Consulter les offres d’emploi

Mobilités et données manquantes
Publiée le 04/12/2023 12:29.
Stage, Rennes.
Entreprise/Organisme :IRMAR - CREM
Niveau d'études :Master
Date de début :idéalement mai 2024
Durée du contrat :3 mois
Description :Châteaubourg est la ville ayant la plus grosse densité au monde de données associées aux mobilités (voitures, vélos, piétons, poids-lourds). En effet, depuis trois ans, une quinzaine de capteurs Telraam mesure le flux de chaque mobilité toutes les heures, en distinguant les sens de parcours. Plus de 750 000 données ont été collectées et cela continue ! Le stage s’inscrit dans une collaboration entre l’association Agis-Ta-Terre qui installe et maintient ces capteurs et des enseignants-chercheurs de l’Université de Rennes. Cette collaboration vise à développer des outils permettant de sensibiliser les citoyens sur l’usage des transports, mais aussi à aider les décideurs et les cabinets d’urbanisme quant à l’aménagement des territoires. L’objectif est de contribuer à un développement durable en mettant à disposition des outils libres et gratuits. Comme souvent pour des données libres enregistrées en continu, les mesures ne sont pas toujours opérationnelles. Des paramètres extérieurs (luminosité, brouillard) ou humain (volets fermé, capteur déplacé) peuvent détériorer la qualité des données. Dans d’autres cas, le capteur peut être défectueux ou débranché par l’utilisateur. La série temporelle d’un capteur possède donc de nombreuses données manquantes. De plus, l’algorithme d’identification des mobilités utilisé par le capteur peut parfois être berné : il en résulte qu’une certaine proportion des données sont aberrantes. L’objectif du stage vise à se concentrer sur ces données manquantes ou aberrantes afin de proposer des algorithmes de correction ou de filtrage permettant d’augmenter la fiabilité des données exploitées Les détails du sujet et les personnes à contacter sont explicités dans le PDF joint.
En savoir plus :NA
Stage_DonneesManquantes_2024.pdf
Contact :ketsia.guichard@gmail.com
Contribuer au développement d'un package R et d'une application Shiny sur les mobilités
Publiée le 04/12/2023 12:29.
Stage, Rennes.
Entreprise/Organisme :IRMAR - CREM
Niveau d'études :Master
Date de début :idéalement mai 2024
Durée du contrat :3 mois
Description :Châteaubourg est la ville ayant la plus grosse densité au monde de données associées aux mobilités (voitures, vélos, piétons, poids-lourds). En effet, depuis trois ans, une quinzaine de capteurs Telraam mesure le flux de chaque mobilité toutes les heures, en distinguant les sens de parcours. Plus de 750 000 données ont été collectées et cela continue ! Le stage s’inscrit dans une collaboration entre l’association Agis-Ta-Terre qui installe et maintient ces capteurs et des enseignants-chercheurs de l’Université de Rennes. Cette collaboration vise à développer des outils permettant de sensibiliser les citoyens sur l’usage des transports, mais aussi à aider les décideurs et les cabinets d’urbanisme quant à l’aménagement des territoires. L’objectif est de contribuer à un développement durable en mettant à disposition des outils libres et gratuits. Ce travail est actuellement valorisé via une interface Rshiny qui a été réalisée à cet effet et qui est déployée sur GitHub. Le package d’interface est propre aux données issues de Châteaubourg, il exploite les sources et modules déposés sur un package de traitement statistique qui vise à proposer des outils génériques de traitement des données Telraam. Dans le cadre de cette politique de programmation libre et collaborative, il est important de respecter les standards de programmation. Mais il est également important de proposer une interface ergonomique et exploitable par tout.e citoyen.ne. L’objectif du stage concerne essentiellement le développement des codes en R présents sur les deux packages et de contribuer au dépôt d’un package R sur le CRAN. Les détails du sujet et les contacts sont spécifiés dans le fichier joint.
En savoir plus :NA
Stage_CapteurProg_2024.pdf
Contact :ketsia.guichard@gmail.com
Postdoctoral Fellowship on Aggregation of machine learning methods for small area estimation
Publiée le 04/12/2023 12:29.
Référence : CANSSI Postdoctoral Fellowship.
Postdoc, Montreal and Ottawa, Canada.
