Consulter les offres d’emploi

Professeur des universités en Machine Learning
Publiée le 27/11/2024 11:31.
CDI, Campus Porte des Alpes, Bron.
Entreprise/Organisme :Université Lyon 2
Niveau d'études :Autre
Date de début :01/09/2025
Description :Professeur des universités en Machine Learning
En savoir plus :https://eric.msh-lse.fr/wp-content/uploads/2024/11/2025-univlyon2-postePR2726.pdf
Contact :julien.jacques@univ-lyon2.fr
Ingénieur d’études production, traitement, analyse de données, projet ANR GEMER (GEns de MER)
Publiée le 27/11/2024 11:31.
Référence : GEMER.
CDD, Lorient.
Entreprise/Organisme :Université Bretagne Sud / Ined
Niveau d'études :DUT/Licence ou équivalent
Date de début :01/03/2025
Durée du contrat :12 mois
Secteur d'activité :Recherche en sciences humaines
Description :En relation avec les problématiques du projet de recherche, la mission de la personne recrutée sera découpée en 3 activités complémentaires : 1. Concevoir, documenter, nettoyer et organiser les bases de données du projet ; 2. Organiser, documenter, et détailler le traitement des données avec la proposition de solutions adaptées, basées sur la compréhension de la problématique de la recherche, sa traduction en termes analytiques (utilisation des principaux packages R) 3. Valorisation de la donnée (publication, production de tableaux synthétiques, graphiques, analyses statistiques descriptives). Une attention spécifique sera demandée pour les aspects de datavisualization Dans un contexte de science ouverte, la personne recrutée veillera à produire une traçabilité dans le cadre des chaînes de traitement dont elle assurera le développement.
En savoir plus :https://gemer.hypotheses.org/
GEMER fiche de poste IE -12 mois Final.pdf
Contact :bringe@ined.fr
Computational Biologist
Publiée le 27/11/2024 11:31.
Référence : Loïc Mangnier.
Stage, Lille.
Entreprise/Organisme :Lesaffre
Niveau d'études :Master
Sujet :Prediction of probiotic potential from whole-genome sequences
Date de début :January-February 2025
Durée du contrat :6 months
Secteur d'activité :Industry; Machine Learning; Health; Genetics
Description :Company Description A key global player in fermentation for more than a century, Lesaffre, with a 3 billion euros turnover, and established on all continents, counts 11,000 employees and more than 90 nationalities. On the strength of this experience and diversity, we work with customers, partners and researchers to find ever more relevant answers to the needs of food, health, naturalness and respect for our environment. Thus, every day, we explore and reveal the infinite potential of microorganisms. To nourish 9 billion people, in a healthy way, in 2050 by making the most of our planet’s resources is a major and unprecedented issue. We believe that fermentation is one of the most promising answers to this challenge. Lesaffre – Working together to better nourish and protect the planet Job Description The BioData department of the Lesaffre Institute of Science and Technology is seeking a highly motivated Intern to work at the interface of bacterial genomics and machine learning, and contribute to our ongoing projects in probiotic genome analysis. In this role, you will have the opportunity to apply state-of-the-art machine learning techniques to analyze bacterial genomic data and uncover novel insights about probiotic potential and functionality. Key Responsibilities Collaborate with subject matter experts in microbiology and bioinformatics to understand the biological context and domain-specific challenges. Define and implement different strategies to extract genomic features frow whole genome sequences. Benchmark different machine learning approaches to build accurate and explainable predictive models. Build a comprehensive and documented software package to ensure the tools developed can be leveraged by Lesaffre for future studies. Qualifications Pursuing a degree in Computer Science, Bioinformatics, Computational Biology, or a related field. Strong background in machine learning, deep learning, and data analysis techniques. Proficiency in data-science languages like Python and R, and experience with popular machine learning libraries (e.g., TensorFlow, PyTorch, scikit-learn). Familiarity with biological sequence data formats, genomic databases, and bioinformatics tools. Good programming and development skills (Unix / bash, Git). Strong problem-solving, analytical, and critical thinking skills. Excellent communication and interpersonal skills. Curiosity and team spirit. Fluency in English. The position is open for a duration of 6 months starting from January 2025. Additional Information Tous nos postes sont ouverts aux personnes en situation de handicap. All our positions are open to persons with disabilities
En savoir plus :https://jobs.smartrecruiters.com/Lesaffre
Contact :l.mangnier@lesaffre.com
Stage de Master 2 : Post-selection inference for high-dimensional mixed-effects models
Publiée le 27/11/2024 11:31.
