Consulter les offres d’emploi

Stage M2 Statistique Université de Montpellier
Publiée le 08/10/2024 16:12.
Référence : IMAG-ARS-stage2025.
Stage, Montpellier.
Entreprise/Organisme :IMAG (Institut Montpelliérain Alexander Grothendieck) Université de Montpellier
Niveau d'études :Master
Sujet :Étude de l’impact de l’accès à l’eau potable sur la propagation de la fièvre typhoïde à Mayotte
Date de début :mars 2025
Durée du contrat :4 à 6mois
Rémunération :gratification de stage
Secteur d'activité :recherche
Description :La question de l’accès à l’eau potable est cruciale pour Mayotte qui a connu en 2023 une sécheresse sans précédent. En 2024, environ 320 900 habitant·es vivent sur le territoire dont la moitié est âgée de moins de 18 ans. Un·e habitant·e sur trois n’a pas à accès à l’eau à l’intérieur de son logement et irait s’alimenter chez un·e voisin·e, à une borne fontaine monétique (BFM), au puits ou encore à la rivière et peut recourir à un stockage de l’eau dans des conditions douteuses [BAB+23]. Par ailleurs, des coupures d’eau 2 jours sur 3 sont périodiquement en place [SPF23]. A ce contexte de très forte précarité s’ajoute l’absence d’un système d’assainissement de qualité. La fièvre typhoïde est une maladie endémique à Mayotte dont la déclaration est obligatoire. Elle est causée par une bactérie et se transmet par ingestion de boissons ou d’aliments souillés par les selles d’une personne infectée. Sa transmission est donc fortement liée au niveau d’hygiène de la population et à la présence de réservoirs d’eau contaminée [SPF22]. Entre 2018 et avril 2024, 339 cas ont été recensés sur l’île. Le but de ce projet est d’analyser et de mesurer l’impact des conditions l’accès à l’eau potable et de la pluviométrie sur la propagation de la fièvre typhoïde à Mayotte. L’absence de pluies pourrait être bénéfique par la diminution des réservoirs d’eau contaminée, mais les restrictions d’eau pourraient entrainer des baisses du niveau d’hygiène menant au contraire à une hausse des cas. A partir des données issues des formulaires de déclaration obligatoire de la typhoïde fournis par l’ARS, des données publiques socio-démographiques de Mayotte, et si elles sont disponibles des données de l’étude EPIMAY, et nous souhaitons enrichir les modèles et des approches développées dans la thèse d’Ibrahim Bouzalmat en prenant en compte diverses covariables. Plusieurs pistes pourront être explorées en fonction des compétences et des goûts de la personne recrutée : - Analyse statistique conjointe entre les données EPIMAY et les données de typhoïde, - Modélisation du nombre d’infectés par un processus de naissance et mort avec modulation des paramètres en fonction des covariables et / ou de la localisation, - Modélisation par un modèle stochastique à compartiments avec modulation des paramètres en fonction des covariables et / ou de la localisation. Le stage pourra donner lieu à une poursuite en thèse.
En savoir plus :https://imag.umontpellier.fr/?page_id=423
Stage_ARS_2025.pdf
Contact :benoite.de-saporta@umontpellier.fr
Thèse en statistique Université de Montpellier
Publiée le 08/10/2024 16:12.
Référence : Thèse ARS-IMAG 2025.
Thèse, Montpellier.
