Consulter les offres d’emploi

3-year PhD Position in Mathematics (funded by Amidex)
Publiée le 10/03/2025 11:01.
CDD, Marseille.
Entreprise/Organisme :Aix-Marseille University, Marseille Institute of Mathematics
Niveau d'études :Master
Date de début :01.09.2025
Durée du contrat :36 months
Rémunération :according to the French scale
Secteur d'activité :Statistics
Description :Applications are invited for a three-year PhD position starting in September 2025 in the A*MIDEX Chaire d'Excellence-funded project “Nonstationary Models of Biological Signals” (NOMOS), Principal Investigator Prof. Anna Dudek. According to the requirements of this funding program, candidates should not be currently employed by the Aix-Marseille University and should have obtained their last degree outside AMU. Interviews with candidates will be conducted in English. Project NOMOS Overview Nonstationary signals are at the forefront of modern statistical analysis, as many observed phenomena cannot be adequately modeled by stationary processes. The NOMOS project aims to develop a new generation of nonstationary models and algorithms for analyzing various biological signals. The project will focus mainly on developing innovative models for biomedical signals with irregular cyclicity and exploring potential machine learning applications. Position Objective: The primary focus of this position is to develop novel models for analyzing nonstationary biomedical signals, establish their statistical properties, and apply them to real data. Implementation of the proposed methods is expected in R or Python. The role requires the ability to effectively communicate technical material and build both internal and external collaborations. Additional responsibilities may include assisting in the supervision of student projects, supporting the development of student research skills, providing instruction, or planning and delivering seminars related to the research area. Profile: Strong background in statistics. Knowledge of R and/or Python. Knowledge of machine learning methods is a plus.
En savoir plus :https://academicpositions.com/ad/aix-marseille-universite/2025/3-year-phd-positions-in-mathematics-funded-by-amidex/230113
Contact :aedudek@agh.edu.pl
3-year research engineer (IGR) in Statistics and Machine Learning (funded by Amidex)
Publiée le 10/03/2025 11:01.
CDD, Marseille.
Entreprise/Organisme :Aix-Marseille University, Marseille Institute of Mathematics
Niveau d'études :Doctorat
Date de début :01.09.2025
Durée du contrat :32 months
Rémunération :according to the French scale
Secteur d'activité :Statistics and Machine Learning
Description :Applications are invited for a three-year full time research engineer position starting in September-October 2025 in the A*MIDEX Chaire d'Excellence-funded project “Nonstationary Models of Biological Signals” (NOMOS), Principal Investigator Prof. Anna Dudek. According to the requirements of this funding program, candidates should not be currently employed by the Aix-Marseille University and should have obtained their last degree outside AMU. Interviews with candidates will be conducted in English. Project NOMOS Overview Nonstationary signals are at the forefront of modern statistical analysis, as many observed phenomena cannot be adequately modeled by stationary processes. The NOMOS project aims to develop a new generation of nonstationary models and algorithms for analyzing various biological signals. The project will focus mainly on developing innovative models for biomedical signals with irregular cyclicity and exploring potential machine learning applications. Engagement: 50% of time dedicated to team collaboration, including statistical simulations, and research tasks such as developing and optimizing algorithms, testing and validating models, and conducting literature reviews, preparing presentations. Responsibilities also include writing and debugging codes for statistical modeling and machine learning applications, as well as documenting methodologies and results. 50% of time focused on consulting for researchers at Aix-Marseille University and collaborating on applied projects with other laboratories. Tasks include data preparation and cleaning, designing and implementing machine learning workflows, performing statistical analyses, creating visualizations and dashboards, presenting findings to researchers, and contributing to research papers, reports, and grant proposals. Profile: strong background in statistics and machine learning methods (PhD in statistics or machine learning), experience in statistical consulting welcomed, very good skills in R and/or Python, good knowledge of statistical learning methods. Up to 5 years of experience after PhD.
En savoir plus :https://academicpositions.com/ad/aix-marseille-universite/2025/3-year-research-engineer-igr-in-statistics-and-machine-learning-funded-by-amidex/230115
Contact :aedudek@agh.edu.pl
Offre de PostDoctorat - ANR BACKUP
Publiée le 10/03/2025 11:01.
Postdoc, Toulouse.
Entreprise/Organisme :Institut de Mathématiques de Toulouse
Niveau d'études :Doctorat
Description :We seek a candidate in statistics/machine learning with an excellent statistical and mathematical background attested by publications in top-level journals and/or top-level conferences. The successful candidate will work together with members of the ANR BACKUP team. Examples of topics of interest include: Latent variables, mixture models; Post-selection inference; Kernels, kernel-based methods; Bayesian nonparametrics, e.g. contraction rates; High-dimensional models, multiple testing The duration of the postdoc is up to 2 years, to be spent at Institut de Mathématiques de Toulouse, working with François Bachoc, Cathy Maugis-Rabusseau, and Pierre Neuvial. Starting date: fall 2025.
En savoir plus :https://sites.google.com/view/anrbackup/postdoc-toulouse?authuser=0
Contact :francois.bachoc@math.univ-toulouse.fr
ATER en Mathématiques
Publiée le 26/02/2025 12:41.
