Consulter les offres d’emploi

24-Month PostDoc on Modeling Urban Bioeconomy at INRAE
Publiée le 14/11/2023 11:56.
Postdoc, Montpellier ou Narbonne.
Entreprise/Organisme :INRAE
Niveau d'études :Doctorat
Date de début :01/01/2024
Durée du contrat :24 months
Rémunération :From €2604 to €3293 gross/month
Description :See attached file.
En savoir plus :https://www6.montpellier.inrae.fr/narbonne/
Position for a 24-Month PostDoc on Modeling Urban Bioeconomy.pdf
Contact :jean-philippe.steyer@inrae.fr
Stage M2 Recherche : Clustering de données fonctionnelles
Publiée le 14/11/2023 11:56.
Référence : Stage M2 Clustering CNAM.
Stage, 2 rue Conté, 75003 Paris.
Entreprise/Organisme :Conservatoire National des Arts et Métiers
Niveau d'études :Master
Sujet :Classification non-supervisée pour l’identification de paysages acoustiques homogènes
Date de début :Février 2024
Durée du contrat :6 mois
Rémunération :Gratification
Secteur d'activité :Recherche académique, océanographie
Description :Stage M2 pour une durée de 6 mois, avec possibilité de poursuite en thèse. Le sujet porte sur de la classification de trajectoires (données fonctionnelles) avec application en océanographie. Voir descriptif complet en pièce jointe.
En savoir plus :https://vincentaudigier.weebly.com/uploads/1/7/3/1/17317324/stage_m2_oceano-1.pdf
stage_M2_oceano-1.pdf
Contact :vincent.audigier@cnam.fr
Professeur Nantes Université
Publiée le 07/11/2023 17:38.
CDI, Nantes.
Entreprise/Organisme :Nantes Université, Laboratoire de mathématiques Jean Leray
Niveau d'études :Autre
Description :Le Laboratoire de Mathématiques Jean Leray recrute un/une professeur développant des recherches dans la thématique de la Statistique. La personne recrutée effectuera sa recherche au sein de l’équipe Aléa du laboratoire Jean Leray et ses enseignements au département de mathématique de la Faculté des sciences et des techniques de Nantes Université.
En savoir plus :https://www.math.sciences.univ-nantes.fr/fr
Fiche de poste E-EC_2024_PR_Statistique_final.pdf
Contact :anne.philippe@univ-nantes.fr
Stage : Mise en oeuvre de modèle linéaire mixte pour l’analyse de données structurées
Publiée le 01/11/2023 12:49.
Stage, Montpellier.
Entreprise/Organisme :Cirad
Niveau d'études :Master
Sujet :Que ce soit dans les domaines de l’agronomie, de l’écologie ou de la santé, de nombreuses études permettent de collecter des données structurées. C’est notamment le cas lorsqu’on s’intéresse à des individus apparentés (croisements en génétique, individus d’une même fratrie en agronomie animale), des individus structurés spatialement (arbres disposés sur une parcelle en agronomie) ou encore à des données longitudinales ; c’est-à-dire des mesures répétées dans le temps sur un même individu (suivie de patients au cours du temps en santé). Il est alors nécessaire d’utiliser des méthodes statistiques adaptées permettant de prendre en compte la structuration des données. Les modèles linéaires mixtes sont largement utilisés dans ce contexte, permettant de prendre en compte finement la structuration entre les observations. De nombreux logiciels tels que SAS, asReml, ou encore R avec les libraires lme4 et nlme permettent de mettre en oeuvre des modèles linéaires mixtes. Cependant, ils présentent tous leurs propres spécificités et limites et en pratique, il est parfois compliqué, voire impossible, d’ajuster un modèle linéaire mixte sur des données très structurées. Objectifs : Les objectifs de ce stage sont de : 1. Réaliser une veille scientifique et technologique pour identifier tous les logiciels/librairies disponibles pour ajuster un modèle linéaire mixte. 2. Mettre en oeuvre les logiciels/librairies identifiés sur des jeux de données réelles issues principalement de l’agronomie et de la génétique des plantes (des jeux de données issus de la santé pourront également être utilisés) dans l’objectif d’identifier clairement les avantages et les limites de chacun. 3. Rédiger un guide pratique pour valoriser et partager les connaissances acquises sur la mise en oeuvre de modèle linaire mixte. Ce guide sera illustré par des exemples et le code associé sera mise à disposition sur la forge logicielle gitlab.cirad.fr.