Entreprise/Organisme :IMAG (Institut Montpelliérain Alexander Grothendieck) Université de Montpellier
Niveau d'études :Master
Sujet :Modélisation de l’impact de l’environnement sur la propagation de la fièvre typhoïde à Mayotte et construction d’outils d’aide à la décision pour la gestion des maladies hydriques
Date de début :automne 2025
Durée du contrat :3 ans
Rémunération :contrat doctoral Université de Montpellier
Secteur d'activité :recherche
Description :La question de l’accès à l’eau potable est cruciale pour Mayotte qui a connu en 2023 une sécheresse sans précédent. En 2024, environ 320 900 habitant·es vivent sur le territoire dont la moitié est âgée de moins de 18 ans. Un·e habitant·e sur trois n’a pas à accès à l’eau à l’intérieur de son logement et irait s’alimenter chez un·e voisin·e, à une borne fontaine monétique (BFM), au puits ou encore à la rivière et peut recourir à un stockage de l’eau dans des conditions douteuses [BAB+23]. Par ailleurs, des coupures d’eau 2 jours sur 3 sont périodiquement en place [SPF23]. A ce contexte de très forte précarité s’ajoute l’absence d’un système d’assainissement de qualité. La fièvre typhoïde est une maladie endémique à Mayotte dont la déclaration est obligatoire. Elle est causée par une bactérie et se transmet par ingestion de boissons ou d’aliments souillés par les selles d’une personne infectée. Sa transmission est donc fortement liée au niveau d’hygiène de la population et à la présence de réservoirs d’eau contaminée [SPF22]. Entre 2018 et avril 2024, 339 cas ont été recensés sur l’île. Le but de ce projet est d’analyser et de mesurer l’impact des conditions l’accès à l’eau potable et de la pluviométrie sur la propagation de la fièvre typhoïde à Mayotte. L’absence de pluies pourrait être bénéfique par la diminution des réservoirs d’eau contaminée, mais les restrictions d’eau pourraient entrainer des baisses du niveau d’hygiène menant au contraire à une hausse des cas. La famille de modèles proposés est celle des processus Markoviens déterministes par morceaux (PDMP) [D93,RTK17,C17] qui sont une large classe de processus permettant de prendre simultanément en compte des évolutions stochastiques et déterministes, différentes échelles de taille de population (locale, globale) et l’évolution des covariables d’intérêt (accès à l’eau, pluviométrie, …). Ils généralisent les modèles de propagation d’épidémie classiques comme les modèles SIR ou SEIR. La première étape sera d’enrichir les modèles proposés lors de la thèse précédente [B23] en prenant en compte le fait que la calibration de ces modèles est un problème difficile en général [AB18], surtout en présence de variables cachées. En particulier, on explorera en détails les liens entre les cas de typhoïde, la pluviométrie et les données socio-démographiques. La seconde étape sera la calibration de ces modèles sur les données de Mayotte. Plusieurs jeux de données pourront être exploités conjointement pour estimer les paramètres des modèles : données issues des formulaires de déclaration de la fièvre typhoïdes, données issues de l’enquête EpiMay (questionnaire et collecte de 2 000 prélèvements sanguins sur des pathologies diverses dont la fièvre typhoïde), données de typologie des types d’habitats et des habitudes sanitaires, données météo. Un point d’intérêt particulier est l’adaptation des paramètres aux caractéristiques spécifiques des différentes zones géographiques. La troisième étape sera l’exploitation de ces modèles pour calculer des probabilités d’événements redoutés (nombre de cas simultanés élevé, saturation hospitalière), simuler des scénarios réalistes en cas d’amélioration ou de détérioration d’un accès à de l’eau potable pour mesurer les impacts de différentes politiques de gestion de l’eau, identifier des seuils critiques à ne pas franchir pour les paramètres clés. La dernière étape sera de lister les leviers possibles pour influencer le développement des épidémies, quantifier leur impact, et produire des outils d’aide à la décision optimisés (contrôle stochastique). Selon les données disponibles, la méthodologie développée pourra être étendue à d’autre maladies oro-fécales.
En savoir plus :https://imag.umontpellier.fr/?page_id=423
These_ARS_2025.pdf
Contact :benoite.de-saporta@umontpellier.fr
Imputation de données cliniques manquantes dans la base ESME d’Unicancer – cancer du poumon
Publiée le 01/10/2024 13:49.
Référence : 2024_Horiana_Stage_1.
Stage, Bordeaux.