CDD, Pau (64).
Entreprise/Organisme :Université de Pau et des Pays de l'Adour
Niveau d'études :Doctorat
Date de début :Septembre 2026
Durée du contrat :12 mois
Description :Un poste d'ATER en Mathématiques a l'Université de Pau et des Pays de l'Adour sera publié à partir du 10 mars 2025. La personne recrutée intégrera l'équipe pédagogique du département "Science des Données" (SD) de l'IUT de Pau et des Pays de l’Adour. Elle sera amenée à intervenir dans les trois années de BUT sur des enseignements de mathématiques (et plus particulièrement en probabilités et statistique).
En savoir plus :https://organisation.univ-pau.fr/fr/recrutement/recrutement-des-personnels-enseignants-chercheurs-po
Fiche ALTAIR info complémentaire_SD.pdf
Contact :ghislain.verdier@univ-pau.fr
Maître de Conférences en Science des données
Publiée le 25/02/2025 12:53.
Référence : ONIRIS_MC_SD.
CDI, Nantes.
Entreprise/Organisme :ONIRIS VetAgroBio
Niveau d'études :Doctorat
Date de début :01/09/2025
Secteur d'activité :Enseignement Supérieur Agricole
Description :L’École Nationale Vétérinaire, Agroalimentaire et de l’Alimentation (Oniris VetAgroBio Nantes) forme plus de 1200 élèves, en proposant notamment des formations correspondant : • aux métiers de technicien supérieur et d’ingénieur dans les domaines agroalimentaire, sciences de l’alimentation et biotechnologies, sur le campus des sciences de l’alimentation, • aux métiers de vétérinaire, sur le campus vétérinaire. Dans une optique de renforcement de ses compétences, Oniris souhaite recruter un(e) candidat(e) avec un profil Science des données. Cet enseignant-chercheur (H/F) sera rattaché à l’unité pédagogique Mathématique, Statistique et Informatique (MSI) composée de cinq enseignants-chercheurs et un enseignant. Cette unité est rattachée au département d’enseignement Management, Statistique et Communication (MSC). Sur le plan de la recherche, il intégrera l’USC 1381 INRAE/Oniris StatSC dont les champs d’application s’inscrivent principalement en sensométrie et en chimiométrie. L’activité de recherche de l’unité a une double vocation, à la fois à caractère méthodologique et finalisé.
En savoir plus :No link
MC_Science des donnees.pdf
Contact :jean-michel.galharret@oniris-nantes.fr
Détection non-supervisée d’anomalies dans des flux continus de séries temporelles multivariées
Publiée le 18/02/2025 11:02.
Référence : Thèse CIFRE EDF R&D 2025-127650.
Thèse, EDF R&D Lab Chatou.
Entreprise/Organisme :EDF R&D / Inria
Niveau d'études :Master
Date de début :A partir de mi-2025, en fonction de la date de recrutement du candidat
Secteur d'activité :Recherche, énergie
Description :Dans le contexte du suivi en continu des matériels des installations de production d’électricité d’EDF, la détection d’anomalies en temps réel dans les séries temporelles issues des capteurs de surveillance représente un enjeu crucial : plus elle est précoce et efficace, plus on est en mesure de réagir tôt et à bon escient pour tenter d’atténuer les impacts, voire d’éviter la survenue, de tout événement potentiellement critique, comme un dysfonctionnement ou une défaillance d’un équipement. Disposer de méthodes performantes de détection non-supervisée de sous-séquences anormales en streaming, adaptées à des flux continus de séries temporelles multivariées (l’anomalie pouvant être caractérisée par l’évolution simultanée de plusieurs paramètres physiques, ou observée uniquement au travers des mesures conjointes de différents capteurs), revêt donc un intérêt de tout premier ordre pour aider à la décision en appui à l’exploitation et à la maintenance des matériels. Les verrous scientifiques et techniques associés à cet objectif sont multiples, parmi lesquels la gestion de l’hétérogénéité entre les dimensions d’une même série temporelle multivariée (longueurs ou fréquences d’échantillonnage différentes, séries de données discrètes vs. continues, présence ou absence de corrélations entre plusieurs dimensions…), le développement de mesures de similarité adaptées à des sous-séquences temporelles multivariées, la définition de mesures de performance adaptées à la détection de sous-séquences anormales, la construction d’un recueil de jeux de données appropriés pour que les résultats des études comparatives aient du sens, le choix de la famille d’algorithmes la plus adaptée pour répondre au problème et la calibration optimale du paramétrage, en visant un compromis entre « précision » / « adaptativité » / « robustesse à une dérive conceptuelle » / « temps d’exécution » / « taille mémoire » imposé par le cadre non-supervisé et en flux continu de données. La dimension « interprétabilité » du modèle est également importante. Dans ce contexte, la thèse visera à produire des algorithmes génériques, performants et testés avec succès sur des jeux de données simulées, issues de la littérature et réelles provenant de cas d’usage EDF. Elle mènera à la production d’articles scientifiques (communications en conférences, articles de journaux) et dépôts de brevets, si pertinent. Les méthodes développées feront l’objet d’implémentations informatiques (librairies Python / R / Julia) pour faciliter leur utilisation en interne EDF R&D et leur transfert à l’ingénierie d’EDF. Elle sera dirigée par deux chercheurs de l’équipe Valda d’Inria Paris et encadrée par trois chercheurs du département PRISME d’EDF R&D (site Lab Chatou).