Date de début :à partir de février 2024
Durée du contrat :4 à 6 mois
Rémunération :610
Secteur d'activité :statistiques
Description :Que ce soit dans les domaines de l’agronomie, de l’écologie ou de la santé, de nombreuses études permettent de collecter des données structurées. C’est notamment le cas lorsqu’on s’intéresse à des individus apparentés (croisements en génétique, individus d’une même fratrie en agronomie animale), des individus structurés spatialement (arbres disposés sur une parcelle en agronomie) ou encore à des données longitudinales ; c’est-à-dire des mesures répétées dans le temps sur un même individu (suivie de patients au cours du temps en santé). Il est alors nécessaire d’utiliser des méthodes statistiques adaptées permettant de prendre en compte la structuration des données. Les modèles linéaires mixtes sont largement utilisés dans ce contexte, permettant de prendre en compte finement la structuration entre les observations. De nombreux logiciels tels que SAS, asReml, ou encore R avec les libraires lme4 et nlme permettent de mettre en oeuvre des modèles linéaires mixtes. Cependant, ils présentent tous leurs propres spécificités et limites et en pratique, il est parfois compliqué, voire impossible, d’ajuster un modèle linéaire mixte sur des données très structurées. Objectifs : Les objectifs de ce stage sont de : 1. Réaliser une veille scientifique et technologique pour identifier tous les logiciels/librairies disponibles pour ajuster un modèle linéaire mixte. 2. Mettre en oeuvre les logiciels/librairies identifiés sur des jeux de données réelles issues principalement de l’agronomie et de la génétique des plantes (des jeux de données issus de la santé pourront également être utilisés) dans l’objectif d’identifier clairement les avantages et les limites de chacun. 3. Rédiger un guide pratique pour valoriser et partager les connaissances acquises sur la mise en oeuvre de modèle linaire mixte. Ce guide sera illustré par des exemples et le code associé sera mise à disposition sur la forge logicielle gitlab.cirad.fr.
En savoir plus :xx
Stage_cirad_LMM_2024.pdf
Contact :benjamin.heuclin@cirad.fr
Stage de M2 : Approximation variationnelle de lois a priori de référence en inférence bayésienne
Publiée le 27/10/2023 07:46.
Stage, CEA Saclay, 91191 Gif-sur-Yvette.
Entreprise/Organisme :CEA
Niveau d'études :Master
Sujet :Approximation variationnelle de lois a priori de référence en inférence bayésienne
Date de début :Avril 2024
Durée du contrat :6 mois
Rémunération :700€ à 1300€ /mois selon école d'origine
Description :Les méthodes d’inférence bayésienne pour l’estimation paramétrique à partir d’observation statistiques restent tributaire du choix de leur loi a priori, et lorsque le système considéré relève d’enjeux réels, comme par exemple au sein d’études de sureté ou de fiabilité, la subjectivité d’une telle sélection reste à proscrire et représente un obstacle quant à l’auditabilité du prior employé. Dans ce cadre s‘inscrit la théorie des priors de références, qui définit des outils sur des critères "objectifs" pour définir la loi a priori du modèle statistique d’intérêt. Les études théoriques de ses éléments parviennent à une expression de ce prior dont la complexité est souvent un problème qui limite son implémentation, particulièrement en grande dimension. C’est dans l’idée de l’approximation de celui-ci que s’inscrit ce stage, en envisageant une approche numérique via une méthodologie d’inférence variationnelle dans la continuité de travaux déjà amorcés.
En savoir plus :xx
Sujet_de_stage_BayesStat_CEA.pdf
Contact :antoine.vanbiesbroeck@cea.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
MCF "Statistique et Optimisation, Machine Learning", Université de Bourgogne, Dijon
Publiée le 19/10/2023 22:13.
Référence : MCF Statistique et Optimisation, Dijon.
CDI, Institut de Mathématiques de Bourgogne, Dijon.
