Consulter les offres d’emploi

Offres de post-doc dans le cadre du projet Complexcité

Publiée le 17/04/2025 15:16.

Référence : Post-doc ComplexCité.

Postdoc, Université Paris Cité.

Entreprise/Organisme :	Université Paris Cité
Niveau d'études :	Doctorat
Durée du contrat :	2 ans
Description :	ComplexCité est un consortium qui rassemble des équipes de mathématiques, informatique théorique, physique, santé, autour de la "Modélisation des phénomènes Complexes", lauréat de l'AAP Idex Université Paris Cité. ComplexCité lance dès cette année un appel pour deux post-docs. Les informations (éligibilité, calendrier, dossier de candidature) sont disponibles ici : https://map5.mi.parisdescartes.fr/complexcite/
En savoir plus :	https://map5.mi.parisdescartes.fr/complexcite/
Contact :	sebastien.martin@u-paris.fr

Postdoctoral position: Quasi-Gaussian Likelihood Estimation of General Fractional Time Series

Publiée le 09/04/2025 18:01.

Référence : EM2025.

Postdoc, Institut du Risque et de l'Assurance, Laboratoire Manceau de Mathématiques, Le Mans, France.

Entreprise/Organisme :	Le Mans Université
Niveau d'études :	Doctorat
Date de début :	Juin 2025
Durée du contrat :	18 mois
Rémunération :	2897,09€ brut
Secteur d'activité :	Statistique des processus
Description :	Ce postdoc s’inscrit dans le cadre d’un projet de recherche innovant visant à développer des méthodes avancées d’estimation et de prévision pour des modèles de séries temporelles fractionnaires, non stationnaires et non gaussiens. Ces modèles sont particulièrement importants pour l’analyse de données complexes, telles que celles observées en économie, en finance et en climatologie, où des dépendances à long terme et des comportements non linéaires sont fréquemment rencontrés. L’objectif principal du projet est de développer et d’améliorer des techniques d’estimation du type quasi-maximum de vraisemblance pour ces modèles complexes, tout en relevant les défis liés à la prévision dans des contextes non stationnaires et non gaussiens.
En savoir plus :	https://lmm.univ-lemans.fr/fr/index.html Postdoc.pdf
Contact :	youssef.esstafa@univ-lemans.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

Offre de PostDoctorat - ANR BACKUP

Publiée le 10/03/2025 11:01.

Postdoc, Toulouse.

Entreprise/Organisme :	Institut de Mathématiques de Toulouse
Niveau d'études :	Doctorat
Description :	We seek a candidate in statistics/machine learning with an excellent statistical and mathematical background attested by publications in top-level journals and/or top-level conferences. The successful candidate will work together with members of the ANR BACKUP team. Examples of topics of interest include: Latent variables, mixture models; Post-selection inference; Kernels, kernel-based methods; Bayesian nonparametrics, e.g. contraction rates; High-dimensional models, multiple testing The duration of the postdoc is up to 2 years, to be spent at Institut de Mathématiques de Toulouse, working with François Bachoc, Cathy Maugis-Rabusseau, and Pierre Neuvial. Starting date: fall 2025.
En savoir plus :	https://sites.google.com/view/anrbackup/postdoc-toulouse?authuser=0
Contact :	francois.bachoc@math.univ-toulouse.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