Missions

Ce post-doc vise à construire un pont entre méthodes d'IA et morphométrie géométrique (GMM) pour l'analyse d'images 3D. L'application centrale et unique de ce post-doc sera la bio-archéologie.

Activités

Le/la candidat.e devra faire un état de l'art sur les approches quantitatives existantes qui utilisent soit des méthodes d'IA soit de la morphométrie géométrique (GMM) pour faire de la classification supervisée ou non-supervisée à partir d'images 3D d'ossements animaux, modernes et archéologiques. Ensuite le but du post-doc sera double: d'un côté on vise la fabrication de patrons de morphométrie à travers l'IA, d'un autre côté on veut utiliser des techniques de machine learning pour exploiter au mieux l'information qui est portée par les patrons GMM.

Compétences

Le/la candidat.e idéale aura des connaissances approfondies en morphométrie géométrique, il/elle connaîtra les statistiques et le langage de programmation R (packages morpho, geomorph). Idéalement le/la candidat.e aura fait un doctorat et un premier post-doc en bioarchéologie, avec une orientation très quantitative. Une connaissance du langage Python et du machine/deep learning serait un plus.

Contexte de travail

Le post-doc aura lieu au laboratoire CEPAM d'Université Côte d'Azur (UniCA), ou le/la chercheur/chercheuse sera encadré.e par M. Corneli (CPJ en intelligence artificielle pour l'archéologie et l'histoire). Il y aura aussi une possibilité d'échange régulier avec les chercheurs en IA de l'équipe MAASAI d'INRIA UniCA.