Entreprise/Organisme :McGill University and the University of Ottawa
Niveau d'études :Doctorat
Date de début :September 2024
Durée du contrat :2 years
Rémunération :70 000$ per year
Secteur d'activité :Statistics
Description :We are seeking applications for a postdoctoral opportunity in statistics, focusing on the advancement of machine learning methods in the context of small area estimation (SAE). In recent years, machine learning (ML) methods have attracted some interest in the SAE field to enhance estimates' accuracy and efficiency. These techniques leverage advanced algorithms and predictive models to extract valuable insights from auxiliary data sources and large-scale surveys. In SAE, ML methods can be used to identify complex relationships between covariates and the characteristics of small areas, allowing for more accurate estimates. For a given SAE problem, we may consider several ML candidates such as regression trees, boosting, random forests, etc. Each of these candidates would lead to a different SAE estimator. Selecting one estimator from the list of candidates may be challenging as no ML algorithm is universally superior to the others in all the scenarios. The choice of a candidate must, therefore, be made in a data-dependent fashion. We may choose one candidate from the list (model selection) or construct a new estimator based on several candidates (model aggregation). The project will focus on model aggregation, whereby the estimators produced by each of the ML methods are combined using a convex combination of the individual estimates.
En savoir plus :https://www.surveymonkey.ca/r/BZSMXXB
Aggregation-of-machine-learning-procedures-for-small-area-estimation-1-2.pdf
Contact :mehdi.dagdoug@mcgill.ca
Exploring statistical methods under non-PH scenario
Publiée le 04/12/2023 12:29.
Référence : Biostatistics Student Intern R1575625.
CDD, Boudry, Suisse.
Entreprise/Organisme :Bristol Myers Squibb
Niveau d'études :Master
Sujet :Departure from the proportional hazard (PH) assumption in clinical trials with a time-to-event end point is increasingly common. Thus, the proportional hazards (PH) assumption is often violated such that the commonly used log-rank test may not be appropriate. Also in these trials, the conventional hazard ratio for describing the treatment effect may not be a good estimand in evaluating and interpreting the treatment effect. The purpose of the internship is to explore different methodology such as restricted mean survival time (RMST) when the proportional hazards assumption is violated. This intern will perform literature review of existing methods and explore options to present and interpret treatment effect in presence of non-proportional hazards. The intern will also conduct simulations to evaluate the performance and operating characteristics of the proposed methods against the inferences based on proportional hazards assumptions, under various scenarios and design parameter setups.
Date de début :Mars ou Avril
Durée du contrat :Minimum 4 mois
Rémunération :A discuter avec le candidat
Secteur d'activité :Pharmaceutique
Description :The purpose of the internship is to explore different methodology such as restricted mean survival time (RMST) when the proportional hazards assumption is violated. This intern will perform literature review of existing methods and explore options to present and interpret treatment effect in presence of non-proportional hazards. The intern will also conduct simulations to evaluate the performance and operating characteristics of the proposed methods against the inferences based on proportional hazards assumptions, under various scenarios and design parameter setups.
En savoir plus :https://careers.bms.com/jobs/R1575625?lang=en-us&previousLocale=en-US
Contact :abdallah.abouihia@bms.com
Stage Machine Learning appliqué au développement clinique
Publiée le 04/12/2023 12:29.
Référence : Stage M2 en modélisation clinique - 2024 - Sanofi.
Stage, Gentilly (94).
Entreprise/Organisme :Sanofi R&D
Niveau d'études :Master
Sujet :Evaluation et application de nouvelles méthodes de machine learning pour les analyses exposition-réponse en support des projets dans le développement clinique.
Date de début :Mars-Avril 2024
Durée du contrat :6 mois
Secteur d'activité :Industrie pharmaceutique
Description :Evaluation et application de nouvelles méthodes de machine learning pour les analyses exposition-réponse en support des projets dans le développement clinique Travail bibliographique puis application des méthodes sur des données cliniques
En savoir plus :https://sanofi.wd3.myworkdayjobs.com/fr-FR/StudentPrograms/job/Chilly-Mazarin/stage-6-mois---machine
Contact :clemence.rigaux@sanofi.com
Teaching Opportunities in Statistics
Publiée le 04/12/2023 12:29.
CDD, Reims, France.