Entreprise/Organisme :HORIANA
Niveau d'études :Master
Sujet :Contexte : Le réseau Unicancer coordonne le programme ESMÉ (« Épidémio-Stratégie Médico-Economique »), une initiative académique indépendante qui vise à centraliser des données de vie réelle en cancérologie (données cliniques, administratives et pharmaceutiques), à partir des données préexistantes dans les établissements. Horiana est une société de conseil spécialisée en biostatistiques et épidémiologie, qui collabore fréquemment avec Unicancer sur l’exploitation et la valorisation de ses bases de données en vie réelle. Les études réalisées en oncologie doivent prendre en compte de nombreux paramètres individuels afin de pouvoir évaluer les effets individuels spécifiques. Une des variables importantes est le score ECOG (Eastern Cooperative Oncology Group), un score de performance utilisé pour évaluer l’état général des patients et qui est un facteur pronostique connu de l’évolution du patient et de sa réponse aux différents traitements. Dans les études de vie réelle, cette donnée est parfois manquante pour certains patients, car non systématiquement renseignée au cours de la prise en charge en soins courants. Dans le cadre des « Emulated Target Trials » ou des études épidémiologiques, les critères de sélection sont appliqués à la base de données afin de cibler les patients d’une population d’intérêt. Ces critères de sélection s’appliquent fréquemment sur le score ECOG. Seuls les patients avec un score ECOG renseigné sont aujourd’hui potentiellement éligibles, ce qui peut générer des biais de sélection, réduire la puissance statistique des analyses, et limiter l’extrapolation des résultats. Dans ce cadre, l'imputation des valeurs manquantes du score ECOG est une piste pour améliorer la qualité et la complétude de la base, pour l’ensemble des études épidémiologiques et cliniques qui peuvent être réalisées lors de la réutilisation de ces données. En complément des méthodes traditionnelles d'imputation, l'utilisation des techniques de machine learning se révèle prometteuse pour prédire ces valeurs manquantes de manière précise. Objectifs du stage : L'objectif principal du stage est de développer, optimiser et valider un modèle de machine learning capable d'imputer les valeurs manquantes du score ECOG dans la base ESMÉ sur le cancer du poumon, dans le contexte des données de grandes dimensions, et la base poumon d’ESME comprenait 51 067 patients en 2023. Missions : 1. Étude de la base de données ESME : o Exploration des données, analyse des variables corrélées à l’ECOG. o Analyse des patterns de données manquantes (Missing Completely at Random, Missing at Random, etc.). 2. Choix des modèles de machine learning pour l'imputation : o Etat de l’art des approches utilisées dans la littérature o Identifier et implémenter plusieurs algorithmes adaptés à l’imputation de données manquantes (Random Forest, k-NN, modèles bayésiens, réseaux de neurones, etc.), possiblement en prenant en compte l’aspect longitudinal des données, et les modifications de la prise en charge au cours du temps. o Optimiser les hyperparamètres des modèles choisis via des techniques comme la validation croisée et la recherche sur grille (grid search). 3. Processus d'optimisation et de validation des modèles : o Partitionner la base de données (train/test) pour évaluer la performance des modèles. o Mettre en place un processus de validation rigoureux incluant des mesures comme l’erreur quadratique moyenne (RMSE), les scores de précision (accuracy), ou l'aire sous la courbe (AUC) pour évaluer la qualité de l’imputation. o Comparer les performances des différents modèles en termes de biais et variance, y compris avec les approches Multiple Imputation by Chained Equations (MICE) classiques. Profil recherché : • Étudiant en M2 Biostatistiques, Data Science ou en dernière année d'école d'ingénieur avec une spécialisation en statistique ou machine learning. • Compétences solides en programmation (Python ou R), avec une maîtrise des bibliothèques de machine learning (scikit-learn, XGBoost, etc.). • Bonne connaissance des méthodes statistiques d'imputation et des modèles de machine learning. • Capacité à travailler avec des bases de données volumineuses et hétérogènes. • Rigueur, esprit d’analyse et goût pour les problématiques de santé publique.
Date de début :T1 2025
Durée du contrat :6 mois
Rémunération :gratification de stage légale
Secteur d'activité :Biostatistiques
Description :Fondée en septembre 2021, Horiana est une société de conseil spécialisée en épidémiologie et biostatistiques pour l’élaboration et la valorisation de preuves scientifiques sur les données de santé. Grâce à l'expertise de ses associés, ayant chacun plus de 15 années d’expérience en biostatistiques, épidémiologie et gestion de projet, et forte d'une équipe de plus de 20 personnes, Horiana accompagne ses clients sur toutes les étapes de leurs projets. Ces derniers sont des acteurs de la santé, qu'ils soient issus de la sphère privée ou publique.
En savoir plus :https://horiana.com/
202409 Proposition de stage_VF.pdf
Contact :info@horiana.com
Identifying subpopulation-specific associations from large-scale paired genomic-transcriptomic data
Publiée le 01/10/2024 09:26.
Stage, Toulouse ou Paris.
Entreprise/Organisme :INRAE
Niveau d'études :Master
Sujet :Maintaining genetic diversity is crucial for allowing agriculturally important species to adapt to changing environments driven by ongoing climate change. The domestication and selection of animal and plant species have respectively exploited only a small portion of their available genetic diversity, suggesting that a substantial part of global genetic diversity remains underexploited in breeding programs. One way to address the constraints of climate change while meeting the objectives of agroecology is to effectively identify and characterize this unexploited genetic diversity. To address this gap, the PEPR Numerical Agroecology project AgroDiv is developing cutting-edge genomics and genetics approaches to functionally characterize large-scale datasets from several agriculturally important plant and animal species.
