Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : Unité BioSP – INRAE
Durée : CDI
Contact : edith.gabriel@inrae.fr
Date limite de publication : 2024-03-06

Contexte :
L’unité Biostatistique et processus SPatiaux (BioSP) à INRAE (Avignon) développe des travaux en statistique, en systèmes dynamiques, en écologie-épidémiologie avec un intérêt particulier pour les questions spatiales et spatio-temporelles. Les domaines d’application de ces travaux sont avant tout l’écologie, l’épidémiologie, l’agriculture, l’environnement et les risques climatiques. L’activité de recherche en statistiques spatiales et spatio-temporelles (champs gaussiens, extrêmaux et processus ponctuels) constitue le cœur historique et l’un des axes disciplinaires qui structurent l’unité. L’évaluation des risques épidémiologiques, environnementaux ou climatiques est désormais confrontée à la croissance exponentielle du nombre et du volume des bases de données, évolution qui impacte à la fois les méthodes d’analyse spatiale (dimensionnalité) et les méthodes d’apprentissage (présence de structures de dépendances spatiales ou spatio-temporelles). L’hybridation entre ces deux approches représente un enjeu scientifique majeur. A terme, l’ambition est de renouveler les recherches en statistiques spatiales menées à BioSP et de positionner l’unité en tant qu’acteur apportant des contributions théoriques et méthodologiques dans ce champ de recherche.

Pour postuler, rendez-vous sur le site INRAE jobs du 30 janvier au 05 mars 2024 : https://jobs.inrae.fr/

Sujet :
A BioSP, vous développerez des recherches en apprentissage pour les données présentant des dépendances spatiales et/ou spatio-temporelles dans les domaines d’applications de l’unité. Le champ de recherche étant vaste et les pistes nombreuses, vous aurez l’autonomie pour définir vos priorités de recherche à l’intérieur de ce périmètre. Par vos apports compétences théoriques dans l’un des domaines de l’apprentissage, vous viendrez renforcer l’unité dans l’utilisation de ces techniques et dans l’évolution des approches de statistiques spatiales. Vous collaborerez avec les membres de l’unité développant des recherches dans les domaines des statistiques spatiales, des événements extrêmes et de l’épidémiologie, et vous pourrez vous appuyer sur les jeux de données étudiés dans ce cadre. Vous serez associé/e aux travaux de la chaire Geolearning portée par l’unité en lien avec l’équipe Géostatistique de l’Ecole de Mines de Paris, https://chaire-geolearning.org/

Profil du candidat :
Vous êtes titulaire d’un doctorat, avec des compétences et une expérience dans l’un des domaines de l’apprentissage (Machine Learning, Deep Learning, domain adaptation, transfer learning, weakly supervised learning et knowledge distillation, Generative Adversial Networks, Deep Generative Models). Vous avez montré votre capacité à apporter des développements dans l’un de ces domaines, de préférence dans le traitement de données montrant des dépendances spatiales ou spatio-temporelles, si possible en apportant des résultats mathématiques nouveaux, par exemple sur des garanties théoriques liées à ces méthodologies. Vous savez diffuser vos avancées par des codes informatiques ouverts. Des expériences déjà avérées dans l’analyse de données spatialisées dans le domaine du climat, de l’environnement et/ou de l’écologie seraient très appréciées.

Formation et compétences requises :
Vous êtes titulaire d’un doctorat, avec des compétences et une expérience dans l’un des domaines de l’apprentissage (Machine Learning, Deep Learning, domain adaptation, transfer learning, weakly supervised learning et knowledge distillation, Generative Adversial Networks, Deep Generative Models). Vous avez montré votre capacité à apporter des développements dans l’un de ces domaines, de préférence dans le traitement de données montrant des dépendances spatiales ou spatio-temporelles, si possible en apportant des résultats mathématiques nouveaux, par exemple sur des garanties théoriques liées à ces méthodologies. Vous savez diffuser vos avancées par des codes informatiques ouverts. Des expériences déjà avérées dans l’analyse de données spatialisées dans le domaine du climat, de l’environnement et/ou de l’écologie seraient très appréciées.

Adresse d’emploi :
INRAE – BioSP
228 route de l’aérodrome
Domaine Saint Paul
84914 Avignon

Document attaché : 202401311038_ML_2024_BioSP.pdf