Entreprise/Organisme :Sciences Po, Campus de Reims
Niveau d'études :Master
Secteur d'activité :Enseignement supérieur
Description :Sciences Po - Reims Campus is looking to hire adjunct instructors for the 2024 spring semester for discussion sections held in English in first-year political science, statistics and economics. Positions for the 2024-2025 academic year in math and statistics may also be available. Each course meets for 2 hours per week for 12 weeks from January 29th and instructors teach a total of 24 hours over the course of the semester per group. Remuneration is 65.10€/h (gross) and train transportation from Paris is paid for by Sciences Po. (If you teach several classes, classes are scheduled on the same day so that you can come to Reims once per week.) An excellent level of English is required for courses taught in English. You need to fulfill administrative requirements to be hired as an adjunct instructor (e.g. Phd student, postdoctoral contracts, full-time employee, self-employed teacher with 3 years of activity) in line with this governmental decree. If interested, please send your CV ASAP to: rebecca.blanchard@sciencespo.fr _________________________________________________________________ Sciences Po - Campus de Reims recherche pour le semestre de printemps 2024 des enseignants de science politique, de statistiques et d'économie pour des conférences de méthode de première année en anglais. Le volume horaire d’une conférence correspond à 24h. La rémunération est de 65,10€/h (brut) et les éventuels trajets en train de Paris sont entièrement couverts. Un très bon niveau d’anglais est essentiel, et il est nécessaire de remplir les conditions administratives pour être embauché qui sont énoncées dans ce décret (par exemple, doctorant, contrat postdoctoral, salarié à temps plein, enseignant, indépendant avec 3 ans d'activité). Si vous êtes intéressé, merci d'envoyer votre CV dans les meilleurs délais à: rebecca.blanchard@sciencespo.fr
En savoir plus :https://www.sciencespo.fr/college/en/
Contact :rebecca.blanchard@sciencespo.fr
Poste d'enseignant-chercheur en statistique
Publiée le 04/12/2023 12:29.
CDI, Bruz.
Entreprise/Organisme :ENSAI
Niveau d'études :Doctorat
Description :Voir fiche de poste
En savoir plus :https://ensai.fr/assistant-associate-prof-stats/
PosteECStat20241.pdf
Contact :lionel.truquet@ensai.fr
Poste en statistique
Publiée le 04/12/2023 12:29.
CDI, Enseignant-chercheur en statistique.
Entreprise/Organisme :ENSAI
Niveau d'études :Doctorat
Description :Voir fiche de poste
En savoir plus :https://ensai.fr/postes-enseignement-recherche/
PosteECStat20242.pdf
Contact :lionel.truquet@ensai.fr
Poste d'enseignant-chercheur en science des données
Publiée le 04/12/2023 12:29.
CDD, Bruz.
Entreprise/Organisme :ENSAI
Niveau d'études :Doctorat
Description :voir fiche de poste
En savoir plus :https://ensai.fr/assistant-prof-data-science/
PosteECML23_tenure.pdf
Contact :lionel.truquet@ensai.fr
Poste d'enseignant-chercheur en science des données
Publiée le 04/12/2023 12:29.
CDI, Bruz.
Entreprise/Organisme :ENSAI
Niveau d'études :Doctorat
Description :voir la fiche de poste
En savoir plus :https://ensai.fr/associate-prof-datascience/
PosteECML23_full.pdf
Contact :lionel.truquet@ensai.fr
Inserm chair: Computational modeling for multi-omics data
Publiée le 04/12/2023 12:29.
Référence : CPJ COMPO.
CDD, Marseille.
Entreprise/Organisme :Inserm
Niveau d'études :Doctorat
Date de début :09/2024
Durée du contrat :4 years
Rémunération :3 500€ - 5 000€ according to research experience
Secteur d'activité :Research and clinical oncology
Description :The generalization of new generation sequencing data (i.e., multi-omics: genomics, transcriptomics, proteomics,) as well as the emergence of new methods (single cell sequencing, spatial transcriptomics) opens new research horizons on cancer pathologies. These data, of very large dimensions and volume, bring new methodological challenges in terms of statistical and mathematical analysis, as well as computational modeling. The development and numerical implementation of novel methods has become a key issue in modern oncology, both in terms of understanding the biology of cancers and for medical oncology. On the first aspect, the analysis and modeling of these data is, for example, fundamental for the study of key phenomena such as intra- and inter-tumor heterogeneity of cancer cells and their microenvironment. On the other hand, the integration of multi-omics data into predictive artificial intelligence models will allow the development of precision medicine based on personalized treatments. This recruited researcher will aim at developing cutting-edge computational methods to leverage multi- omics and single-cell resolution data into novel and translational discoveries in cancer research. This will be performed in synergistic interaction with the other CRCM teams.
