En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)
Portail > Offres > Offre UMR8197-NATBOI-084 - Chercheur en deep learning pour les neurosciences (2 ans H/F)

Chercheur en deep learning pour les neurosciences (2 ans H/F)

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

Date Limite Candidature : lundi 20 septembre 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-084
Lieu de travail : PARIS 05
Date de publication : lundi 30 août 2021
Type de contrat : CDD Scientifique
Durée du contrat : 24 mois
Date d'embauche prévue : 1 novembre 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 diagnostic avec des collaborateurs identifiés dans ces domaines.

Dans ce projet, nous visons à développer un système d'analyse de séquence d'images 3D+t de l'activité cérébrale de drosophiles lors de l'encodage de la mémoire à long terme. Nous chercherons à aligner de nombreuses acquisitions d'imagerie 3D FLIM de cerveau de drosophiles pour entrainer des réseaux de neurones artificiels à reconnaitre et lier des patterns métaboliques à des de fonctions neuronales spécifiques. Les résultats de cette étude pourront permettre de mieux comprendre comment la mémoire d'un évènement se forme. Ce projet est une collaboration avec l'équipe Energie et mémoire de l'ESPCI en charge de la partie expérimentale, mais le ou la post doctorante développera des modèles d'apprentissage profond dans un environnement de recherche en informatique au sein de l'équipe de bio imagerie computationnelle de l'Ecole Normale Supérieure de Paris.

Activités

Le ou la candidate sélectionnée rejoindra notre laboratoire et engagera un travail de recherche pour concevoir et publier des méthodes d'apprentissage profond pour lier des évènements énergétiques à des fonctionnalités. 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 amenée à collaborer avec les équipes expérimentalistes pour comprendre et influencer l'acquisition des données et discuter des résultats scientifiques. 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 de vision par ordinateur ou intelligence artificielle 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 12 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 !