles, l’approche statistique consiste à établir la relation entre les mesures (en y) et les valeurs assignées (en x) sous la forme d’une droite de régression (droite de consensus) avec incertitudes en x et en y. Le degré d’équivalence unilatéral des matériaux est alors défini de manière globale comme un écart à la droite. L’approche bayésienne sera le cadre de ce travail, car elle est particulièrement adaptée aux problèmes de métrologie déjà formulés sous la forme d’un modèle statistique, par exemple pour l’estimation de relations fonctionnelles (modèles de régressions,…) et aux problèmes nécessitant de combiner de nombreuses sources d’incertitude. Intégré(e) au sein du département Science des Données et Incertitudes, votre rôle sera de contribuer méthodologiquement aux travaux sur un type de comparaison-clé impliquant une modélisation fonctionnelle des données. Les développements à réaliser au cours de ce stage s’articulent de la manière suivante :  Proposer différentes modélisations bayésiennes de la comparaison-clé afin de prendre en compte les informations auxiliaires sur la réalisation des mesures par le laboratoire pilote (effet des conditions expérimentales, effet de la préparation des échantillons,…) ;  Estimer la loi jointe a posteriori des paramètres et des degrés d’équivalence dans les différentes modélisations ;  Interpréter les distributions a posteriori des degrés d’équivalence dans les différentes modélisations afin d’illustrer l’effet de la modélisation sur la significativité des degrés d’équivalence  Rédiger un rapport scientifique synthétisant vos résultats.  Fournir les codes R ou Python.
Date de début :mars/avril 2025
Durée du contrat :6 mois
Rémunération :1255 € brut / mois pour une formation bac +5
Secteur d'activité :Recherche et Développement
Description :Leader dans l’univers de la mesure et des références, jouissant d’une forte notoriété en France et à l’international, le LNE soutient l’innovation industrielle et se positionne comme un acteur important pour une économie plus compétitive et une société plus sûre. Au carrefour de la science et de l’industrie depuis sa création en 1901, le LNE offre son expertise à l’ensemble des acteurs économiques impliqués dans la qualité et la sécurité des produits. Pilote de la métrologie française, notre recherche est au cœur de notre mission de service public et constitue un facteur fondamental au soutien de la compétitivité des entreprises. Nous avons à cœur de répondre aux exigences des industriels et du monde académique, pour des mesures toujours plus justes, effectuées dans des conditions de plus en plus extrêmes ou sur des sujets innovants tels que les véhicules autonomes, les nanotechnologies ou la fabrication additive.
En savoir plus :https://www.lne.fr/fr
Stage LNE 2025 Stat diffusion.pdf
Contact :severine.demeyer@lne.fr
Stage Master 2:Machine learning et réseaux phylogénétiques pour l'inférence du pangénome du pommier
Publiée le 06/11/2024 10:23.
Référence : Machine learning et réseaux phylogénétiques, Projet PAN-PHYLO-NET.
Stage, Laboratoires IRHS et LAREMA.
Entreprise/Organisme :Université d'Angers / CNRS / INRAE
Niveau d'études :Master
Sujet :cf. fichier pdf joint
Date de début :01/03/2024
Durée du contrat :6 mois
Rémunération :Gratification réglementaire pour les stages M2
Secteur d'activité :Statistique, Processus stochastiques en évolution, Bioinformatique
Description :cf. fichier pdf joint
En savoir plus :https://rabier.github.io et https://raschel.perso.math.cnrs.fr
StageM2SFDS.pdf
Contact :charles-elie.rabieratuniv-angers.fr/kilian.raschel@univ-angers.fr
Improvement of AI-Based Meteorological Emulators: Filling in Missing Variables
Publiée le 05/11/2024 14:58.
Référence : Prof. Julie Carreau.
Postdoc, Montréal, Canada.
Entreprise/Organisme :Polytechnique Montréal, Canada
Niveau d'études :Doctorat
Date de début :starting in January 2025
Durée du contrat :12 months
Rémunération :stipend of 75 000 CAD per year
Secteur d'activité :AI for climate
Description :AI-based meteorological emulators (such as GraphCast) do not provide all the necessary variables, unlike traditional numerical weather prediction models (such as those from Environment and Climate Change Canada). This limitation complicates the use of AI-based emulators for operational forecasting, particularly for the creation of specialized products and the prediction of significant weather events. This project aims to develop and implement artificial intelligence methods to fill in the missing variables in meteorological emulators, thereby creating more complete representations of current numerical prediction models. The goal is to enable the use of these models on computing infrastructures optimized for graphical processing units (GPUs), thus reducing the costs and complexity of atmospheric modeling. This will allow better adaptation and exploitation of existing emulators, even when certain essential variables are unavailable, to meet the specific needs of our clients. In the long term, the project seeks to establish a reference methodology for the selection and simulation of key variables across various types of meteorological emulators, contributing to the improvement of techniques in this field.