Date de début :01/01/2025
Durée du contrat :6 mois
Rémunération :taux légal
Secteur d'activité :Recherche
Description :A major goal within AgroDiv is the identification of subpopulation-specific links between gene expression and genetic variation; these subpopulations correspond to breeds (animals) or ecotypes (plants) that have often undergone strong selection for agriculturally relevant traits. In this internship, our objective is to develop a large-scale simulation study to evaluate the performance of several state-of-the-art strategies to identify subpopulation-specific associations between gene expression and genetic variants: (1) We will make use of a large-scale (n=300) set of paired whole genome sequencing (~25M genetic polymorphisms) and transcriptomic (~13k genes) data in 3 pig breeds1, generated as part of the H2020 EU GENE-SWitCH project (https://www.gene-switch.eu/). Initial work in the internship will correspond to familiarization with these data (e.g. exploratory analyses, …) as well as the use of state-of-the-art tools for the analysis of genomic and transcriptomic data (e.g., PLINK, DESeq2, RRBLUP, …). (2) We have already identified a number of candidate tools that are a promising approach to extract sub-population specific associations between gene expression and genetic variants. These include mashr2, meta-analyses as implemented in METAL3, and more straightforward strategies like linear mixed models with interaction terms or fitted independently in each sub-population. To allow for full genome-wide eQTL analyses, methods such as MatrixEqtl4 will likely be considered to allow for genome scalability. (3) To conduct a full evaluation of these different tools, a simulation strategy will be designed and will make use of the available data. It will notably include the simulation of common associations with similar or varying effect sizes across sub-populations, as well as with similar or marked differences in allelic frequency (including population-specific variants). Combined with different parameters, we aim to identify the strengths and limitations of the available modeling strategies in combination with the simulated specificity of associations. This initial simulation study will pave the way to developing new apposite statistical approaches to efficiently identify population-specific genetic variants of interest in a large-scale omics data integration framework. For motivated candidates, a fully funded PhD position is available following this internship as part of the PEPR Numerical Agroecology AgroDiv flagship project.
En savoir plus :NA
2025_M2_AgroDiv-WP3.pdf
Contact :nathalie.vialaneix@inrae.fr
Teaching Opportunities in Statistics
Publiée le 01/10/2024 09:26.
CDD, Reims, France.
Entreprise/Organisme :Sciences Po, Campus de Reims
Niveau d'études :DUT/Licence ou équivalent
Date de début :Janvier 2025
Description :Sciences Po, Reims Campus is looking to hire adjunct instructors for the 2025 spring semester for discussion sections held in English in first-year statistics, economics and political science. Each course meets for 2 hours per week for 12 weeks from January 27, 2025 and instructors teach a total of 24 hours over the semester per course. Remuneration is 65.10€/h (gross) and train transportation 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 the North America program. 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 the 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 2025 des enseignants d’économie, de statistiques et de science politique 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 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/campus-life/campus/reims/
Contact :rebecca.blanchard@sciencespo.fr
Clustering de données fonctionnelles avec application en océanographie
Publiée le 01/10/2024 09:26.
Référence : Clustering de données fonctionnelles avec application en océanographie.
Thèse, Conservatoire National des Arts et Métiers, 2 rue Conté 75003 Paris.
Entreprise/Organisme :Conservatoire National des Arts et Métiers, Laboratoire CEDRIC
Niveau d'études :Master
Sujet :Classification non-supervisée pour l'identification de paysages acoustiques homogènes
Date de début :Entre fin 2024 et début 2025 en fonction de la date de recrutement du candidat
Durée du contrat :3 ans
Secteur d'activité :recherche
Description :Voir pièce jointe
En savoir plus :https://vincentaudigier.weebly.com/uploads/1/7/3/1/17317324/these_cnam_shom_clustering.pdf
these_cnam_shom_clustering.pdf
Contact :vincent.audigier@cnam.fr
Stage de M2
Publiée le 17/09/2024 12:23.
Référence : M2_CAUSALITY.
Stage, Grenoble.
Entreprise/Organisme :INSERM
Niveau d'études :Master
Sujet :Approche causale sur données observationnelle : étude de l’impact de l’observance à la pression positive continue sur la somnolence diurne dans le syndrome d’apnées du sommeil.