En savoir plus :https://www.edf.fr/edf-recrute/offre/detail/2025-127650
Sujet-thèse-CIFRE_anomalies-séries-temporelles_EDF-INRIA_SFdS.pdf
Contact :emmanuel.remy@edf.fr
Chargé d’étude scientifique – Data manager SNDS (f/h)
Publiée le 18/02/2025 10:56.
Référence : DATA-CDI-2024-10.
CDI, 12 rue du Val d'Osne 94410 Saint-Maurice.
Entreprise/Organisme :Santé publique France
Niveau d'études :DUT/Licence ou équivalent
Description :Présentation de l'agence : Santé publique France est l’agence nationale de santé publique française. Etablissement public de l’Etat sous tutelle du ministre chargé de la santé créé par l’ordonnance 2016-246 du 15 avril 2016, elle intervient au service de la santé des populations. Agence scientifique et d’expertise du champ sanitaire. ACTIVITES : Sous l’autorité du responsable d’unité et en lien étroit avec ses collègues de l’équipe SNDS, le chargé d’études F/H sera plus particulièrement chargé des activités suivantes : . Contribuer à la conception d’études à partir des données du SNDS, en lien avec les directions métiers de l’agence : - Participer à l’équipe projet et au(x) groupe(s) de travail dédié(s), contribuer à la rédaction du protocole et aux choix méthodologiques . Assurer la gestion et le traitement des données du SNDS : - Développer des programmes et réaliser des requêtes sur le portail SNDS ou les bases de données historiques détenues par l’agence ; - Préparer les données : créer des fichiers de données, créer de nouvelles variables d’analyse, construire et mettre à jour des indicateurs, organiser les données sur le réseau de façon sécurisée ; - Contribuer au développement d’algorithmes de sélection pour des pathologies données ; - Contribuer aux analyses statistiques des données ; - Contribuer à la veille méthodologique ; - Faciliter l’accès, l’utilisation et l’analyse des données SNDS en interne à l’agence : suivi des actualités, mise à disposition de documents de référence, de banques de programmes, rédaction de guides méthodologiques ; - Veiller au respect des conditions d’accès au portail SNDS : contribuer au suivi et à la mise à jour des demandes d’habilitation et d’accès aux données, assurer la revue annuelle des habilitations et projets, tenir à jour les registres ad hoc ; - Participer aux permanences hebdomadaires SNDS assurées par l’équipe ; - Participer aux formations réalisées par l’équipe sur le périmètre SNDS ainsi qu’a leur préparation et à l’organisation - Participer à l’animation et au développement des partenariats interne et externe (HDH, REDSIAM …) développés autour de l’écosystème SNDS. . Contribuer à la mise à disposition et à la valorisation des résultats en lien avec les épidémiologistes et les statisticiens : - Proposer des sujets et approches innovantes pour l’exploitation du SNDS - Encadrer des stagiaires dans le cadre de l’internat de santé publique ou en Master - Communiquer des résultats ; - Rédiger des rapports d’études et des articles scientifiques. Le chargé d’études pourra également être amené à apporter son soutien pour le traitement, l’analyse et la restitution à partir d’autres données épidémiologiques de l’agence. Profil recherché : - Bac +3 à Bac +5 dans le domaine des statistiques ou de la gestion et du traitement de données (formation universitaire ou diplôme d’ingénieur) - Une expérience préalable sur l’analyse des données du SNDS (données de l’assurance maladie (DCIR), données hospitalières (PMSI) ou données de mortalité (CépiDc)) est souhaitée. Aptitudes et compétences : - Maîtrise des logiciels SAS et R. - Etre à l'aise sur des techniques et outils statistiques et informatiques de traitement de données : - Rigueur scientifique - Capacités d’analyse et de synthèse - Qualités relationnelles, aptitude à la discussion, au partage et au travail d’équipe - Curiosité intellectuelle, esprit d’initiative et autonomie - Organisation, capacité à gérer un portefeuille de projets - Qualités rédactionnelles
En savoir plus :https://www.santepubliquefrance.fr/offres-d-emploi/charge-d-etude-scientifique-data-manager-snds
DATA-CDI-2024-10 CES data manager SNDS unité Abiss.pdf
Contact :recrut@santepubliquefrance.fr
Analyse entre les facteurs environnementaux et le développement de l'enfant
Publiée le 18/02/2025 10:56.
Stage, Laboratoire Jean Kuntzmann, 150 place du Torrent, 38400 Saint Martin d’Hères.
