Consulter les offres d’emploi

Postdoc in runoff and water quality modeling using Machine Learning and Space-time statistics
Publiée le 04/12/2023 12:30.
Référence : PostDoc_Geolearning_Hydrology_ML.
Postdoc, Avignon.
Entreprise/Organisme :INRAE - BioSP
Niveau d'études :Doctorat
Date de début :1st February 2024
Durée du contrat :2 years
Rémunération :Gross monthly salary ranges from 2640 to 3340 euros depending on experience
Secteur d'activité :Machine learning and space-time statistics applied to hydrology
Description :We are seeking to hire a postdoc for a research project focused on the joint simulation of runoff and water quality in headwater catchments under climate change using machine learning and space-time statistics. Candidates should have a solid experience in data analysis, machine learning and spatio-temporal statistics as well as good programming skills (R, Python), and be interested in hydro-climatic applications.
En savoir plus :https://chaire-geolearning.org/nous-rejoindre/
Postdoc_Hydrology_OPE_EN.pdf
Contact :lionel.benoit@inrae.fr
Master 2 / Développement de modèles de prédiction pour l'amélioration des plantes
Publiée le 04/12/2023 12:30.
Référence : Master 2 / Développement de modèles de prédiction pour l'amélioration des plantes.
Stage, UMR AGAP Institut, Avenue Agropolis, Montpellier.
Entreprise/Organisme :CIRAD ; Centre de coopération Internationale en Recherche Agronomique pour le Développement
Niveau d'études :Master
Sujet :Méthodes statistiques pour l’optimisation de la prédiction génomique par l’intégration d’informations fonctionnelles
Date de début :Entre Janvier et Avril 2024
Durée du contrat :6 mois
Rémunération :Environ 600 euros par mois
Secteur d'activité :Agriculture / Environnement / Sciences biologiques
Description :L’objectif général de ce projet de Master 2 est d’explorer les bénéfices liés à l’ajout d’information fonctionnelle dans les approches de prédictions génomiques au sein d’un large dispositif de croisement multi-parental (population BCNAM comprenant plus de 3900 familles) qui a été évalué au sein de plusieurs environnements. Plus spécifiquement, le stage se concentrera sur le développement et l'évaluation de méthodes d'intégration d'informations hétérogènes au travers de la mobilisation des modèles linéaires mixtes et des statistiques bayésiennes. Ces travaux s’inscrivent dans le cadre du projet ANR SorDrought « Caractérisation de nouveaux traits physiologiques pour aider l'amélioration de la tolérance au stress hydrique post-floral chez le sorgho » qui a pour objectif de développer de nouvelles méthodologies d’appui à la sélection dans un partenariat impliquant des entités de recherche publiques (INRAE, IRD, CERAAS) et privées (LIDEA Seeds et RAGT2N). Une bourse de thèse est disponible pour poursuivre ces travaux à partir d'octobre 2024. Des informations complémentaires sur le contexte du stage et les approches ciblées sont fournies dans le document pdf joint.
En savoir plus :NA
Master2_Integration_information_fonctionnelle_Prediction_DPVG20231129.pdf
Contact :david.pot@cirad.fr
Mobilités et données manquantes
Publiée le 04/12/2023 12:29.
Stage, Rennes.