En savoir plus :https://eva3-accueil.inserm.fr/sites/eva/chaires/2024/Pages/Projets.aspx
Inserm_Projet_de_Chaire_2024_U1068_pr_aff.pdf
Contact :sebastien.benzekry@inria.fr
Integration of Causality in High-Performance Computing for Seismic Wave Propagation Analysis
Publiée le 22/11/2023 14:38.
Référence : Internship: Integration of Causality in High-Performance Computing for Seismic Wave Propagation.
Stage, Saclay.
Entreprise/Organisme :CEA
Niveau d'études :Master
Sujet :Utilizing causality -- a machine learning method that explores cause-and-effect relationships -- in conjunction with finite element methods (FEM) -- a numerical approach for modeling physics -- holds the potential to enhance numerical analysis by improving result interpretations, deriving data driven models for faster computations, and improving computational accuracy and speed. This internship aims to investigate the same in context of seismic modeling (earthquake physics), we intend to integrate causality--FEM coupling to improve the analysis of seismic wave propagation. The selected candidate will work on developing algorithms and implementing them in scientific computing tools that can then harness the capabilities of both approaches. The primary goal is to leverage causality techniques to determine and quantify the cause-effect relationship between different spatial locations within the earthquake FEM simulation measured over time. For this purpose, we aim at developing a causal graph based on the Pearl framework and adapted to heterogeneous time series data procured from FEM simulation. After learning the causal graphs -- process of detecting relevant patterns in the data -- acceleration for various stages of the FEM analysis, such as model setup, parameter estimation, solver preconditioning and result interpretation is expected.
Date de début :first quarter 2024
Durée du contrat :6 months
Rémunération :according to profile
Secteur d'activité :causality, finite element calcul, HPC, AI, ML
Description :Utilizing causality -- a machine learning method that explores cause-and-effect relationships -- in conjunction with finite element methods (FEM) -- a numerical approach for modeling physics -- holds the potential to enhance numerical analysis by improving result interpretations, deriving data driven models for faster computations, and improving computational accuracy and speed. This internship aims to investigate the same in context of seismic modeling (earthquake physics), we intend to integrate causality--FEM coupling to improve the analysis of seismic wave propagation. The selected candidate will work on developing algorithms and implementing them in scientific computing tools that can then harness the capabilities of both approaches. The primary goal is to leverage causality techniques to determine and quantify the cause-effect relationship between different spatial locations within the earthquake FEM simulation measured over time. For this purpose, we aim at developing a causal graph based on the Pearl framework and adapted to heterogeneous time series data procured from FEM simulation. After learning the causal graphs -- process of detecting relevant patterns in the data -- acceleration for various stages of the FEM analysis, such as model setup, parameter estimation, solver preconditioning and result interpretation is expected. At CEA, we have been developing HPC finite element codes for seismic modeling – ArcaneFEM and PSD – which are designed to solve large-scale problem arising in seismic wave propagation. These simulations are of utmost importance as they play a key role in risk and disaster management. We believe that incorporating causality with in-place FEM solvers will significantly enhance the performance of the solver and perhaps better understand the uncertainties involved in the numerical simulations. We believe this internship will provide a unique opportunity for individuals passionate about scientific computing, numerical simulations, and machine learning to contribute to cutting-edge research and gain valuable experience within a prestigious organization like CEA. During the internship, the selected candidate will have the opportunity to collaborate with experts from the LESIM laboratory and LIAD laboratory. The main responsibilities will include: • Conducting research on HPC-compatible FEM methods and causality algorithms for seismic wave propagation analysis. • Developing/implementing/benchmarking algorithms to integrate FEM and causality techniques. • Collaborating with the research team to analyze and interpret results. • Documenting research findings and presenting them.
En savoir plus :NA
Proposals-1-1.pdf
Contact :aurore.lomet@cea.fr
Poste SV Math-Stat Institut Agro Dijon
Publiée le 22/11/2023 14:38.
Référence : MCF-Math-Stat-Agro-Dijon.
CDI, Dijon.
