N’hésitez pas à déposer vos offres d’emploi en apprentissage automatique (machine learning) en cliquant ici.
Intitulé: | INRIA position to join our COPHY team, in the Lyon Neuroscience Research Center (CRNL) |
Type d’offre d’emploi: | Offre de poste dans l’académique |
Détails de l’offre: |
The COPHY team (Computation, Cognition and Neurophysiology) is led by Mathilde Bonnefond and Jérémie Mattout. It is composed of 5 researchers, 2 research engineers, 1 clinician and 11 national and international docs and postdocs. It is part of CRNL which is a large INSERM/CNRS/University Lyon 1 research center, gathering more than 450 people. It is located in the Lyon East Hospital Pole, a unique site combining medical care (4 hospitals respectively dedicated to neurology, psychiatry, cardiology and pediatrics), basic and clinical research (from genes and cells to cognition and behaviour; from bench to patient), as well as high-tech technological platforms (incl. Neuroimaging, MEG, SEEG, virtual reality).
Scientific context : In various sensory modalities, in health and disease, we mainly study human perception in the
aim of unravelling its underlying cognitive, computational and neurophysiological mechanisms. Our
team aims at innovating at the theoretical, methodological, experimental and clinical levels. In
particular, we study neuronal encoding and communication (e.g., the emergence and functional role
of oscillations; the computation behind the contextual modulations of cortical responses) in relation
to brain disorders. This also guides the design of neurotechnologies (brain-computer interfaces) for
research and clinical applications: namely ADHD, motor deficits and disorders of consciousness.
Therefore, and beside behavioural and classical neuroimaging approaches (electrophysiology, fMRI),
we use multimodal high-resolution neuroimaging (e.g., laminar MEG and fMRI) and computational
modelling (e.g., Bayesian inference, Dynamic Causal Models of neuronal and cognitive processes;
Spiking/Deep Neural Networks).
We seek for a young researcher whose profile will strongly complement our team. We expect
the candidate to lead her/his own research program in computational neuroscience, but in strong
interaction with the topics and experimental projects in the team.
Application should contain a full resume (CV), a research and motivation statement (1 page max.) as well as the names of 2 references. Please send your application as a single document in pdf format,to both mathilde.bonnefond@inserm.fr and jeremie.mattout@inserm.fr |
Date limite de candidature: | 2023-12-08 |
Mail de contact: | jeremie.mattout@inserm.fr |
Intitulé: | Toward Frugal Machine Learning with Physics-Aware Models: Application to Action Recognition |
Type d’offre d’emploi: | Offre de thèse |
Détails de l’offre: |
Advisors: Olivier Alata (Professor) and Jordan Frecon-Deloire (Associate Professor)
Description: This subject focuses on the development of a learning algorithm for action recognition [1] with a specific emphasis on its environmental impact. On one hand, we aim to minimize its memory usage by learning and imposing both physics and geometric constraints. On the other hand, we will employ incremental learning techniques to ensure its long-term sustainability. A particular attention will be paid to the memory and energy footprint of the techniques, as well as their robustness to different variations in the data and in the acquisition devices. – Physics-aware models. Recently, physics-guided machine learning models [2] have shown to be a promising tool to incorporate known physical priors in the learning process of the model. Conversely, some approaches have been designed to discover the underlying physics from observations [3]. In this thesis, the candidate should contribute to the development of physics-based models in order to both learn and simulate the dynamics of complex systems. Methodological contributions will be applied to road traffic monitoring to learn the dynamics of « normal » baselines from which rare « dangerous » events can be detected.