Entreprise/Organisme :Laboratoire Jean Kuntzmann - Université Grenoble Alpes
Niveau d'études :Master
Sujet :La santé humaine peut être affectée par de nombreuses expositions environnementales, parmi lesquelles un grand nombre de preuves ont démontré l'impact de la pollution de l'air ambiant, des températures ambiantes élevées et des vagues de chaleur sur la morbidité et la mortalité (Schwartz, 1994). Les expositions au début de la vie sont particulièrement préoccupantes : la vie intra-utérine est une période critique de plasticité au cours de laquelle les agressions environnementales peuvent modifier les programmes de développement avec des effets immédiats visibles à la naissance ou des effets différés qui apparaissent pendant l'enfance, à la puberté ou à l'âge adulte. Ces travaux sont liés au domaine de recherche DOHaD (Developmental Origins of Health and Diseases), qui affirme que plusieurs maladies fréquentes peuvent avoir une origine pendant la période de développement (Sinclair et al. 2007). Chez les animaux, un large corpus de recherche soutient cette hypothèse (Hanson and Gluckman 2011) y compris pour la pollution de l'air (Veras et al. 2009) et l'exposition à la chaleur pendant la gestation (van Wettere et al. 2021). Chez l'homme, des études épidémiologiques ont démontré les effets néfastes de la pollution atmosphérique et de la chaleur sur l'issue de multiples naissances (par exemple, diminution du poids à la naissance, augmentation des naissances prématurées, mortes et néonatales) (Jakpor et al. 2020; Chersich et al. 2020; Song et al. 2023). Plus tard dans la vie, le faible poids du bébé à la naissance contribue de manière significative à la morbidité et à la mortalité périnatales (Pallotto and Kilbride 2006). Au-delà de la période néonatale, le retard de croissance intra-utérin peut avoir des ramifications tout au long de la vie en augmentant le risque de plusieurs maladies cardiovasculaires, respiratoires et métaboliques (Fowden et al. 2006). Du point de vue de l'exposition, les études examinent de plus en plus l'ensemble de la trajectoire d'exposition d'un individu, en tenant compte de chaque semaine, de la conception à la naissance (Gasparrini et al. 2010; Jakpor et al. 2020), en tirant parti de modèles d'exposition de pointe dotés d'une résolution spatiale et temporelle fine (Hough et al. 2020; Hough et al. 2021). Du point de vue du développement, le poids de naissance est une mesure a posteriori qui ne reflète pas nécessairement les différentes trajectoires de croissance au cours de la vie fœtale. Certaines études ont examiné la contribution de l'échographie à la détection d'éventuels effets précoces et de phénomènes de croissance de rattrapage (Iñiguez et al. 2016). En outre, l'identification des fenêtres critiques d'exposition à l'environnement pendant la grossesse présente un intérêt considérable pour mieux prévenir les effets sur la santé du fœtus. Cependant, aucune étude n'a évalué les effets de l'ensemble de la trajectoire d'exposition sur la trajectoire de croissance du fœtus, en tenant compte des aspects longitudinaux de l'exposition et du résultat. Objectifs L'objectif du stage de Master 2 est de développer des modèles statistiques et des méthodes d'estimation prenant en compte la nature longitudinale des données d'exposition et de résultats. La première étape consistera à revoir les packages existants dlnm, nlme et à identifier leurs limites. La seconde étape consistera à développer un nouveau package incluant l'extension aux effets aléatoires et aux interactions entre variables. Ce projet de Master 2 est la première étape d'un projet de doctorat plus général visant à produire de nouvelles connaissances sur les effets de la pollution de l'air et de l'exposition à la chaleur pendant la grossesse sur la croissance du fœtus (dans un contexte de données répétées à la fois pour l'exposition et le résultat). Le CV et la lettre de motivation (y compris les perspectives de carrière) doivent être envoyés aux adresses suivantes adeline.leclercq-samson@univ-grenoble-alpes.fr, vincent.brault@univ-grenoble-alpes.fr, johanna.lepeule@univ-grenoble-alpes.fr Ces documents peuvent être rédigés en français ou en anglais.