En savoir plus :https://www.polymtl.ca/expertises/en/improvement-ai-based-meteorological-emulators-filling-missing-v
Contact :julie.carreau@polymtl.ca
Stage intégration de données omiques et cliniques
Publiée le 05/11/2024 14:58.
CDD, Lille / Villeneuve d'Ascq.
Entreprise/Organisme :Université de Lille / Inria
Niveau d'études :Master
Sujet :Intégration de données omiques et cliniques
Rémunération :Gratification réglementaire
Description :Intégration de données omiques et cliniques
En savoir plus :https://metrics.univ-lille.fr/
202410_sujet_stage_M2_biostat.pdf
Contact :guillemette.marot@univ-lille.fr
Analyse de données de séquençage en « noyau unique »
Publiée le 05/11/2024 14:58.
Stage, Toulouse.
Entreprise/Organisme :LIPME / IMT
Niveau d'études :Master
Description :Analyse de données de séquençage en « noyau unique » pour comprendre l’effet de signaux bactériens sur le fonctionnement de la racine d’une plante légumineuse modèle étudiée au LIPME
En savoir plus :https://www.lipme.fr/
SujetStageM2-LIPME-IMT-2425.pdf
Contact :cathy.maugis@insa-toulouse.fr
Stage M2 - Santé de la vigne et risque climatique - Inrae / Université de Bordeaux
Publiée le 05/11/2024 14:58.
Référence : Stage M2 - Santé de la vigne et risque climatique - Inrae / Université de Bordeaux.
Stage, Institut de la Vigne et du Vin / Inrae / Université de Bordeaux.
Entreprise/Organisme :Université de Bordeaux / INRAE
Niveau d'études :Master
Sujet :Prédiction de l'évolution de l’incidence de l’esca en France avec le changement climatique
Date de début :06/01/2025
Durée du contrat :6 mois
Rémunération :gratification réglementaire
Secteur d'activité :Science de la vigne / Santé de la vigne
Description :L’objectif de ce stage sera de modéliser l’évolution du risque d’expression de symptômes d’esca de la vigne (maladie vasculaire) à l’échelle du territoire métropolitain en fonction de prédiction climatique décénnale. Des projections climatiques futures sur un horizon plus long (milieu et fin du siècle) pourront également être utilisées pour simuler ce risque. Les données d'incidence annuelle d'esca, pour les différentes cépages, classes d’âge et grands bassins viticoles en France depuis 2003 sont visualisables sous forme de graphiques et tableaux de bords dans une application en libre accès : https://app-maladies-bois-vigne.sk8.inrae.fr/ et seront accessibles via le système d’information de la plateforme d'Épidémiosurveillance en Santé Végétale. Les données brutes seront accessibles pour le stage. Les modèles développés seront utilisés pour générer des simulations spatialisées des effets du climat sur l’incidence de l’esca aux périodes actuelles et futures pour des caractéristiques parcellaires données. Un certain nombre de scénarios pourra être étudié, permettant de prendre en compte la nature du vignoble (âge de la parcelle, cépage) et le contexte climatique (présent/futur) dans les simulations spatiales de la dynamique de l’esca. L’incidence de l’esca sera ainsi spatialisée au sein et entre régions, tout comme les facteurs de risque associés liés au climat et aux caractéristiques parcellaires d’intérêt comme l'âge du vignoble et le cépage. Une description détaillée du stage et des compétences recherchées est disponible dans le PDF joint.
En savoir plus :https://sciences-environnement.u-bordeaux.fr/application/files/4917/2846/2280/Stage_M2_Esca_et_chang
Stage_M2_Esca_et_changement_climatique_SAVE_EGFV_RRI_Tackling.pdf
Contact :chloe.delmas@inrae.fr
Stage + Thése en Large language modéle et Incertitude
Publiée le 05/11/2024 14:58.