Entreprise/Organisme :IRMAR - CREM
Niveau d'études :Master
Date de début :idéalement mai 2024
Durée du contrat :3 mois
Description :Châteaubourg est la ville ayant la plus grosse densité au monde de données associées aux mobilités (voitures, vélos, piétons, poids-lourds). En effet, depuis trois ans, une quinzaine de capteurs Telraam mesure le flux de chaque mobilité toutes les heures, en distinguant les sens de parcours. Plus de 750 000 données ont été collectées et cela continue ! Le stage s’inscrit dans une collaboration entre l’association Agis-Ta-Terre qui installe et maintient ces capteurs et des enseignants-chercheurs de l’Université de Rennes. Cette collaboration vise à développer des outils permettant de sensibiliser les citoyens sur l’usage des transports, mais aussi à aider les décideurs et les cabinets d’urbanisme quant à l’aménagement des territoires. L’objectif est de contribuer à un développement durable en mettant à disposition des outils libres et gratuits. Comme souvent pour des données libres enregistrées en continu, les mesures ne sont pas toujours opérationnelles. Des paramètres extérieurs (luminosité, brouillard) ou humain (volets fermé, capteur déplacé) peuvent détériorer la qualité des données. Dans d’autres cas, le capteur peut être défectueux ou débranché par l’utilisateur. La série temporelle d’un capteur possède donc de nombreuses données manquantes. De plus, l’algorithme d’identification des mobilités utilisé par le capteur peut parfois être berné : il en résulte qu’une certaine proportion des données sont aberrantes. L’objectif du stage vise à se concentrer sur ces données manquantes ou aberrantes afin de proposer des algorithmes de correction ou de filtrage permettant d’augmenter la fiabilité des données exploitées Les détails du sujet et les personnes à contacter sont explicités dans le PDF joint.
En savoir plus :NA
Stage_DonneesManquantes_2024.pdf
Contact :ketsia.guichard@gmail.com
Contribuer au développement d'un package R et d'une application Shiny sur les mobilités
Publiée le 04/12/2023 12:29.
Stage, Rennes.
Entreprise/Organisme :IRMAR - CREM
Niveau d'études :Master
Date de début :idéalement mai 2024
Durée du contrat :3 mois
Description :Châteaubourg est la ville ayant la plus grosse densité au monde de données associées aux mobilités (voitures, vélos, piétons, poids-lourds). En effet, depuis trois ans, une quinzaine de capteurs Telraam mesure le flux de chaque mobilité toutes les heures, en distinguant les sens de parcours. Plus de 750 000 données ont été collectées et cela continue ! Le stage s’inscrit dans une collaboration entre l’association Agis-Ta-Terre qui installe et maintient ces capteurs et des enseignants-chercheurs de l’Université de Rennes. Cette collaboration vise à développer des outils permettant de sensibiliser les citoyens sur l’usage des transports, mais aussi à aider les décideurs et les cabinets d’urbanisme quant à l’aménagement des territoires. L’objectif est de contribuer à un développement durable en mettant à disposition des outils libres et gratuits. Ce travail est actuellement valorisé via une interface Rshiny qui a été réalisée à cet effet et qui est déployée sur GitHub. Le package d’interface est propre aux données issues de Châteaubourg, il exploite les sources et modules déposés sur un package de traitement statistique qui vise à proposer des outils génériques de traitement des données Telraam. Dans le cadre de cette politique de programmation libre et collaborative, il est important de respecter les standards de programmation. Mais il est également important de proposer une interface ergonomique et exploitable par tout.e citoyen.ne. L’objectif du stage concerne essentiellement le développement des codes en R présents sur les deux packages et de contribuer au dépôt d’un package R sur le CRAN. Les détails du sujet et les contacts sont spécifiés dans le fichier joint.
En savoir plus :NA
Stage_CapteurProg_2024.pdf
Contact :ketsia.guichard@gmail.com
Postdoctoral Fellowship on Aggregation of machine learning methods for small area estimation
Publiée le 04/12/2023 12:29.
Référence : CANSSI Postdoctoral Fellowship.
Postdoc, Montreal and Ottawa, Canada.
Entreprise/Organisme :McGill University and the University of Ottawa
Niveau d'études :Doctorat
Date de début :September 2024
Durée du contrat :2 years
Rémunération :70 000$ per year
Secteur d'activité :Statistics
Description :We are seeking applications for a postdoctoral opportunity in statistics, focusing on the advancement of machine learning methods in the context of small area estimation (SAE). In recent years, machine learning (ML) methods have attracted some interest in the SAE field to enhance estimates' accuracy and efficiency. These techniques leverage advanced algorithms and predictive models to extract valuable insights from auxiliary data sources and large-scale surveys. In SAE, ML methods can be used to identify complex relationships between covariates and the characteristics of small areas, allowing for more accurate estimates. For a given SAE problem, we may consider several ML candidates such as regression trees, boosting, random forests, etc. Each of these candidates would lead to a different SAE estimator. Selecting one estimator from the list of candidates may be challenging as no ML algorithm is universally superior to the others in all the scenarios. The choice of a candidate must, therefore, be made in a data-dependent fashion. We may choose one candidate from the list (model selection) or construct a new estimator based on several candidates (model aggregation). The project will focus on model aggregation, whereby the estimators produced by each of the ML methods are combined using a convex combination of the individual estimates.