Date de début :janvier 2025
Durée du contrat :6 mois
Secteur d'activité :santé publique
Description :Contexte : Le laboratoire HP2 – Hypoxie Physiopathologie est une unité INSERM (U1300) a été créé en 2001 pour développer un projet de recherche original sur les conséquences cardiovasculaires et métaboliques néfastes de l'hypoxie intermittente et de l'apnée du sommeil, en utilisant à la fois des modèles animaux et une recherche clinique innovante. Il est associé au laboratoire du Sommeil du CHU Grenoble Alpes, composé d’une équipe médicale possédant une expertise dans le domaine du sommeil et de sa pathologie. Au sein du laboratoire HP2, un axe analyse de données s’intéresse aux approches causales sur données observationnelles permettant de valoriser les études cliniques non interventionnelles. Ces analyses sont de plus en plus utilisées en recherche mais aussi par l’industrie pharmaceutique pour mettre en évidence l’impact d’un traitement ou d’un facteur d’exposition sur un résultat. Ce stage s’inscrit dans cette thématique et vise à apporter de nouvelles connaissances dans le domaine. Il peut faire l’objet d’un projet de thèse ensuite. Descriptif : La causalité est depuis longtemps l’objectif principal de nombreuses études en santé. La méthode de référence pour tirer des conclusions sont les essais cliniques contrôlés randomisés. Mais ces derniers présentent des limites, en effet ils sont longs, couteux et certaines problématiques les rendent impossibles pour des questions éthiques. De plus, dans le cadre de ces essais, les patients sont généralement plus observants, mieux suivis et en meilleure santé par rapport à ce qui se passe en routine clinique. Il est possible d’utiliser les données observationnelles pour évaluer l’effet d’un traitement sur le pronostic des patients. Mais dans ces données l’assignation des patients à un groupe de traitements n’est pas aléatoire, ce qui introduit des biais rendant l’évaluation de l’effet du traitement dépendant des caractéristiques des patients. Les méthodes basées sur les scores propension sont les méthodes d’inférences causale sur données observationnelles les plus populaires, et sont de plus en plus utilisées dans le domaine médical. De plus leur usage commence à être reconnue par les autorité sanitaires. L’objectif de ce stage est un développement méthodologique de l’inférence causale appliquée aux traitements continus. En se basant comme cas d’usage sur l’évaluation de l’effet de l’observance à la pression positive continue (nombre d’heure d’utilisation d’un dispositif médical par nuit, variable continue) sur la somnolence diurne, chez les patients souffrant d’un syndrome d’apnées obstructives du sommeil. A partir de la cohorte initiale (base de données clinique de recherche) il faudra entrainer un premier modèle de pondération prenant en compte les facteurs de confusion liée à l’observance à la PPC et le score Epworth permettant d’équilibrer les facteurs de confusion entre les groupes de traitements. Puis un second modèle permettra d’estimer l’effet de l’observance sur le score de somnolence sur la cohorte pondérée avec le modèle de poids. Résultats attendus : - une application des scores de propension sur les données de l’observatoire sommeil avec la prise en compte des facteurs de confusion initiaux et temps dépendant pour répondre à la question posée. - Un approfondissement des approches méthodologiques de l’application des scores de propension au traitement continu - Un recensement des problématiques posées qui seront ensuite développées dans le cadre d’un futur projet de thèse.
En savoir plus :https://chaire-esante.fr/
Contact :sbailly@chu-grenoble.fr
Calibration de modèles de mélange de cultures à l'aide de données de phénotypage haut débit
Publiée le 17/09/2024 12:23.
Postdoc, Palaiseau.
Entreprise/Organisme :AgroParisTech / INRAE
Niveau d'études :Doctorat
Date de début :début 2025
Durée du contrat :18 mois
Rémunération :entre 2400 et 2900 brut selon expérience
Description :voir le fichier joint.
En savoir plus :https://mia-ps.inrae.fr/offres_theses_post-doc
postdoc_MathVives_calibr-mix.pdf
Contact :pierre.barbillon@agroparistech.fr
Stage M2 Biostatistique : Analyse de survie dans les essais randomisés en clusters
Publiée le 17/09/2024 12:23.
Stage, Tours.