Référence : Stage + Thése en Large language modéle et Incertitude.
Stage, Safran et ENSTA.
Entreprise/Organisme :Safran
Niveau d'études :Master
Sujet :L'objectif de ce stage est de mener une analyse approfondie et statistique des causes de l’hallucination dans les LLM et de développer des approches correctives. À travers une modélisation précise de l'incertitude, le ou la stagiaire explorera différentes techniques avancées pour comprendre et réduire ces phénomènes indésirables.
Date de début :01/04/25
Durée du contrat :6 mois
Description :Contexte : Les Large Language Models (LLM) sont aujourd'hui au cœur de nombreuses applications d'IA. Cependant, malgré leurs performances impressionnantes, ils sont sujets à des hallucinations, générant des informations incorrectes ou incohérentes sans fondement dans les données. Comprendre les raisons de ces hallucinations et développer des méthodes pour les corriger est crucial pour des usages plus fiables de ces modèles dans des environnements critiques. Objectif du Stage : L'objectif de ce stage est de mener une analyse approfondie et statistique des causes de l’hallucination dans les LLM et de développer des approches correctives. À travers une modélisation précise de l'incertitude, le ou la stagiaire explorera différentes techniques avancées pour comprendre et réduire ces phénomènes indésirables. Missions : Étude statistique des hallucinations : Analyse et identification des conditions et types d'entrées qui favorisent les hallucinations. Modélisation de l'espace latent : Utiliser des techniques de modélisation statistique pour cartographier l'espace latent des LLM et analyser les régions génératrices d'hallucinations. Exploration de plusieurs approches correctives : Méthodes variationnelles pour l’approximation de l’incertitude dans les prédictions. Approches ensemblistes pour combiner plusieurs modèles et obtenir des prédictions plus robustes. Réseaux de neurones bayésiens pour intégrer l'incertitude directement dans l'architecture des LLM. Profil recherché : - Étudiant(e) en Master (ou équivalent) en Intelligence Artificielle, Apprentissage Automatique, ou Statistiques. - Bonne maîtrise des LLM, des méthodes probabilistes et des techniques de modélisation statistique. - Connaissances en méthodes bayésiennes et en modélisation variationnelle sont un plus. - Intérêt pour les approches d'incertitude et la recherche appliquée. À l’issue du stage : Ce stage est destiné à déboucher sur une thèse CIFRE, durant laquelle le ou la candidat(e) approfondira les travaux initiés en stage, en collaboration avec une entreprise partenaire et un laboratoire de recherche. Pour candidater envoyer un email a david.brellmann@safrangroup.com et gianni.franchi@ensta-paris.fr
En savoir plus :https://perso.ensta-paris.fr/~franchi/positions/offre_stage_2025.pdf
Contact :david.brellmann@safrangroup.com
Stage de M2 en biostatistique
Publiée le 30/10/2024 09:08.
Stage, Lille.
Entreprise/Organisme :Plateforme Bilille - UAR 2014 - US 41 Plateformes Lilloises en Biologie et Santé
Niveau d'études :Master
Sujet :Analyse statistique de données omiques pour la recherche de biomarqueurs du vieillissement.
Date de début :Début 2025 (suivant le calendrier du M2 de l'étudiant.e)
Durée du contrat :5 à 6 mois (suivant le M2 de l'étudiant.e)
Rémunération :Gratification réglementaire
Secteur d'activité :Plateforme de Bioinformatique et Biostatistique
Description :Dans le cadre d’un projet de recherche déjà financé, la plateforme participe à l’analyse de données cliniques et omiques pour identifier des biomarqueurs du vieillissement afin d’améliorer la prise en charge thérapeutique des patients atteints de cancer du poumon. L’objectif principal du stage sera d’explorer les données déjà acquises grâce à des approches multivariées et des outils spécifiques d’analyse de données omiques déjà utilisés sur la plateforme Bilille. Un objectif secondaire sera de développer des approches statistiques pour tenir compte des spécificités liées aux sujets âgés, notamment l’étude des comorbidités des patients inclus dans l’étude ou des risques concurrents.
En savoir plus :https://bilille.univ-lille.fr/news/detailed-news/m2-internship-in-biostatistics
202410_Stage_M2_biostat_offre_stage.pdf
Contact :bilille@univ-lille.fr

<1>  2  3  4  Page suivante

 
 
©2024 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 :