En savoir plus :https://www.surveymonkey.ca/r/BZSMXXB
Aggregation-of-machine-learning-procedures-for-small-area-estimation-1-2.pdf
Contact :mehdi.dagdoug@mcgill.ca
Exploring statistical methods under non-PH scenario
Publiée le 04/12/2023 12:29.
Référence : Biostatistics Student Intern R1575625.
CDD, Boudry, Suisse.
Entreprise/Organisme :Bristol Myers Squibb
Niveau d'études :Master
Sujet :Departure from the proportional hazard (PH) assumption in clinical trials with a time-to-event end point is increasingly common. Thus, the proportional hazards (PH) assumption is often violated such that the commonly used log-rank test may not be appropriate. Also in these trials, the conventional hazard ratio for describing the treatment effect may not be a good estimand in evaluating and interpreting the treatment effect. The purpose of the internship is to explore different methodology such as restricted mean survival time (RMST) when the proportional hazards assumption is violated. This intern will perform literature review of existing methods and explore options to present and interpret treatment effect in presence of non-proportional hazards. The intern will also conduct simulations to evaluate the performance and operating characteristics of the proposed methods against the inferences based on proportional hazards assumptions, under various scenarios and design parameter setups.
Date de début :Mars ou Avril
Durée du contrat :Minimum 4 mois
Rémunération :A discuter avec le candidat
Secteur d'activité :Pharmaceutique
Description :The purpose of the internship is to explore different methodology such as restricted mean survival time (RMST) when the proportional hazards assumption is violated. This intern will perform literature review of existing methods and explore options to present and interpret treatment effect in presence of non-proportional hazards. The intern will also conduct simulations to evaluate the performance and operating characteristics of the proposed methods against the inferences based on proportional hazards assumptions, under various scenarios and design parameter setups.
En savoir plus :https://careers.bms.com/jobs/R1575625?lang=en-us&previousLocale=en-US
Contact :abdallah.abouihia@bms.com
Stage Machine Learning appliqué au développement clinique
Publiée le 04/12/2023 12:29.
Référence : Stage M2 en modélisation clinique - 2024 - Sanofi.
Stage, Gentilly (94).
Entreprise/Organisme :Sanofi R&D
Niveau d'études :Master
Sujet :Evaluation et application de nouvelles méthodes de machine learning pour les analyses exposition-réponse en support des projets dans le développement clinique.
Date de début :Mars-Avril 2024
Durée du contrat :6 mois
Secteur d'activité :Industrie pharmaceutique
Description :Evaluation et application de nouvelles méthodes de machine learning pour les analyses exposition-réponse en support des projets dans le développement clinique Travail bibliographique puis application des méthodes sur des données cliniques
En savoir plus :https://sanofi.wd3.myworkdayjobs.com/fr-FR/StudentPrograms/job/Chilly-Mazarin/stage-6-mois---machine
Contact :clemence.rigaux@sanofi.com
Teaching Opportunities in Statistics
Publiée le 04/12/2023 12:29.
CDD, Reims, France.