Entreprise/Organisme :Inserm UMR1246 SPHERE
Niveau d'études :Master
Sujet :Estimating a difference in restricted mean survival time in cluster randomized trials using pseudo-values regression with covariate adjustment
Date de début :Entre janvier et avril 2025
Durée du contrat :4 à 6 mois
Description :Context: Cluster randomized trials (CRTs) are trials in which intact social units, such as medical practices, hospitals, or communities, are randomised to intervention or control conditions while outcomes are assessed on individuals within such clusters. This study design is a natural choice to evaluate the impact of public health or health system interventions delivered at the cluster level and their use is rapidly increasing. In CRTs, outcomes assessed on individuals from a given cluster tend to be more similar than outcomes of individuals from different clusters. This clustering must be accounted for in statistical analysis, to avoid an increased risk of Type I error. In randomized clinical trials with a time-to-event outcome, the intervention effect is usually quantified by a hazard ratio, relying on the proportional hazards assumption. Alternative measures could be more relevant, such as the difference in restricted mean survival time (ΔRMST) between the intervention and control groups up to time t^*. The intervention effect measured by the ΔRMST is not relying on the proportional hazards assumption and is easily interpretable as the expected survival duration gain due to intervention over t^*. Pseudo-values regression has been proposed for the ΔRMST estimation in CRTs. It consists in computing pseudo-values for each individual and considering them as the dependent variable of a linear regression model fitted by generalized estimating equations, to take into account the clustering. Pseudo-values regression has shown good performances in terms of estimation of the intervention effect and its variance in a simulation study. However, only one covariate, the intervention group, was considered in this simulation study whereas covariate adjustment is not uncommon in CRTs. Adjustment on covariates is useful in CRTs because the randomization of a smaller number of units, compared to individually randomized trial, does not always allow for balance in cluster and individual-level covariates. Objective: The objective will be to conduct a simulation study to assess the performance of the pseudo-values regression in estimating a ΔRMST in CRTs when adjusting on covariates. In addition, this method will be applied on data from a real cluster randomized trial.
En savoir plus :https://sphere-inserm.fr/fr/home
Offre stage.pdf
Contact :floriane.levilainabraham@univ-tours.fr
Post-doctoral scholarship "Objectivation in Bayesian modelling for interpretable decision support"
Publiée le 26/08/2024 16:54.
Postdoc, Palaiseau.
Entreprise/Organisme :Ecole Polytechnique
Niveau d'études :Doctorat
Durée du contrat :1 an renouvelable
Description :See the description of the offer in the joint pdf file
En savoir plus :https://josselin-garnier.org/
CMAP-post-doc-Bayesian.pdf
Contact :nicolas.bousquet@edf.fr
Développement d’outils de chimiométrie pour la fusion de données en physico-chimie
Publiée le 23/07/2024 16:05.
Référence : Sujet de thèse / PhD Position.
Thèse, Nancy, France.
Entreprise/Organisme :UMR CNRS 7360, Laboratoire Iinterdisciplinaire des Ecosystèmes Continentaux (LIEC)
Niveau d'études :Master
Date de début :Entre le 01/09/2024 et le 31/12/2024
Durée du contrat :36 mois
Secteur d'activité :Chimiométrie, Chimie Analytique, spectroscopies, data fusion
Description :Contexte : Ce sujet de thèse s’inscrit dans le projet ICEEL Carnot Transverse intitulé TRANSFUSION (200 k€ sur 2024-2027) pour Techniques de chimiométRie AvaNcéeS de FUsion de données pour repouSser les limites d’analyse d’appareils conventIONnels. Aujourd’hui, les instruments en nanosciences se doivent d’être toujours de plus en plus performants pour visualiser et analyser des échantillons aux petites échelles. L‘interprétation de ces données nécessite la mise en œuvre d’outils mathématiques performants pour en extraire les informations les plus pertinentes et ce sans a priori. L’objectif du projet doctoral est donc d’appliquer et de mettre au point des méthodes originale d’analyse de données pour les nanosciences, où de nombreux domaines de recherche sont concerné comme la physique, la chimie ou la biologie. Pour ce faire nous avons choisi de travailler sur quatre méthodes d’analyse : l’imagerie hyperspectral Raman, la sonde de Castaing, la microscopie à Force Atomique (AFM) couplé au Raman, sur lesquels des méthodes de fusions de données seront développées pour caractériser des échantillons de type biomasse, matériaux innovants et biologique. Ce choix se justifie pour plusieurs raisons : (i) ces techniques instrumentales permettent une caractérisation moléculaire, élémentaire ou mécanique en surface et/ou en volume autour d’une résolution spatiale latérale et azimutale de 1µm, mais aussi par le fait que (ii) l’ensemble des partenaires du projet TRANSFUSION, à savoir le LERMAB, GeoResources, LCPME, LMOPS, TJFU et LIEC, les utilisent pour caractériser leurs échantillons complexes. Le travail du doctorant s’articulera autour de 3 workpackage (WP) distincts sur 3 années : - WP1 : Comprendre et améliorer la résolution spatiale des différentes techniques. Le LIEC utilise déjà des méthodes algorithmiques pour le faire. - WP2 : Identification des sources moléculaires, élémentaires, ou mécanique sur chacun des instruments (méthode de démixage de signaux). - WP3 : Proposer une méthode dite de fusion de données (e.g. topologie). Au-delà d’une approche interdisciplinaire et pluridisciplinaire de la recherche, ce projet doctoral vise à proposer une nouvelle approche d’analyse de données en chimiométrie avec pour objectif de repousser les limites actuelles d’instruments conventionnels lors de la génération de données spatiales couplées à des informations de chimie élémentaire, moléculaire et mécanique avec comme credo : vers le plus petit, le plus rapidement possible, avec traitement intégré et coût compétitif. Mots clés : Chimiométrie, chimie analytique, chimie physique, traitement de données, imagerie, super-résolution.