Stage, Jouy-en-Josas.
Entreprise/Organisme :Université Paris-Saclay, INRAE, Unité MaIAGE
Niveau d'études :Master
Date de début :Février 2025
Durée du contrat :5 à 6 mois
Rémunération :Gratification réglementaire pour les stages M2
Description :English version below Dans le cadre des mesures répétées, chaque individu d’une population est mesuré plusieurs fois dans des conditions différentes, par exemple au cours du temps ou dans plusieurs conditions environnementales. Les modèles à effets mixtes sont bien adaptés pour ce type de données car ils permettent de modéliser à la fois la variabilité présente au sein des mesures répétées d’un individu et la variabilité entre les individus de la population. Du point de vue de la modélisation statistique, ces modèles sont des modèles à variables latentes, qui comportent des effets fixes et des effets aléatoires non observés. Ils peuvent également intégrer des covariables caractérisant les individus. S’agissant de l’inférence, on peut s’intéresser à l’estimation des paramètres du modèle, à sélectionner les covariables influentes et à la prédiction de la sortie du modèle. Lorsqu’on souhaite considérer un grand nombre de covariables, par exemple des marqueurs génétiques, on travaille souvent sous l’hypothèse de parcimonie selon laquelle il existe un petit nombre de covariables influentes. L’objectif est alors d’identifier ces covariables. Cette sélection peut s’effectuer par exemple via un estimateur pénalisé de type LASSO [1]. Un modèle réduit obtenu en ne conservant que les covariables sélectionnées peut alors être considérée. Cependant, plusieurs résultats classiques de statistique asymptotique ne sont plus valides dans ce modèle, car il est lui-même aléatoire, ayant été sélectionnée à partir des données [2]. En particulier, il n’est plus possible de construire des intervalles de confiance valides ayant des taux de couverture attendus pour les estimateurs et les prédictions à partir des résultats standards. Pour faire face à cette problématique, une approche basée sur une étape de débiaisage de l’estimateur LASSO a été proposée dans le cas de modèles linéaires et linéaires généralisés [3,4]. Des résultats théoriques ont été établis pour l’estimateur débiaisé dans ces contextes et permettent de fournir également des garanties en prédiction. L’objectif du stage est d’étendre ces méthodes au cas des modèles à effets mixtes. The framework of repeated measures involves situations where each individual in a population is measured multiple times under different conditions, for instance, over time or across various environmental conditions. Mixed-effects models are well-suited for such data as they allow for modeling both the variability within repeated measurements for an individual and the variability between individuals in the population. From a statistical modeling perspective, these models are latent variable models that include both fixed effects and unobserved random effects. They can also incorporate covariates characterizing the individuals. In terms of inference, one may focus on estimating model parameters, selecting relevant covariates, and predicting model outcomes. When dealing with a large number of covariates, such as genetic markers, it is common to work under the sparsity assumption, where only a small subset of covariates are relevant. The goal is then to identify these covariates. This selection can be performed, for example, using a penalized estimator like the LASSO [1]. A reduced model, keeping only the selected covariates, may then be considered. However, several classical results of asymptotic statistics are no longer valid for this model because it is itself random, having been selected based on the data [2]. In particular, it is no longer possible to construct based on standard results valid confidence intervals with expected coverage rates for the estimators and predictions. To address this issue, a debiasing approach for the LASSO estimator has been proposed in the context of linear and generalized linear models [3,4]. Theoretical results have been established for the debiased estimator in these contexts, which also provide guarantees in prediction. The aim of this internship is to extend these methods to the context of mixed-effects models.
