En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)
Portail > Offres > Offre UMR8197-NATBOI-059 - Post doctorat en apprentissage profond auto-supervisé (3 ans H/F)

Post doctorat en apprentissage profond auto-supervisé (3 ans H/F)

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

Date Limite Candidature : lundi 26 avril 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 : UMR8197-NATBOI-059
Lieu de travail : PARIS 05
Date de publication : lundi 15 mars 2021
Type de contrat : CDD Scientifique
Durée du contrat : 36 mois
Date d'embauche prévue : 1 mai 2021
Quotité de travail : Temps complet
Rémunération : Entre 2800 € et 3800 € bruts mensuels selon expérience
Niveau d'études souhaité : Doctorat
Expérience souhaitée : Indifférent

Missions

Depuis une dizaine d'années, l'apprentissage profond a permis à la communauté d'obtenir des résultats impressionnants pour des tâches d'apprentissage supervisé sur de grande données de tout type et en particulier des images. Par ailleurs, la biologie et la médecine ont récemment été reconnues comme les champs de recherche produisant les plus grandes quantités de données. Ainsi, la recherche en biologie est un environnement idéal pour les chercheurs en informatiques et en sciences de données qui visent à développer des algorithmes sophistiqués liés aux questions scientifiques actuelles.

La robotique associée à la microscopie à haut débit peut générer des centaines de milliers d'images à partir d'expériences automatisées. Ce type de données nous a permis de montrer que des modèles de réseau profond bien conçus et entrainés peuvent effectuer des distinctions de phénotype cellulaire très subtiles, et même parfois invisibles. Une performance que nous ne pouvions pas espérer atteindre il y a quelques années avec des algorithmes d'analyse d'images classiques. Des approches ont également été développées pour classer, annoter ou générer des données d'images biologiques et analyser des interactions complexe entre certains objets biologiques à partir d'un grand ensemble d'expériences. Les applications de ce travail vont de la recherche fondamentale en biologie à la découverte de médicaments en passant par le diagnostique avec des collaborateurs identifiés dans ces domaines.

Dans ce projet, nous visons à tirer parti des grands ensembles de données d'images que nous produisons avec nos collègues biologistes pour développer des méthodes de pointe basés sur l'apprentissage auto-supervisé afin d'augmenter artificiellement et de manière considérable la résolution des images de microscopie.

Activités

Le ou la candidate sélectionnée rejoindra notre laboratoire et engagera un travail de recherche pour concevoir et publier des méthodes d'apprentissage profond auto-supervisées pour améliorer les capacités des microscopes actuels. Il / elle interagira avec les autres membres du laboratoire pour développer ses connaissances et son savoir faire des techniques d'apprentissage profond auto supervisées au profit de son projet. Ceci pourra prendre la forme d'idée, de proposition d'expérience numérique basée sur des données, d'algorithmes ou d'architecture de réseaux. Il / elle sera également chargé/e d'écrire et de soumettre des manuscrits décrivant de nouvelles méthodes quantitatives validées par des résultats scientifiques à des conférences et journaux internationaux du domaine dotés d'un comité de lecture.

Compétences

Le ou la candidate doit :
- détenir un diplôme de doctorat en apprentissage profond / machine, informatique, statistiques, mathématiques appliquées ou analyse d'image.
- être rigoureux/se et organisé pour mener à bien son projet .
- être capable de s'adapter aux contraintes inhérentes aux projets de recherche.
- être capable de travailler et d'être bienveillant/e avec ses collègues, partager ses connaissances et recevoir des conseils d'autres membres de l'équipe.
- être prêt/e à rédiger des manuscrits en anglais .

Une expérience antérieure liée à la biologie et / ou à la microscopie serait considérée comme un plus mais n'est pas obligatoire.

Contexte de travail

L'Institut de biologie de l'ENS (IBENS) est un centre de recherche fondamentale qui mène des recherches originales visant à décrypter les mécanismes fondamentaux au cœur des processus biologiques.
Unité mixte ENS-CNRS-INSERM, l'IBENS accueille plus de 300 personnes regroupées en 30 équipes autonomes conduisant une recherche hautement collaborative et multidisciplinaire qui allie approches expérimentales et théoriques.
L'activité de recherche couvre des champs thématiques variés : Neurosciences, Biologie du développement, Génomique fonctionnelle, Écologie et biologie de l'évolution.
L'équipe d'accueil (bioimagerie computationelle et bioinformatique : https://www.ibens.ens.fr/spip.php?rubrique47 ), est dirigée par Auguste Genovesio comprends environ 10 informaticiens. L'équipe fait partie du Centre de biologie computationnelle, un centre de recherche interdisciplinaire et international situé à l'IBENS. L'équipe effectue et publie des recherches en informatique pour concevoir des méthodes utilisant généralement un grand ensemble de données d'images biologiques. Nos travaux se concentrent actuellement sur le développement de méthodes d'apprentissage profond pour l'étude quantitative des données de la morphologie et de la dynamique des cellules à grande échelle. Certains de nos travaux en génomique fonctionnelle s'intéressent notamment à l'impact de l'expression de gênes sur la morphologique cellulaire à large échelle.
L'École Normale Supérieure est une institution de recherche et d'enseignement public supérieur, situé dans le quartier Latin au centre de Paris, à proximité de nombreux transport en commun (RER, métro , bus) et dans un environnement agréable et étudiant.

On en parle sur Twitter !