Durée du contrat :5 à 6 mois
Rémunération :Indemnités suivant grille officielle
Secteur d'activité :Recherche - Epidémiologie
Description :La santé humaine peut être affectée par de nombreuses expositions environnementales, parmi lesquelles un grand nombre de preuves ont démontré l'impact de la pollution de l'air ambiant, des températures ambiantes élevées et des vagues de chaleur sur la morbidité et la mortalité (Schwartz, 1994). Les expositions au début de la vie sont particulièrement préoccupantes : la vie intra-utérine est une période critique de plasticité au cours de laquelle les agressions environnementales peuvent modifier les programmes de développement avec des effets immédiats visibles à la naissance ou des effets différés qui apparaissent pendant l'enfance, à la puberté ou à l'âge adulte. Ces travaux sont liés au domaine de recherche DOHaD (Developmental Origins of Health and Diseases), qui affirme que plusieurs maladies fréquentes peuvent avoir une origine pendant la période de développement (Sinclair et al. 2007). Chez les animaux, un large corpus de recherche soutient cette hypothèse (Hanson and Gluckman 2011) y compris pour la pollution de l'air (Veras et al. 2009) et l'exposition à la chaleur pendant la gestation (van Wettere et al. 2021). Chez l'homme, des études épidémiologiques ont démontré les effets néfastes de la pollution atmosphérique et de la chaleur sur l'issue de multiples naissances (par exemple, diminution du poids à la naissance, augmentation des naissances prématurées, mortes et néonatales) (Jakpor et al. 2020; Chersich et al. 2020; Song et al. 2023). Plus tard dans la vie, le faible poids du bébé à la naissance contribue de manière significative à la morbidité et à la mortalité périnatales (Pallotto and Kilbride 2006). Au-delà de la période néonatale, le retard de croissance intra-utérin peut avoir des ramifications tout au long de la vie en augmentant le risque de plusieurs maladies cardiovasculaires, respiratoires et métaboliques (Fowden et al. 2006). Du point de vue de l'exposition, les études examinent de plus en plus l'ensemble de la trajectoire d'exposition d'un individu, en tenant compte de chaque semaine, de la conception à la naissance (Gasparrini et al. 2010; Jakpor et al. 2020), en tirant parti de modèles d'exposition de pointe dotés d'une résolution spatiale et temporelle fine (Hough et al. 2020; Hough et al. 2021). Du point de vue du développement, le poids de naissance est une mesure a posteriori qui ne reflète pas nécessairement les différentes trajectoires de croissance au cours de la vie fœtale. Certaines études ont examiné la contribution de l'échographie à la détection d'éventuels effets précoces et de phénomènes de croissance de rattrapage (Iñiguez et al. 2016). En outre, l'identification des fenêtres critiques d'exposition à l'environnement pendant la grossesse présente un intérêt considérable pour mieux prévenir les effets sur la santé du fœtus. Cependant, aucune étude n'a évalué les effets de l'ensemble de la trajectoire d'exposition sur la trajectoire de croissance du fœtus, en tenant compte des aspects longitudinaux de l'exposition et du résultat. Objectifs L'objectif du stage de Master 2 est de développer des modèles statistiques et des méthodes d'estimation prenant en compte la nature longitudinale des données d'exposition et de résultats. La première étape consistera à revoir les packages existants dlnm, nlme et à identifier leurs limites. La seconde étape consistera à développer un nouveau package incluant l'extension aux effets aléatoires et aux interactions entre variables. Ce projet de Master 2 est la première étape d'un projet de doctorat plus général visant à produire de nouvelles connaissances sur les effets de la pollution de l'air et de l'exposition à la chaleur pendant la grossesse sur la croissance du fœtus (dans un contexte de données répétées à la fois pour l'exposition et le résultat). Le CV et la lettre de motivation (y compris les perspectives de carrière) doivent être envoyés aux adresses suivantes adeline.leclercq-samson@univ-grenoble-alpes.fr, vincent.brault@univ-grenoble-alpes.fr, johanna.lepeule@univ-grenoble-alpes.fr Ces documents peuvent être rédigés en français ou en anglais.
En savoir plus :https://svh.imag.fr/
sujet M2 Developpement enfant.pdf
Contact :vincent.brault@univ-grenoble-alpes.fr
Stage M2/ingénieur.e - Dynamique spatio-temporelle d'une maladie du bananier au Mozambique
Publiée le 18/02/2025 10:56.
Référence : Dynamique spatio-temporelle d'une maladie du bananier au Mozambique.
Stage, Montpellier, Campus International de Baillarguet.
Entreprise/Organisme :CIRAD - Equipe FORISK, UMR Plant Health Institute of Montpellier
Niveau d'études :Master
Sujet :Dynamique spatio-temporelle de la fusariose race tropicale 4 au Mozambique : comprendre et modéliser la propagation d’une maladie majeure du bananier
Date de début :A partir d'avril 2025
Durée du contrat :6 mois
Rémunération :Gratification selon les standards réglementaires
Secteur d'activité :Agriculture ; Epidemiologie végétale ; Auto-suffisance alimentaire
Description :La fusariose race tropicale 4 (Foc TR4) est une maladie dévastatrice du bananier qui entraîne la mort de la plante. Alors que 80 % des variétés cultivées sont vulnérables, aucune méthode de lutte efficace n'existe actuellement pour limiter les dégâts occasionnés par la maladie. Foc TR4 représente un risque économique mais aussi pour l'auto-suffisance alimentaire de nombreux pays. Ce stage a pour objectif de développer des connaissances essentielles pour l’épidémiosurveillance de Foc TR4 à partir de données documentant l’émergence de cette maladie au Mozambique. En s’appuyant sur des observations épidémiologiques réalisées sur près de 3000 plantes pendant 2 ans, le ou la stagiaire développera un modèle retraçant la propagation de la maladie en fonction de la présence ou non de mesures de contention de la maladie ainsi que de variables climatiques. Ce travail sera essentiel pour développer de nouvelles connaissances sur l'épidémie de Foc TR4, ainsi que pour déterminer la fréquence optimale d’échantillonnage sur le terrain et pour concevoir des méthodes de détection exploitables sur le terrain.
En savoir plus :https://www.linkedin.com/posts/mathilde-chen-38916b65_stage-foc-tr4-mozambique-activity-729537113643
Contact :mathilde.chen@cirad.fr
Chargé d’études « méthodes et statistiques d’enquêtes » (f/h)
Publiée le 11/02/2025 14:36.
Référence : DATA-CDD-2025-01.
CDD, Saint-Maurice (94).