Entreprise/Organisme :Sciences Po, Campus de Reims
Niveau d'études :Master
Secteur d'activité :Enseignement supérieur
Description :Sciences Po - Reims Campus is looking to hire adjunct instructors for the 2024 spring semester for discussion sections held in English in first-year political science, statistics and economics. Positions for the 2024-2025 academic year in math and statistics may also be available. Each course meets for 2 hours per week for 12 weeks from January 29th and instructors teach a total of 24 hours over the course of the semester per group. Remuneration is 65.10€/h (gross) and train transportation from Paris is paid for by Sciences Po. (If you teach several classes, classes are scheduled on the same day so that you can come to Reims once per week.) An excellent level of English is required for courses taught in English. You need to fulfill administrative requirements to be hired as an adjunct instructor (e.g. Phd student, postdoctoral contracts, full-time employee, self-employed teacher with 3 years of activity) in line with this governmental decree. If interested, please send your CV ASAP to: rebecca.blanchard@sciencespo.fr _________________________________________________________________ Sciences Po - Campus de Reims recherche pour le semestre de printemps 2024 des enseignants de science politique, de statistiques et d'économie pour des conférences de méthode de première année en anglais. Le volume horaire d’une conférence correspond à 24h. La rémunération est de 65,10€/h (brut) et les éventuels trajets en train de Paris sont entièrement couverts. Un très bon niveau d’anglais est essentiel, et il est nécessaire de remplir les conditions administratives pour être embauché qui sont énoncées dans ce décret (par exemple, doctorant, contrat postdoctoral, salarié à temps plein, enseignant, indépendant avec 3 ans d'activité). Si vous êtes intéressé, merci d'envoyer votre CV dans les meilleurs délais à: rebecca.blanchard@sciencespo.fr
En savoir plus :https://www.sciencespo.fr/college/en/
Contact :rebecca.blanchard@sciencespo.fr
Stage : Intelligence artificielle et composition fine du lait
Publiée le 04/12/2023 12:29.
Référence : StageIRMA.
Stage, Paris, Rheu ou Toulouse.
Entreprise/Organisme :IDELE et INRAE
Niveau d'études :Master
Sujet :Développer des modèles de prédiction en mobilisant les techniques récentes d’Intelligence Artificielle
Date de début :Mars ou avril 2024
Durée du contrat :6 mois
Rémunération :591.51€ / mois
Secteur d'activité :Elevage
Description :Le stage se déroulera en 2 phases : (1) La première consiste à mettre en relation la composition fine du lait prédite par SMIR à l’échelle individuelle et la composition du régime alimentaire tout au long de la lactation en prenant en compte les facteurs de variation déjà identifiés. (2) La phase suivante sera de mettre en relation la composition fine du lait de tank prédite par SMIR et la conduite alimentaire des brebis pendant la période d’allaitement-traite et au début de la traite commerciale avec la prise en compte les facteurs de variation. Une première base de données est disponible pour réaliser la première étape. Une deuxième sera recueillie à l’automne 2023- début 2024 et sera dédiée à la phase suivante.
En savoir plus :https://idele.fr/pilotage-de-la-sante-des-ruminants/publications/detail-article?tx_atolidelecontenus
Stage IRMA 2024.pdf
Contact :mohammed.eljabri@idele.fr
Poste d'enseignant-chercheur en statistique
Publiée le 04/12/2023 12:29.
CDI, Bruz.
Entreprise/Organisme :ENSAI
Niveau d'études :Doctorat
Description :Voir fiche de poste
En savoir plus :https://ensai.fr/assistant-associate-prof-stats/
PosteECStat20241.pdf
Contact :lionel.truquet@ensai.fr
Poste en statistique
Publiée le 04/12/2023 12:29.
CDI, Enseignant-chercheur en statistique.
Entreprise/Organisme :ENSAI
Niveau d'études :Doctorat
Description :Voir fiche de poste
En savoir plus :https://ensai.fr/postes-enseignement-recherche/
PosteECStat20242.pdf
Contact :lionel.truquet@ensai.fr
Poste d'enseignant-chercheur en science des données
Publiée le 04/12/2023 12:29.
CDD, Bruz.
Entreprise/Organisme :ENSAI
Niveau d'études :Doctorat
Description :voir fiche de poste
En savoir plus :https://ensai.fr/assistant-prof-data-science/
PosteECML23_tenure.pdf
Contact :lionel.truquet@ensai.fr
Poste d'enseignant-chercheur en science des données
Publiée le 04/12/2023 12:29.
CDI, Bruz.
Entreprise/Organisme :ENSAI
Niveau d'études :Doctorat
Description :voir la fiche de poste
En savoir plus :https://ensai.fr/associate-prof-datascience/
PosteECML23_full.pdf
Contact :lionel.truquet@ensai.fr
Inserm chair: Computational modeling for multi-omics data
Publiée le 04/12/2023 12:29.