Candidate profile:
Application: Candidate must send the following documents to both jordan.frecon.deloire@univ-st-etienne.fr and olivier.alata@univ-st-etienne.fr as soon as possible:
References
|
Date limite de candidature: | 2023-12-31 |
Mail de contact: | jordan.frecon.deloire@univ-st-etienne.fr |
Intitulé: | Research Engineer, Multi-Modal analysis of physhiological signals |
Type d’offre d’emploi: | Offre de post-doc |
Détails de l’offre: |
Location: Laboratoire d’Informatique de Grenoble, Grenoble, France
About us:
What’s intended? to take an amazing scientific idea and make it into a profitable business. This endeavor marks a significant step towards the future, as ultimately we aim to found a firm that will transform the human resources’ landscape. Job Description and Responsibilities:
Data collection and annotation:
Feature extraction:
Labeling and Training Models:
Integration of audio and video analysis:
Model Evaluation:
Adjustment and optimization:
Real-time analysis and deployment:
For this position, we are seeking highly skilled engineers or post-doctoral researchers with expertise in the domains of deep-learning and . Ideal candidates should possess experience in various areas, including but not limited to
Qualifications:
Benefits:
How to Apply:
|
Date limite de candidature: | 2023-11-30 |
Mail de contact: | Massih-Reza.Amini@imag.fr |
Intitulé: | Research Engineer, Large Language Models |
Type d’offre d’emploi: | Offre de post-doc |
Détails de l’offre: |
Location: Laboratoire d’Informatique de Grenoble, Grenoble, France
About us:
What’s intended? to take an amazing scientific idea and make it into a profitable business. This endeavor marks a significant step towards the future, as ultimately we aim to found a firm that will transform the human resources’ landscape. Job Description:
Responsibilities:
Qualifications:
Benefits:
How to Apply:
|
Date limite de candidature: | 2023-11-30 |
Mail de contact: | Massih-Reza.Amini@imag.fr |
Intitulé: | HYPOCHIR : Hyperspectral pour une orthopédie chirurgicale précise et optimisée |
Type d’offre d’emploi: | Offre de post-doc |
Détails de l’offre: |
Le sujet de ce post-doctorat est mené par le L@bISEN et s’inscrit dans le cadre du projet HYPOCHIR en collaboration avec le LaTIM (Laboratoire de traitement de l’information médicale), une unité mixte de recherche (UMR1101) associant l’Inserm, l’Université de Bretagne Occidentale (UBO), l’IMT Atlantique et le CHRU de Brest. L’objectif de ce projet est de développer une approche novatrice de cartographie assistée par l’imagerie hyperspectrale pour la planification orthopédique en temps réel. Fiche d’identité du poste :
Objectif : L’objectif principal de ce projet est de développer une approche rapide et efficace de segmentation des images hyperspectrales pour différencier et identifier automatiquement les différentes structures anatomiques et les instruments chirurgicaux. En exploitant les caractéristiques spectrales distinctives de chaque élément, il sera possible de cartographier précisément le bloc opératoire, facilitant ainsi la planification préopératoire, la navigation intraopératoire et l’assistance en temps réel lors des interventions chirurgicales orthopédiques. Des expérimentations seront menées sur des objets anatomiques présentant des caractéristiques physiques bien définies afin de valider l’efficacité des différentes méthodes de segmentation proposées. L’objectif principal du projet HYPOCHIR est d’améliorer la précision et la sécurité des interventions chirurgicales orthopédiques en exploitant les avantages de l’imagerie hyperspectrale pour la cartographie du bloc opératoire. Grâce à la segmentation automatique basée sur les signatures spectrales, le projet vise à optimiser les résultats obtenus pour les patients dans le domaine de l’orthopédie. En offrant une meilleure précision chirurgicale, HYPOCHIR contribuera à améliorer les pratiques en chirurgie orthopédique et à optimiser les résultats pour les patients concernés. Mots-clés : Imagerie hyperspectrale, chirurgie orthopédique, Segmentation d’images, apprentissage profond, Planification préopératoire, Navigation intraopératoire, Assistance en temps réel. Le ou la candidat(e) doit détenir :
Pour candidater :
nesma.settouti@isen-ouest.yncrea.fr nadine.abdallah-saab@isen-ouest.yncrea.fr |
Date limite de candidature: | 2023-12-31 |
Mail de contact: | nesma.settouti@isen-ouest.yncrea.fr |
Intitulé: | Traitement du langage naturel appliqué à la robotique sociale |
Type d’offre d’emploi: | Offre de post-doc |
Détails de l’offre: |
Si vous avez une expérience concernant les agents conversationnels, ou souhaitez approfondir ce thème, n’hésitez pas à candidater ici :
https://emploi.cnrs.fr/Offres/CDD/UMR5191-MAXPEN-022/Default.aspx !