Entreprise/Organisme :Santé publique France
Niveau d'études :Master
Date de début :Dès que possible
Durée du contrat :3 ans
Rémunération :Selon l’expérience et le niveau de formation par référence aux grilles des agences sanitaires
Secteur d'activité :Santé publique, épidémiologie, Statistique
Description :Le chargé d’études sera placé au sein de l’unité Enquêtes de la DATA et travaillera au sein de l’équipe projet interdirection constituée pour concevoir et mettre en oeuvre l’enquête SaMarOya – Enquête de santé en Guyane intérieure. La Guyane française, département et région d’outre-mer situé sur le continent sud-américain et recouvert à 97 % de forêt amazonienne, est un vaste territoire, vulnérable et hétérogène où 53 % de sa population, qui se concentre sur le littoral atlantique, vit sous le seuil de pauvreté. Dans les huit communes les plus isolées de Guyane, communément regroupées sous le terme « Guyane intérieure », vivent environ 50 000 personnes d’origines diverses, en majorité amérindiennes, bushinenguées et créoles, dans des villages ou petites villes le long des fleuves Maroni et Oyapock et au coeur de la forêt (Saül). Dans ces zones isolées géographiquement et uniquement accessibles par voie fluviale et aérienne, les indicateurs socioéconomiques sont plus dégradés que dans le reste de la région, l’accès aux services essentiels et plus spécifiquement aux services de santé est limité et les données actuellement disponibles pour décrire l’état de santé de la population sont insuffisantes. En réponse à ce manque de données, Santé publique France a conçu une méthode, originale et adaptée au terrain complexe, d’enquête transversale multithématique en population générale (échantillon aléatoire d’environ 3000 personnes) avec administration de questionnaire en face à face par un médiateur en santé issu de la communauté et formé au métier d’enquêteur et la réalisation de prélèvements biologiques et de mesures anthropométriques par un infirmier diplômé d’état (IDE). Le déploiement de cette enquête, nommée SaMarOya, en partenariat avec le CH de Cayenne et ses Centres Délocalisés de Prévention et de Soins se fera en trois phases : une phase de préparation en 2025, une phase de terrain pour la collecte des données en 2026 et une phase d’analyse, valorisation et restitution des résultats en 2027. Sous l’autorité du responsable de l’Unité Enquêtes, la personne recrutée participe, au sein de l’équipe projet et en lien avec la biostatisticienne de l’équipe projet, aux différentes étapes de conception et de mise en oeuvre opérationnelle de cette enquête. À ce titre, la personne recrutée est plus particulièrement chargée de :  Participer aux réunions internes et externes nécessaires à la mise en oeuvre de l’enquête : réunions de l’équipe projet, réunions de l’équipe projet élargie, réunions avec les prestataires et partenaires de l’enquête  Aider à la préparation des dossiers d’autorisations règlementaires et au dossier pour le comité du Label, pour la mise en oeuvre de l’enquête  Participer au choix de la méthodologie et du protocole de collecte  En lien avec l’Unité enquêtes, la Division Sondages de l’Insee, l’équipe projet et le prestataire de collecte, définir le plan de sondage le plus adapté à cette étude  Participer au cadrage et au suivi du prestataire en charge de la collecte : préparation des questionnaires et autre matériel d’enquête (courriers, mails, site internet, hotline etc.) ; validation des datamaps (format des questions programmées) ; soutien à la formation des enquêteurs ainsi qu’à la définition des outils de gestion et de suivi de terrain ; contribution à la supervision du déroulement du pilote et du terrain d’enquête, y compris volet IDE et prélèvement biologique, etc.  En phase post-collecte : o Participer au nettoyage des données ainsi qu’à la mise en oeuvre des traitements statistiques de correction de la non-réponse (totale et partielle), pondération et redressement, traitements des données aberrantes. Participer à la production de la documentation des enquêtes sur ces points : bilan méthodologique, guides d’utilisation o Contribuer à l’exploitation des données d’enquêtes, en lien avec l’équipe projet et les épidémiologistes : analyses statistiques, rédaction de rapports et valorisations scientifiques (articles scientifiques, communications à des colloques, séminaires, conférences, participation à des groupes d’échanges interinstitutionnels etc) A noter que des déplacements sur le terrain pourront être nécessaires à différentes phases du projet. Le chargé d’études pourra également être amené à participer à d’autres activités de l’unité Enquêtes, notamment : veille scientifique et échanges scientifiques, participation aux réunions d’unité et de Direction etc. En outre, il pourra participer à toute activité entrant dans les missions de l’Agence si cela s’avère nécessaire en situation d’urgence ou de crise.
En savoir plus :https://www.santepubliquefrance.fr/offres-d-emploi/charge-d-etudes-methodes-et-statistiques-d-enquet
DATA-CDD-2025-01 CES SaMarOya.pdf
Contact :jean-baptiste.richard@santepubliquefrance.fr
Poste PU Statistique - Science des données CNAM
Publiée le 11/02/2025 14:36.
Référence : PU Statistique CNAM.
CDI, Paris.