Entreprise/Organisme :Université de Bourgogne
Niveau d'études :Doctorat
Date de début :01/09/2024
Secteur d'activité :Enseignement et Recherche
Description :Un poste de maitre de conférence sera ouvert à l'Université de Bourgogne lors de la campagne de recrutement synchronisée du printemps 2024. Le profil recherché est "Statistique et Optimisation, Machine Learning". Les candidat.e.s intéressé.e.s sont encouragé.e.s à contacter Hervé Cardot pour venir rencontrer l'équipe SPOC à l'Institut de Mathématiques de Bourgogne et présenter leurs travaux.
En savoir plus :https://math.u-bourgogne.fr/
MCF_26StatOpti_IMB2024.pdf
Contact :hcardot@u-bourgogne.fr
Stage de fin d'études avec poursuite en thèse possible : Uncertainty quantification for the closure modeling of the turbulent Reynolds stress tensor
Publiée le 18/10/2023 10:37.
Stage, CEA Saclay, 91191 Gif sur Yvette.
Entreprise/Organisme :CEA
Niveau d'études :Master
Sujet :Quantification d'incertitudes pour la modélisation du tenseur de contraintes de Reynolds turbulent
Date de début :01/03/2024
Durée du contrat :6 mois
Rémunération :de 700 à 1300€ mensuels selon profil
Secteur d'activité :Statistiques, mécanique des fluides, industrie nucléaire
Description :En mécanique des fluides numérique, la résolution numérique directe des équations de Navier-Stokes est extrêmement coûteuse en temps de calcul et ne peut être réalisée que sur des géométries et des caractéristiques bien particulières de l'écoulement. Pour résoudre cette limitation, les mécaniciens des fluides développent des modèles de fermeture tel que les modèles RANS, où les équations de Navier-Stokes sont moyennées en temps. Cette opération de moyennisation fait apparaître un terme inconnu caractéristique de la turbulence de l'écoulement: le tenseur de Reynolds. La détermination de ce tenseur est cruciale pour que la turbulence de l'écoulement étudié soit représentative de la réalité physique. Le sujet de thèse proposé concerne le développement d'une méthodologie de quantification des incertitudes sur le tenseur de Reynolds. Deux axes principaux de recherches ont été identifiés. Le premier axe concerne la modélisation du champ spatial du tenseur de Reynolds comme un champ aléatoire Gaussien, où des méthodes avancées d'apprentissage et d'échantillonnage d'un tel champ aléatoire seront étudiées. Le deuxième axe concerne le développement d'outils mathématiques avancés pour la description statistique du champ de tenseur de Reynolds. En effet, des statistiques tels que les quantiles n'admettent pas d'extension simple dans des dimensions supérieures à 1. Une nouvelle notion de quantile multivariée basé sur la théorie du transport optimal pourra être envisagée ainsi que le développement d'algorithmes d'estimations efficaces.
En savoir plus :NA
sujet_stage_thèse_reynolds_uq.pdf
Contact :clement.gauchy@cea.fr
Internship : Robust detection of anomalies from IA approches for pilot plant predictive maintenance
Publiée le 16/10/2023 16:13.
Stage, Solaize (69).
