En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)
Portail > Offres > Offre UMR7093-JEAIRI-002 - Post-doc (H/F) : Modélisation de la distribution d'espèces et de groupes de gènes à l'échelle globale via apprentissage supervisé sur les données Tara Océans - Projet Blue Cloud

Post-doc (H/F) : Modélisation de la distribution d'espèces et de groupes de gènes à l'échelle globale via apprentissage supervisé sur les données Tara Océans - Projet Blue Cloud

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Date Limite Candidature : lundi 15 mars 2021

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Faites connaître cette offre !

Informations générales

Référence : UMR7093-JEAIRI-002
Lieu de travail : VILLEFRANCHE SUR MER
Date de publication : lundi 22 février 2021
Type de contrat : CDD Scientifique
Durée du contrat : 12 mois
Date d'embauche prévue : 1 juin 2021
Quotité de travail : Temps complet
Rémunération : Entre 2675,28 € et 3805,92 € bruts mensuels pour une expérience inférieure à 7 ans.
Niveau d'études souhaité : Doctorat
Expérience souhaitée : Indifférent

Missions

L'objectif scientifique de ce post-doctorat est de prédire la distribution potentielle des entités planctoniques à l'échelle de l'océan mondial à partir d'un nombre limité de points où l'on connaît leurs concentrations. Sachant que le plancton est fortement contraint par les conditions de la masse d'eau dans laquelle il vit, nous quantifierons les relations entre le plancton et son environnement aux points où nous avons des données, puis projetterons ces relations à l'échelle mondiale (a.k.a. species distribution modelling).
Cette approche est classique mais la principale originalité de ce projet est que les entités à prédire proviendront d'une analyse approfondie des données méta-omiques de Tara Oceans par un post-doc en cours. Il peut donc s'agir de «espèces» mais aussi de groupes de gènes associés à une fonction ou d'entités cohérentes dont l'identité est inconnue (i.e. «matière noire» génomique). La modélisation de leur distribution aidera donc à interpréter leur nature et leur rôle dans les écosystèmes.
Nous commencerons par des méthodes établies pour quelques entités, afin de fournir une base de référence. Ensuite des développements possibles sont: (i) la prédiction simultanée de plusieurs entités pour exploiter les informations de leurs concentrations relatives, (ii) l'utilisation de méthodes d'apprentissage profond pour la modélisation de la distribution des espèces pour capturer le contexte environnemental, (iii) utiliser ~3000 points d'un ensemble de données d'imagerie quantitative mondial et des données satellitaires à haute résolution pour comparer avec les résultats issues du jeu de données de Tara Oceans. Ces développements, et d'autres, seront discutés et décidés avec le/a candidat(e) sélectionné(e).
L'objectif du projet Blue Cloud qui finance ce poste est de fournir une infrastructure scientifique que d'autres peuvent utiliser. Par conséquent, le travail sera intégré dans cette infrastructure à l'échelle de l'UE et devrait être rendu accessible au moyen d'un code bien documenté ou d'une application Web.
Enfin, il est attendu du post-doc qu'il diffuse ses travaux au sein de la communauté Blue Cloud (notamment lors d'ateliers dédiés) et au-delà (conférences internationales, publications scientifiques, partage de code et de produits, etc.).

Activités

- Communiquer avec le post-doc actuel pour comprendre le résultat de l'analyse méta-omique
- Assembler la base de données des occurrences / concentrations et des données environnementales
- Modéliser la relation entre présence / concentration et données environnementales
- Les projeter à l'échelle mondiale
- Préparer des articles et des présentations scientifiques

Compétences

- Détenir ou être sur le point de terminer un doctorat en écologie numérique ou en mathématiques appliquées.
- Expérience avec les méthodes d'apprentissage automatique, idéalement avec l'apprentissage profond (dans un contexte de régression, pas de classification)
- Connaissance de base de l'écologie et idéalement expérience des modèles de distribution d'espèces (i.e. modèles de niche)
- Excellentes compétences en rédaction et en communication pour rédiger des articles et présenter des résultats, mais aussi rédiger de la documentation de base sur le code.
- Bonnes compétences en programmation et capacité à gérer de grands ensembles de données, avec R et / ou Python
- Une expérience dans l'utilisation de fichiers netCDF serait un plus
- Anglais scientifique et technique (niveau B2 pour l'écrit et l'oral). Le français serait un plus, mais ce n'est pas obligatoire.

Contexte de travail

Le Laboratoire d'Océanographie de Villefranche-sur-mer (LOV; http://lov.obs-vlfr.fr/) appartient à l'une des trois stations marines de la Sorbonne Université; il est situé à proximité de Nice, sur la Côte d'Azur. Avec environ 40 permanents et 90 collaborateurs au total, le LOV est un laboratoire de recherche de premier plan en océanographie, abordant des questions allant de l'écologie marine à la biogéochimie, produisant ~ 100 articles scientifiques par an et recevant des subventions prestigieuses de l'ANR, de la Commission Européenne et d'autres organismes de financement internationaux.

L'équipe COMPLEx (COMPutational PLankton Ecology) rassemble ~ 25 membres qui étudient le plancton marin. Le plancton englobe tous les organismes dérivant avec les courants marins. Ces organismes sont responsables de la production de la moitié de l'oxygène que nous respirons, du stockage du carbone que nous émettons et de l'alimentation des poissons que nous mangeons; le plancton est donc un élément constitutif majeur de l'écosystème terrestre. Dans COMPLEx, nous utilisons des méthodes numériques (modélisation, statistiques, apprentissage automatique), des instruments d'imagerie quantitative et, de plus en plus, des données méta-omiques pour approfondir notre compréhension du plancton. Nous interagissons fortement avec la Plateforme Imagerie Quantitative de Villefranche (PIQv; https://sites.google.com/view/piqv), qui supervise le fonctionnement quotidien des outils que l'équipe développe. Ces outils incluent des capteurs d'imagerie, tels que le Underwater Vision Profiler ou le ZooScan, et des progiciels, tels que ZooProcess ou l'application Web EcoTaxa (https://ecotaxa.obs-vlfr.fr/) qui utilise l'apprentissage automatique pour aider les taxonomistes à trier les images de plancton. COMPLEx dispose d'un large réseau de collaborateurs, en océanographie, imagerie, génomique et informatique, notamment dans le cadre du consortium Tara Oceans.

Contraintes et risques

/

Informations complémentaires

Pour de plus amples informations, contacter Lionel GUIDI (guidi@obs-vlfr.fr), Sakina-Dorothée AYATA (sakina@obs-vlfr.fr) et Jean-Olivier IRISSON (irisson@obs-vlfr.fr)

On en parle sur Twitter !