Entreprise/Organisme :Conservatoire National des Arts et Métiers
Niveau d'études :Autre
Description :Un poste de Professeur des Universités sera ouvert au concours pour la campagne 2025 au Conservatoire National des Arts et Métiers en Statistique - Science des données. Ce poste renforcera l'équipe MSDMA du laboratoire CEDRIC (https://cedric.cnam.fr/lab/equipes/msdma/) dont les travaux concernent le traitement de données complexes à travers des méthodes d’apprentissage supervisé et non supervisé: statistique en grande dimension, modélisation prédictive, classification, données complexes caractérisées par une structure hétérogène des observations ou des variables, par la présence de données manquantes, censurées ou tronquées, ou par leur dimension évolutive. La recherche de la personne recrutée viendra renforcer une des thématiques actuelles de l'équipe à travers le développement de méthodes avancées pour l’analyse de données de diverses natures que ce soit des données fonctionnelles, des données textuelles, en flux ou incrémentales ou encore des données mixtes. Un accent particulier sera mis sur les aspects interprétabilité et explicabilité en lien avec le concept XAI. Les informations complémentaires sont fournies en pièce jointe.
En savoir plus :https://presentation.cnam.fr/medias/fichier/pr-statistique-science-des-donne-es-epn06_1738675658173-
PR_Statistique- Science des donnees_EPN06.pdf
Contact :n-deye.niang_keita@cnam.fr
IECL (Institut Elie Cartan de Lorraine), laboratoire de mathématiques
Publiée le 11/02/2025 12:11.
Référence : Jérémie Unterberger.
Thèse, Nancy.
Entreprise/Organisme :Université de Lorraine
Niveau d'études :Master
Sujet :Inference of kinetics of large multi-scale chemical reaction networks
Date de début :end 2025 - beginning 2026, depending also on funding
Durée du contrat :3 years
Rémunération :about 2000€ net/month
Secteur d'activité :scientific research
Description :The aim of the project is to develop a specific inference method adapted to a class of meta-models developed to describe large chemical reaction networks. The projet is articulated with exploratory experimental research programs in chemistry, biology and astrochemistry, concerned with a quantitative quest for origins of life on Earth or elsewhere in the universe. We are looking for a candidate skilled in probability theory and statistical inference techniques, interested in collaborating with scientists from very different backgrounds, and competent in Python programming.
En savoir plus :https://jeremieunterberger.wixsite.com/monsite
PhD proposal inference CRN kinetics.pdf
Contact :jeremie.unterberger@univ-lorraine.fr
Graduate Assistant Position in Applied Statistics
Publiée le 07/02/2025 09:11.
Référence : Prof. Laurent Donzé.
Thèse, Fribourg (Switzerland).
Entreprise/Organisme :ASAM, Department of Informatics, University of Fribourg (Switzerland)
Niveau d'études :Doctorat
Sujet :Fuzzy statistics inferences
Date de début :1st August 2025 or date to be agreed.
Durée du contrat :4 years
Secteur d'activité :Economics
Description :Graduate Assistant Position in Applied Statistics (ASAM Group) The Applied Statistics and Modelling (ASAM) group at the University of Fribourg (Switzerland), specialising in Fuzzy Statistics, offers a PhD position. The role involves supporting courses (Bachelor and Master levels), assisting students, contributing to exam preparation, engaging in scientific research, and performing administrative tasks. The successful candidate will prepare and complete a PhD thesis in Fuzzy Statistics under the supervision of Prof. Dr. Laurent Donzé. The position has a 100% workload and starts on August 1, 2025, or as agreed. Requirements: • A Master’s degree in Statistics or Mathematics, with strong knowledge of quantitative methods and programming (especially R). • Proficiency in German or French and English. • Interest in empirical statistical analysis and alignment with the group’s focus on Fuzzy Statistics. Application: Send a CV, motivation letter, and references to laurent.donze@unifr.ch by April 30, 2025. For more details, visit ASAM’s website.
En savoir plus :https://www.unifr.ch/inf/asam
Offre poste assistant_en_20250124.pdf
Contact :laurent.donze@unifr.ch
Stage M2 - Prévision de la direction locale du vent par Deep-learning
Publiée le 05/02/2025 10:40.
Référence : Stage M2 - Prévision de la direction locale du vent par Deep-learning.
Stage, Cadarache- Saint Paul Lez Durance.