Entreprise/Organisme :IFPEN
Niveau d'études :Master
Sujet :Contribution à une maintenance prédictive des unités pilotes par une détection robuste des dérives de fonctionnement à partir d’approches issues de l’intelligence artificielle
Date de début :Février à Juillet 2024
Durée du contrat :5 à 6 mois
Rémunération :1081€ brut
Secteur d'activité :Génie Chimique - Mathématiques appliquées - Automatique
Description :IFPEN a l’ambition de devenir un acteur incontournable de la triple transition énergétique, écologique et numérique en proposant des solutions technologiques différenciantes en réponse aux défis sociétaux et industriels de l’énergie et du climat. La mise en place de nouvelles démarches méthodologiques couplant « data science et expérimentation » font partie des solutions étudiées permettant d’aller plus vite et réduire les coûts de R&I. Cela passe notamment par la mise en œuvre de méthodes de supervision permettant de s’assurer du bon fonctionnement des installations pilotes et de méthodes de traitement de données pour mieux exploiter et interpréter résultats. La problématique de pronostic et management de la santé d’un équipement (communément appelé PHM : Prognostics and Health Management) est d’un intérêt certain. Il s’agit d’une discipline qui s’intéresse aux mécanismes de dégradation des systèmes en vue de l’estimation de leur état de santé, de l’anticipation de leur défaillance et de l’optimisation de leur maintenance. Par exemple, sur une unité pilote, il est facile d’obtenir des données dans le cadre d’un bon fonctionnement. Cependant il est très difficile d’obtenir des données lors de problèmes de fonctionnement avec la grande variabilité des produits à traiter et des conditions opératoires à explorer. L’objectif de ce stage est une étude sur le développement de technologies permettant la détection d’anomalies sur des unités pilotes via l’utilisation de méthodes d’apprentissage numériques sur des séries temporelles. Une telle réalisation constituera une avancée significative dans la conduite des procédés en minimisant les pannes et les arrêts des unités. Objectifs du stage Etat de l’art sur les méthodes d’apprentissage profond pour le pronostic et management de la santé. Sélection de méthodes adaptées à la problématique de détection d’anomalies sur les unités pilotes IFPEN, en pesant les avantages et inconvénients de chaque approche. Implémentation et comparaison des approches les plus prometteuses sur des cas simples. Capitaliser les réalisations via la rédaction d’un rapport, de documentation relative au code développé, ainsi que la présentation orale des résultats. Ce sujet a pour ambition de déboucher sur une thèse permettant d’approfondir cette étude. Profil recherché Étudiant de dernière année d’école d’ingénieur, M2, ou équivalant, avec de solides connaissances en apprentissage (machine learning) et science des données, ainsi qu’un fort intérêt vers le génie des procédés. Toutefois, les candidatures en génie chimique, avec une forte appétence pour les mathématiques appliquées et l’informatique, seront considérées avec intérêt. Langue Française ou Anglaise, curiosité, enthousiasme, autonomie.
En savoir plus :https://stages.ifpenergiesnouvelles.fr/Stage-Departement-Intensification-Experimentation-Lyon-IFP-En
SujetDeStage2024-R151-Contribution à une maintenance prédictive des unités pilotes par une détection robuste des dérives de fonctionnement à partir d’approches issues de l’IA.pdf
Contact :fanny.casteran@ifpen.fr
Poste de Maître de conférences en apprentissage statistique et machine learning
Publiée le 06/10/2023 11:52.
CDI, Lyon, campus de Bron.
Entreprise/Organisme :Université Lyon 2
Niveau d'études :Doctorat
Date de début :01/09/2024
Description :Un poste de maître de conférences en apprentissage statistique et machine learning sera ouvert au prochain concours (session synchronisée), pour un rattachement au laboratoire ERIC pour la partie recherche et à l'Institut de la Communication pour la partie enseignement.
En savoir plus :https://eric.msh-lse.fr
2024-univlyon2-posteMCF2627.pdf
Contact :julien.jacques@univ-lyon2.fr
Conformal inference for drone trajectories forecast
Publiée le 06/06/2023 21:05.
Postdoc, Toulouse.
Entreprise/Organisme :Institut de Mathématiques de Toulouse / THALES
Niveau d'études :Doctorat
Date de début :Any time after October 2023
Durée du contrat :1 an
Rémunération :Around 30k€ after taxes, including prime .
Secteur d'activité :Public research
Description :This position is a part of the ANR Project ASTRID-ROMEO dealing with the integrity of drone sheep. It is dedicated to the development of robust methods for the detection of outliers in drones trajectories, combinig physics-constrained neural network and uncertainty quantification using conformal inference methods. Thales Research and Technology (TRT) brings its expertise for the first part, whereas Toulouse Institute of Mathematics (IMT) carries out the second one. More information at https://anr.fr/Project-ANR-21-ASIA-0001. The post-doctoral trainee will mainly take place at IMT, with several meetings in Paris Saclay. It will be supervised by Fabrice Gamboa (IMT) and Adrien Mazoyer (IMT), and by TRT in particular for the programming aspects.
En savoir plus :https://anr.fr/Project-ANR-21-ASIA-0001
post_doc_Romeo.pdf
Contact :adrien.mazoyer@math.univ-toulouse.fr

Page précédente  1  2  3  4  5  <6> 

 
 
©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 :