En savoir plus :http://genome.jouy.inra.fr/~ekuhn/ https://sites.google.com/view/sarah-lemler
stage_master2_post_model_selection_inference_mixed_models.pdf
Contact :estelle.kuhn@inrae.fr
Postdoc 3ans - CONTROLE DE LA QUALITE DES PRODUITS PHARMACEUTIQUES PAR SPECTROSCOPIE NIR PORTABLE
Publiée le 27/11/2024 11:31.
Référence : NIR4MED - postdoc - 3ans.
Postdoc, Liège (Belgique).
Entreprise/Organisme :Universite de LIEGE
Niveau d'études :Doctorat
Description :Falsified and substandard medicines represent approximately 10% of the global pharmaceutical market. Rapid detection of these products at various stages of the supply chain is essential for ensuring high-quality healthcare. In this context, the use of handheld near-infrared spectrophotometers offers a promising solution due to their low cost, versatility, and low environmental impact. A major limitation to their widespread application is the lack of a reference spectral database. The project aims to collaborate with international partners to develop a robust spectral database, alongside establishing standardized protocols for sampling, spectrum measurement, and chemometric analysis. The project will also address the transfer of spectral data and chemometric models between different portable devices. Ultimately, the project aims to enable field operators to quickly and reliably assess the presence and quantity of active ingredients in a wide range of essential medicines. The Laboratory of Pharmaceutical Analytical Chemistry of the University of Liege is offering a position as postdoc to a creative enthusiastic researcher. The postdoc will be in charge of: • Handling of near infrared (NIR) spectra of pharmaceutical solid dosage forms acquired in the field using different handheld systems • Coding qualitative (API identification) and quantitative (API quantitation) analyses • Developing strategies for model transfer between different equipment and environmental conditions • Integrating scripts in the information system • Supervising field-testing activities
En savoir plus :https://www.uliege.be/cms/c_20225816/en/postdoc-3years-nir4med
postdoc_3years_nir4med-2.pdf
Contact :eziemons@uliege.be
Stage M2 : Apprentissage par processus Gaussiens pour l’analyse intégrative de données omiques
Publiée le 27/11/2024 11:31.
Stage, Jouy-en-Josas.
Entreprise/Organisme :INRAE
Niveau d'études :Master
Sujet :Le développement récent des technologies à haut-débit donne accès à de nombreuses données complexes et de nature hétérogène, telles que les données –omiques. Nous nous plaçons dans ce projet dans le cadre de l’analyse conjointe de données d’expression de gènes (transcriptomique) et de données épigénétique de méthylation de l’ADN. L’objectif est de réaliser une analyse intégrée de ces deux types de données afin de mieux comprendre les liens de régulation sous-jacents. Pour cela, on souhaite construire des réseaux de corrélation incluant les gènes et les sites CpG au regard de leurs niveaux d’expression dans différentes conditions, mais également en prenant en compte leur structure de corrélation spatiale. Cette analyse intégrative sera basée sur des méthodes d’apprentissage par processus Gaussiens (GPs), à travers des structures de corrélation adaptées. Les développements méthodologiques porteront sur l’introduction de noyaux de covariance spécifiques pour traiter simultanément des relations spatiales et temporelles, entre le génome et données épigénétiques. Ces développements devront s’inscrire dans le cadre général de l’apprentissage GP multi-tâches pour la modélisation, prédiction et clustering de données fonctionnelles. Une implémentation logicielle de la méthodologie pourra être envisagée pour intégrer de nouvelles fonctionnalités au package R associé, MagmaClustR. La méthode proposée sera appliquée à un jeu de données généré à l’INRAE.