Entreprise/Organisme :ASNR
Niveau d'études :Master
Durée du contrat :6 mois
Description :Le STAAR est un service de recherche qui étudie la dispersion des radionucléides dans les milieux aquatiques et atmosphériques. Au sein du STAAR, le ou la stagiaire sera accueillie au LRTA à Cadarache pour travailler sur des méthodes de deep learning. Le STAAR/LMDA (à Fontenay-aux-Roses) fournira un appui sur la modélisation atmosphérique, et le STAAR/LERTA (à Cherbourg) apportera ses compétences expérimentales sur l'atmosphère. Lorsque l'on souhaite prédire la direction principale de la dispersion d'éléments chimiques rejetés dans l'atmosphère à un endroit donné, il est nécessaire de s'appuyer sur une prévision fiable de la direction du vent. Cette prédiction est le résultat d'un modèle de prévision numérique du temps. Il s'agit d'une valeur moyenne calculée pour une maille géographique de plusieurs centaines de mètres à plusieurs kilomètres de côté. Localement, la direction du vent est influencée par des obstacles (bâtiments, talus, végétation, …) et autres paramètres environnementaux qui ne sont pas pris en compte dans les modèles météorologiques, entrainant un écart entre la direction observée et la direction modélisée. Cet écart peut être à l'origine d'erreurs dans le calcul d'impact des éléments chimiques à l'homme et l'environnement. Pour réduire les erreurs liées à ces écarts, des méthodes d'intelligence artificielle pourraient offrir une solution plus précise. En traitant de grandes quantités de données recueillies localement par des stations d'observation météo
En savoir plus :https://irsn-career.talent-soft.com/offre-de-emploi/emploi-stage-m2-prevision-de-la-direction-locale
ASNR - stage M2 - Prévision de la direction locale du vent par Deep-learning H_F.pdf
Contact :kathleen.pele@asnr.fr
Stage M1 ou M2 Machine Learning à l'intersection de PAC-Bayes et prédiction conforme
Publiée le 05/02/2025 10:40.
Stage, Laboratoire ERIC - Bron.
Entreprise/Organisme :Université Lyon 2 - Laboratoire ERIC
Niveau d'études :Master
Sujet :Conformal Prediction from a PAC-Bayesian Perspective
Durée du contrat :4 à 6 mois
Rémunération :600 euros/month
Secteur d'activité :Recherche universitaire en Machine Learning
Description :Machine learning algorithms are becoming increasingly widespread in our society. With the rapid expansion of these algorithms, many questions arise concerning their reliability and the generalisation performance when the algorithms under study are applied to new data. For this reason, a deep mathematical analysis of the most widely used algorithms is playing an increasingly important rôle in current research. New tools appear at a fast pace that help investigate why these algorithms generalise well. To derive relevant statistical guarantees, a number of approaches have been developed, such as the notion of uniform stability, the complexity measure of hypothesis spaces or the PAC-Bayesian theory. The PAC-Bayesian approach has recently lead to successive breakthroughs in the discovery of novel generalisation bounds that could not until now be produced using alternative theories. It has also been used to derive new algorithms for minimizing such bounds (known as self-bounding algorithms). Other approaches have also be used to produce different kinds of statistical guarantees in prediction and risk control, which are various applications to the concept of Conformal Prediction. Unlike traditional models that output only a single prediction, conformal prediction assigns a set of possible outcomes associated to each input, ensuring that the true outcome is included in this set with a user-specified probability (e.g., 95%). Hence, Conformal Prediction is a statistical framework that provides reliable uncertainty estimates for predictions made by machine learning models. As a particular instance of Conformal Prediction, split Conformal Prediction works by splitting data into a training set and calibration set. The calibration set is used to adjust the prediction sets to statistically guaranteed coverage at the desired confidence level. The strengths of Split Conformal Prediction lies in its inherent simplicity, flexibility, and statistical guarantees. Other approaches have also been developed with narrower prediction sets, such as Jackknife+. In another direction, the fundamental problem of producing conditional coverage was investigated in recent new works. Indeed, traditional Conformal Prediction techniques usally provide what is called "marginal coverage" guarantees, meaning that the interval length does not depend of the input. Several methods use the quantile regression trick to overcome this issue, thereby ensuring that the prediction intervals contain the true outcome on average across the entire population, with part of the interval beeing conditional of the input. However, these methods may not offer adequate coverage for specific subgroups within the data. Recent results have pushed the limits of Standard Conformal Prediction capabilities by addressing the issue of building schemes that can account for conditional dependency of the prediction interval on the covariates. To sum up, the PAC Bayes and the Conformal based approach both provide generalisation guarantees for the algorithms under study, but from different viewpoints. Let us add that exciting recent work has successfully combined these two tools to derive generalisation guarantees on the coverage properties of an algorithm using conformal prediction, showing that the approaches can be complementary in establishing strong generalisation results. During the proposed internship, we wish to investigate, in particular, recent contributions to Conformal Prediction that manage to enhance the reliability of prediction intervals in Machine Learning models. This approach allows to generate prediction intervals that maintain both marginal coverage and approximate conditional validity for clusters or subgroups naturally present in the data. Our main objectives in this internship will be to: (i) reinforce the results obtained in the recent literature through the lens of PAC-Bayes theory (which applies very well to combinations of models) and (ii) investigate exciting applications to fairness, where notions of subgroups naturally appear when it comes to study different populations. During his internship, the candidate will attempt to establish theoretical guarantees on the predictions made by a model by combining the theories of Conformal Prediction and PAC-Bayesian. The work can be conducted as follows: (i) understand the similarities and differences between Conformal Prediction and PAC-Bayesian theory, (ii) provide additional guarantees on Conformal Prediction using PAC-Bayesian theory, (iii) study the applicability of the obtained theoretical results to Fairness.
En savoir plus :https://eric.msh-lse.fr/
Stage_Conformal_Prediction ERIC Lyon 2.pdf
Contact :stephane.chretien@univ-lyon2.fr

Page précédente  1  <2>  3  4  5  Page suivante

 
 
©2025 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 :