En savoir plus :https://liec.univ-lorraine.fr/
Sujet_these_transfusion_LIEC_2024.pdf
Contact :marc.offroy@univ-lorraine.fr
2-year postdoctoral position in Statistics and Machine Learning for Biological processes in Lyon
Publiée le 23/07/2024 16:04.
Référence : 2-year postdoctoral position in Statistics and Machine Learning for Biological processes in Lyon.
Postdoc, Lyon.
Entreprise/Organisme :Centre international de recherche sur le cancer (IARC)
Niveau d'études :Doctorat
Date de début :From September to December 2024
Durée du contrat :24 months
Rémunération :monthly net salary ranging from ∼1900 euros to ∼3100 euros, depending on the level of qualification
Secteur d'activité :Academic
Description :Applications are invited for a 2-year postdoctoral position in statistics and machine learning at the International Agency for Research on Cancer (IARC, World Health Organization, Lyon, France) and Ecole Centrale de Lyon (ECL, Lyon, France). The successful candidate will join the MOBiL project (Multi-omics data integration to investigate biological mechanisms underlying the link between lifestyle behaviors and gastro-intestinal cancers), which is one of the 11 "Projets Structurants" funded within the Shape-Med Lyon initiative.
En savoir plus :https://math.univ-lyon1.fr/icj/
MOBiL_Postdoc.pdf
Contact :yohann.de-castro@ec-lyon.fr
Foundation Models for Physics-Aware Deep Learning
Publiée le 10/06/2024 11:50.
Référence : PhD position Sorbonne Université, Paris, Fr, Foundation Models for Physics-Aware Deep Learning.
Thèse, Paris.
Entreprise/Organisme :Sorbonne Universite
Niveau d'études :Master
Sujet :Abstract: Physics-aware deep learning aims at investigating the potential of AI methods to advance scientific research for the modeling of complex natural phenomena. This is a fast-growing research topic with the potential to boost scientific progress and to change the way we develop research in a whole range of scientific domains. An area where this idea raises high hopes is the modeling of complex dynamics characterizing natural phenomena occurring in domains as diverse as climate science, earth science, biology, fluid dynamics. Despite significant advances, this remains an emerging topic that raises several open problems in machine learning and application domains. Among all the exploratory research directions, the idea of developing foundation models for learning from multiple physics is emerging as one of the fundamental challenges in this field. This PhD proposal is aimed at exploring different aspects of this new challenging topic. Two main challenges will be investigated: learning from multiple physics and generalization with few shot learning.
Date de début :October/ November 2024
Durée du contrat :36 Months
Rémunération :2100 Euro Gross Salary
Secteur d'activité :Research - Artificial Intelligence
Description :Research Directions Foundation models have become prominent in domains like natural language processing (GPT, Llama, Mistral, etc) or vision (CLIP, DALL-E, Flamingo, etc). Trained with large quantities of data using self-supervision, they may be used or adapted for downstream tasks while benefiting through pre-training from large amounts of training data. Initial attempts at replicating this framework in scientific domains is currently being investigated in fields as diverse as protein (Jumper et al. 2021), molecule (Zhou 2023), weather forecasting (Pathak 2022, Nguyen 2023, Kochkov 2024). Is the paradigm of foundation models adaptable to more general physics modeling such as the complex behavior of dynamical systems? Large initiatives are emerging on this fundamental topic (https://iaifi.org/generative-ai-workshop). Some preliminary attempts are currently being developed (McCabe 2023, Subramanian 2023, Hao 2024). They suggest that learning from multiple steady-state or time dependent partial differential equations (PDEs) could enhance the prediction performance on individual equations. This high stake, high gain setting might be the next big move in the domain of data-driven PDE modeling. The objective of the PhD is to explore different directions pertaining to the topic of foundation models for physics, focused on the modeling of dynamical systems.