@ ICAR (InSitu Team), Ecole Normale Supérieure de Lyon
Contexte Le projet PepperMint (https://peppermint.projet.liris.cnrs.fr/) est financé par le Labex ASLAN (https://aslan.universite-lyon.fr/). Il propose une étude exploratoire des pratiques incarnées de prise de tours de parole dans l’Interaction Humain-Robot (IHR) permettant d’améliorer les capacités sociales des robots et rendre l’IHR plus naturelle pour les humains. Le projet initie une coopération entre des chercheurs en Intelligence Artificielle (IA) (LIRIS) et Analyse Conversationnelle (AC) (ICAR et GenZ Oulu – Finlande). Il étudie si et comment les résultats de l’AC sur l’interaction naturelle peuvent être utilisés pour développer des modèles d’IA innovants et efficaces pour l’IHR. Le cas d’application choisi correspond à un robot Pepper ayant pour rôle d’informer et orienter les utilisateurs dans une bibliothèque. Afin d’accomplir sa tâche, le robot utilise actuellement pour sa politique de dialogue une machine à états finis, celle-ci étant conçue pour gérer la sémantique de la conversation (et fournir des réponses à des questions telles que où trouver un livre de biologie par exemple). Du point de vue du robot, le cours de la conversation passe d’un état à l’autre, grâce à des transitions déclenchées par des intentions uniquement orientées vers la tâche, reconnues dans les phrases prononcées par l’utilisateur du système. Bien entendu, une interaction aussi systématique ne rend pas l’interaction naturelle, car elle exclut le caractère émergent de l’interaction. En effet chaque étape de la conversation peut mener à différents types de réponses, suivant la manière dont les humains l’interprètent. L’interaction doit ainsi suivre des règles spécifiques. Par exemple, une offre (« comment puis-je vous aider ? ») doit être suivie d’une acceptation (« oui, je voudrais … ») ou d’un rejet (« eh bien, hum … »). De nombreux motifs séquentiels de ce type sont imbriqués dans l’interaction et sont au moins aussi importants que le contenu sémantique porté par l’échange pour rendre l’interaction naturelle. Le projet en cours a déjà recueilli quelque 30 heures de sessions d’enregistrement à partir desquelles de tels schémas sont actuellement analysés et étiquetés. Afin de proposer un meilleur schéma interactif, nous prévoyons de reconnaître et qualifier ces motifs afin de les exploiter pour rendre la gestion de la conversation plus naturelle et définir la « bonne » interprétation et la « meilleure » réponse pour l’utilisateur. Plus précisément, l’analyse du texte parlé nécessitera une reconnaissance des intentions émises (NLU) basée sur l’apprentissage (Few-Shot Learning) incluant ce niveau d’interaction. La politique de dialogue devra alors intégrer ce canal complémentaire (ceci pourra être fait grâce à une simple adaptation de la machine à états finis mais un cadre de politique de conversation plus générique et innovant dédié à notre approche pourrait être développé). L’objectif de ce poste est ainsi d’utiliser l’ensemble des données annotées pour des méthodes d’apprentissage automatique afin de proposer un nouveau modèle d’IA pour l’HRI (Human Robot Interaction). L’apprentissage sera basé sur la modalité du langage, mais pourra également être étendu à d’autres modalités également collectées qui pourraient avantageusement aider à la détection. |
Date limite de candidature: | 2023-10-17 |
Mail de contact: | frederic.armetta@univ-lyon1.fr |
Intitulé: | Data Scientist R&D – Jeune Docteur (H/F) |
Type d’offre d’emploi: | Offre de poste dans l’industrie |
Détails de l’offre: |
Pour plus de détails et pour postuler merci de passer par notre page welcome to the jungle: https://www.welcometothejungle.com/fr/companies/yanport/jobs/data-scientist-r-d-jeune-docteur-h-f_paris Quelques mots sur le contexte de ce recrutement:
Ton rôle en tant que Data Scientist R&D:
Ce que nous attendons de toi:
Il est indispensable de ne jamais avoir été embauché en CDI après l’obtention de la thèse (contrainte impérative pour respecter les critères du CIR). |
Date limite de candidature: | 2023-10-15 |
Mail de contact: | lgauvin@yanport.com |
Intitulé: | Automatic Detection of Chromosomal Anomalies using Conventional and Unconventional Imaging |
Type d’offre d’emploi: | Offre de thèse |
Détails de l’offre: |
Thesis general information:
Application context:
Objective of the thesis:
Keywords: metaphase images, karyotype images, chromosomal anomalies, deep learning models, automatic detection, data preprocessing, experimental validation. Proposed methodology:
Deep learning models for chromosome structure analysis:
Experimental validation and comparison:
Expected results:
The candidate must have:
To apply: Please send the following documents:
|
Date limite de candidature: | 2023-09-15 |
Mail de contact: | nesma.settouti@isen-ouest.yncrea.fr |