Entreprise/Organisme :Institut Agro
Niveau d'études :Doctorat
Date de début :septembre 2024
Durée du contrat :fonctionnaire Etat
Rémunération :selon grilles fonction publique
Secteur d'activité :Enseignement et recherche
Description :Un poste de MCF en mathématiques et statistiques appliquées est susceptible d'être ouvert au printemps 2024 à l'Institut Agro, site de Dijon. Les activités de recherche se feront au sein de l’UMR Agroécologie (INRAE/univ. Bourgogne/Institut Agro), Pôle MICSOL, en lien avec la thématique ‘microbiologie et fonctions écosystémiques des sols’. Le profil recherché est celui d'un/d'une candidat/e à l'interface entre la statistique sous ses aspects contemporains de science des données et la modélisation mathématique pour les sciences du vivant et de l’environnement. Les activités d'enseignement se feront au sein du Dpt Sciences de l'ingénieur et procédés. Le/la MCF participera en formation d'ingénieur initiale (parcours agronomie et agro-alimentaire) et par apprentissage dans le cadre d'enseignements de tronc commun et d'enseignements de spécialité. Des interventions seront également possibles au sein des masters internationaux, comme ceux de la Graduate School ‘Transbio’ de la SFRI ‘Integrate’ ou au sein du master international ‘FORTHEMICROBES’ de l’Alliance Européenne FORTHEM. La personne recrutée devra avoir une connaissance générale de la statistique dans ses aspects tant mathématiques/théoriques que pratiques ainsi que des logiciels et langages standard (R, Python) lui permettant de s’adapter dans ses enseignements à des publics variés, spécialisés et non spécialisés. Ce poste, tant par ses aspects de recherche que d’enseignement, s’inscrit dans l’axe stratégique 5 « science des données » de la stratégie recherche de l’Institut Agro Dijon, également thématique identifiante du projet du nouveau grand établissement Institut Agro. Par ses aspects applicatifs en microbiologie des sols, notamment sur la dimension liée à l’évaluation de la qualité de la composante microbienne des agroécosystèmes, ce poste contribue également à l’axe 3 « Ecosystèmes microbiens naturels et contrôlés » thématique différenciante de l’Institut Agro Dijon.
En savoir plus :https://institut-agro-dijon.fr/linstitut-agro-dijon/recrutement
Poste_MCF_Math-DSIP-AE_dffuse_nov23.pdf
Contact :ludovic.journaux@agrosupdijon.fr
Offre de stage: Physics Informed Neural Networks for lake pollution forecast
Publiée le 22/11/2023 14:37.
Stage, Montpellier.
Entreprise/Organisme :MISTEA - INRAE
Niveau d'études :Master
Sujet :Teasing: The goal will be to build a fancy Machine Learning model that is aware of the laws of physics, a.k.a. Physics Informed Neural Networks (PINN), for a real life environmental application. In particular, we will try to combine generative models (like GANs & co) to time serie forecast with some imposed physics knowledge to get accurate forecast.
Durée du contrat :4-6 months
Rémunération :Gratification de stage environ 600€/mois
Description :The internship will take place in MISTEA unit. Contact me with your questions.
En savoir plus :https://mistea.montpellier.hub.inrae.fr/actualites/offre-de-stage-de-master-2024
offre_stage_PINN_MISTEA.pdf
Contact :david.metivier@inrae.fr
Poste PR section 26 statistique
Publiée le 14/11/2023 11:56.
CDI, Pau.
Entreprise/Organisme :Université de Pau et des Pays de l'Adour
Niveau d'études :Autre
Date de début :Septembre 2024
Durée du contrat :Fonctionnaire
Rémunération :Selon grille fonctionnaire
Secteur d'activité :Enseignement supérieur & recherche
Description :Un poste de professeur(e), section 26, en statistique, devrait mis au concours en 2024 à l’Université de Pau et des Pays de l’Adour pour une prise de fonction en septembre 2024. Le poste sera rattaché au Laboratoire de Mathématiques et de leurs Applications de Pau (LMAP UMR CNRS 5142) pour la recherche et au département Science des Données (SD) de l'IUT des Pays de l'Adour pour l’enseignement. Le LMAP et le département SD se trouvent sur le campus palois de l’Université de Pau et des Pays de l’Adour.
En savoir plus :https://lma-umr5142.univ-pau.fr/fr/vie-du-laboratoire/recrutement.html
PostePR26StatUPPA-1.pdf
Contact :ivan.kojadinovic@univ-pau.fr

Page précédente  1  2  3  4  <5>  6  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 :