Date de début :Printemps 2025
Durée du contrat :5 à 6 mois
Rémunération :650€
Secteur d'activité :Recherche
Description :Le stage se déroulera à l’INRAE de Jouy-en-Josas dans l’Unité GABI (Génétique Animale et Biologie Intégrative) Le ou la candidat.e aura un goût pour la modélisation de données biologiques, et de bonnes aptitudes de programmation en R. Idéalement, le ou la candidat.e aura des compétences en apprentissage statistique (machine learning), en modélisation probabiliste, et/ou en statistiques bayésiennes. Le stage se déroulera dans un environnement stimulant de recherche, à l’interface entre la statistique et les applications biologiques.
En savoir plus :https://gabi.jouy.hub.inrae.fr/
Stage_inrae.pdf
Contact :florence.jaffrezic@inrae.fr
Méthode bayésienne de réduction de dimension dans le cadre de modèles à effets aléatoires : Applica
Publiée le 27/11/2024 11:31.
Stage, Montpellier.
Entreprise/Organisme :Cirad
Niveau d'études :Master
Sujet :Méthode bayésienne de réduction de dimension dans le cadre de modèles à effets aléatoires : Application à l’amélioration génétique
Date de début :Février 2025
Durée du contrat :4 à 6 mois
Rémunération :611 euros/mois
Description :Contexte et objectifs : Que ce soit dans les domaines de la médecine, de l’agronomie ou de l’écologie, une compréhension des processus physiologiques (croissance, floraison, sénescence, …) est cruciale surtout dans le contexte du changement climatique. Ces processus sont gouvernés par des facteurs environnementaux et des mécanismes biologiques complexes. Une approche communément utilisée consiste à identifier les régions du génomes impliquées dans la variabilité du processus en utilisant des données génomiques (marqueurs moléculaires, expression de gènes, …) et des caractéristiques environnementales (pluviométrie, température, types de sol, …). Depuis quelques années, ces données sont toujours plus abondantes allant par exemple jusqu’à des dizaines de milliers de marqueurs génétiques. Dans ce contexte de grande dimension, il est primordial de développer des méthodes statistiques efficaces qui permettent de réduire ces dimensions et de régulariser les modèles utilisés. Récemment, une approche innovante (Heuclin et al., 2023) reposant sur un modèle linéaire mixte couplé à une méthode bayésienne de sélection d’effets aléatoires a été proposée afin de sélectionner les régions importantes. Cette approche considère chaque région génomique comme un effet aléatoire où la matrice de variance-covariance est calculée à partir du sous-ensemble de marqueurs disponibles sur une région donnée. Cette méthode soulève trois difficultés : (i) les marqueurs sont redondants et réduire la dimension de la matrice s’avère important d’un point de vue biologique mais aussi computationnel, (ii) le choix de la métrique ne prend pas en compte la qualité d’ajustement du modèle aux données et enfin (iii) sélectionner les régions pertinentes est crucial. Dans ce contexte, les objectifs du stage seront i) de proposer, en utilisant une approche bayésienne de réduction de dimension, une métrique d’apparentement génétique qui tienne compte de la qualité d’ajustement du modèle aux données et ii) de discuter d’une ou plusieurs extensions au cas multivarié afin d’étudier les effets pléiotropiques des gènes sur un ensemble de processus physiologiques. Les approches proposées seront appliquées dans un contexte d’amélioration génétique du palmier à huile sur des données issues d’essais génétiques mis en place par le Cirad (Centre de coopération internationale en recherche agronomique pour le développement) et PalmElit, sa filiale pour la sélection et la production de semences.
En savoir plus :https://www.cirad.fr
SujetStage.pdf
Contact :marie.denis@cirad.fr
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

Page précédente  1  <2>  3  4  5  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 :