Référence : CPJ COMPO.
CDD, Marseille.
Entreprise/Organisme :Inserm
Niveau d'études :Doctorat
Date de début :09/2024
Durée du contrat :4 years
Rémunération :3 500€ - 5 000€ according to research experience
Secteur d'activité :Research and clinical oncology
Description :The generalization of new generation sequencing data (i.e., multi-omics: genomics, transcriptomics, proteomics,) as well as the emergence of new methods (single cell sequencing, spatial transcriptomics) opens new research horizons on cancer pathologies. These data, of very large dimensions and volume, bring new methodological challenges in terms of statistical and mathematical analysis, as well as computational modeling. The development and numerical implementation of novel methods has become a key issue in modern oncology, both in terms of understanding the biology of cancers and for medical oncology. On the first aspect, the analysis and modeling of these data is, for example, fundamental for the study of key phenomena such as intra- and inter-tumor heterogeneity of cancer cells and their microenvironment. On the other hand, the integration of multi-omics data into predictive artificial intelligence models will allow the development of precision medicine based on personalized treatments. This recruited researcher will aim at developing cutting-edge computational methods to leverage multi- omics and single-cell resolution data into novel and translational discoveries in cancer research. This will be performed in synergistic interaction with the other CRCM teams.
En savoir plus :https://eva3-accueil.inserm.fr/sites/eva/chaires/2024/Pages/Projets.aspx
Inserm_Projet_de_Chaire_2024_U1068_pr_aff.pdf
Contact :sebastien.benzekry@inria.fr
Stage Machine learning et Maladies Génétiques
Publiée le 27/11/2023 11:58.
Stage, Toulouse.
Entreprise/Organisme :INRAE
Niveau d'études :Master
Date de début :01/01/2024
Durée du contrat :6 mois
Rémunération :600
Description :# Intelligence artificielle et Maladies génétiques Les maladies génétiques complexes sont causées par un ensemble de mutations génétiques et de facteurs environnementaux. Prédire l'impact des mutations génétiques est essentiel pour mieux comprendre les causes des maladies génétiques, ainsi que pour une médecine personnalisée pour chaque patient. Dans ce contexte, l'intelligence artificielle, et notamment le deep learning, sont en plein boom et révolutionnent la science comme en médecine avec AlphaFold pour la prédiction de structures de protéines 3D. Ici, le deep learning permettra de prédire l'impact de mutations génétiques non-codantes sur de nombreux processus moléculaires (transcription, chromatine, ...). Les méthodes de l'état de l'art se fondent sur l'emploi de l'apprentissage autosupervisé avec les transformers. Dans ce stage, nous explorerons une autre piste basée sur l'apprentissage semi-supervisé. Le stage se basera sur des résultats préliminaires très encourageants montrant le grand intérêt de l'approche semi-supervisée. Dans le cadre de ce stage, le candidat aura en charge de : * Proposer une nouvelle approche semi-supervisée. * Comparer cette approche aux approches autosupervisée. * Faire un benchmark sur de nombreuses données. ### Profil * Diplôme requis: Master/Ingénieur (Bac + 5) * Formation: informatique, statistique ou bio-informatique * Connaissances: * Bases de programmation (python) * Bases de *deep-learning (Keras, Tensorflow)* * Bases en génomique * Utilisation de Linux * Maîtrise de l'Anglais écrit ## Accueil * Lieu d'accueil: INRAE Occitanie, MIAT, Castanet-Tolosan * Type de contrat: Stage * Durée du contrat: 6 mois * Début souhaité: début 2023 * Rémunération: gratification * Modalités pour postuler: envoyer CV et lettre de motivation à raphael.mourad@univ-tlse3.fr
En savoir plus :https://www.sfbi.fr/emplois/offre/202311070832-stage-stage-m2-inge
Stage M2 _ Ingé SFBI Société Française de Bioinformatique.pdf
Contact :raphael.mourad@univ-tlse3.fr

<1>  2  3  4  5  6  Page suivante

 
 
©2023 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 :