En savoir plus :https://pages.isir.upmc.fr/gallinari/open-positions/
2024-04-20-PhD-Description-Foundation-models-Physics.pdf
Contact :patrick.gallinari@sorbonne-universite.fr
Développement d’une méthode avancée de fusion de données en physico-chimie
Publiée le 09/04/2024 10:37.
Référence : Sujet de Post-doctorat.
Postdoc, Nancy, France.
Entreprise/Organisme :UMR 7360 CNRS Laboratoire Iinterdisciplinaire des Ecosystèmes Continentaux (LIEC)
Niveau d'études :Doctorat
Date de début :Dés que possible
Durée du contrat :12 mois (avec possibilité de renouvellement d'une année)
Rémunération :Environ 2130 euros bruts / mois
Secteur d'activité :Chimiométrie, Chimie Analytique, spectroscopies, data fusion
Description :Le sujet du post-doctorat s’inscrit dans le projet ICEEL Carnot Transverse intitulé TRANSFUSION pour Techniques de chimiométRie AvaNcéeS de FUsion de données pour repouSser les limites d’analyse d’appareils conventIONnels. L’objectif du projet TRANSFUSION est de développer des outils numériques innovants et performants permettant de repousser les limites instrumentales actuelles lors de la génération de données spatiales couplées à des informations de chimie élémentaire, moléculaire et mécanique. L’amélioration concernera à la fois la taille du plus petit objet observable, l’identification de sa composition ainsi que le temps de calcul. L’autre intérêt réside dans la transversalité disciplinaire des outils attendus, ceci à travers leur capacité à prendre en compte des environnements variables et des données de natures multiples et multi-échelle, applicables, dans la présente phase pilote, dans une large mesure aux domaines scientifiques des composantes ICEEL partenaires, à savoir : Génie des procédés et énergies (LERMAB), Ressources et environnement (LIEC, GeoRessources, et LCPME), Matériaux (LMOPS) et Technologies Industrielles (TJFU), où les plateformes instrumentales actuelles ont besoin de proposer une caractérisation plus fine et plus rapide des échantillons analysés pour leurs utilisateurs du publique, comme du privé.
En savoir plus :https://liec.univ-lorraine.fr/
Offre_postdoc_TRANSFUSION_2024_FR.pdf
Contact :marc.offroy@univ-lorraine.fr
Statisticien / Gestionnaire de bases de données
Publiée le 20/10/2023 09:12.
Référence : Statisticien / Gestionnaire de bases de données (INSERM).
CDD, Maternité Port-Royal, 123 bd Port-Royal, 75 014 Paris.
Entreprise/Organisme :INSERM
Niveau d'études :Master
Date de début :01/02/2024
Durée du contrat :12 mois, renouvelable
Rémunération :A partir de 2494,30 euros brut mensuels, selon l’expérience et le niveau de formation
Secteur d'activité :Santé
Description :EPOPé est une équipe de recherche mixte de l’Institut national de la santé et de la recherche médicale (INSERM) et de l’université Paris Cité, appartenant au Centre de Recherche Épidémiologie et Statistique (CRESS). Nos recherches portent sur la santé des femmes pendant la grossesse et ses suites, la santé des enfants liée au contexte de la naissance et la santé des enfants en pédiatrie courante, en France et au niveau international. Au sein de l’équipe EPOPé, le/la statisticien(ne) travaille sur les données de 2 projets de recherche : - il/elle exploite les données, définit et met en oeuvre des analyses statistiques qui visent à développer, valider et analyser des indicateurs de santé relatifs aux femmes enceintes et aux nouveau-nés à partir des bases de données médico-administratives du Système National des Données de Santé (SNDS) (temps dédié : mi-temps) ; - il/elle participe à l’harmonisation de ces indicateurs au sein d’un réseau européen.il/elle exploite la base de données du registre des malformations congénitales de Paris (remaPAR) qui enregistre de manière continue, depuis 1981, tous les cas d’anomalies congénitales détectées en prénatal ou durant la première semaine de vie parmi les naissances vivantes, les mort-nés et les interruptions médicales de grossesse. Les objectifs principaux sont d’assurer la surveillance épidémiologique des anomalies congénitales, d’évaluer les pratiques et les politiques de santé, et de contribuer à la recherche étiologique (temps dédié : mi-temps).
En savoir plus :https://rh.inserm.fr/nous-rejoindre/Lists/Emploi%20ITA/Attachments/4415/U1153%20-%20CRESS%20-%20Stat
U1153- StatisticienSNDSREMAPAR_2024.pdf
Contact :isabelle.monier@inserm.fr

Page précédente  1  2  3  4  <5> 

 
 
©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 :