En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)
Portail > Offres > Offre UMR8539-ISARIC-061 - Ingénieur de Recherche (H/F) en Application de techniques de machine learning

Ingénieur de Recherche (H/F) en Application de techniques de machine learning


Date Limite Candidature : lundi 18 octobre 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 : UMR8539-ISARIC-061
Lieu de travail : PALAISEAU
Date de publication : lundi 27 septembre 2021
Type de contrat : CDD Technique/Administratif
Durée du contrat : 12 mois
Date d'embauche prévue : 1 décembre 2021
Quotité de travail : Temps complet
Rémunération : Selon expérience et grille CNRS
Niveau d'études souhaité : Doctorat
Expérience souhaitée : Indifférent

Missions

Le laboratoire de Météorologie Dynamique recherche un ingénieur de recherche pour travailler sur l'application de techniques de machine learning pour le traitement de données issues de l'observation spatiale dans l'infrarouge afin d'étudier le bilan radiatif terrestre en lien avec les gaz à effet de serre anthropiques.

Activités

- Développer des systèmes d'inversion du transfert radiatif et d'évaluation des incertitudes associées basés sur des techniques de machine learning, en particulier neuronales, afin d'interpréter les observations spatiales réalisées dans l'infrarouge en termes de variables climatiques,
- Appliquer ces systèmes pour étudier le potentiel de différentes configurations de nouveaux concepts d'observation du proche-infrarouge à l'infrarouge lointain pour l'étude du rayonnement terrestre et des concentrations de gaz traces associés,
- Interagir régulièrement avec les ingénieurs du laboratoire et des partenaires, en particulier du CNES, pour s'assurer que les développements des outils informatiques et les expériences numériques correspondent aux contraintes sur les mesures et exploitent leur plein potentiel,
- Diriger et contribuer à la rédaction de publications,
- Promouvoir les résultats du projet lors de conférences internationales.

Compétences

- Connaissances en sciences de l'atmosphère, techniques de télédétection et / ou d'inversion statistique.
- Expérience avec des modèles de transfert radiatif
- Programmation (idéalement en Fortran et Python)
- Capacité à travailler en collaboration avec une équipe de chercheurs et d'ingénieurs
- Formation : Doctorat en télédétection, climat, sciences de l'environnement ou sciences de l'atmosphère.

Contexte de travail

Le LMD étudie le climat, la qualité de l'air et les atmosphères planétaires, à travers une combinaison d'approches théoriques, d'innovations instrumentales, de collecte d'observations, d'analyse de données, en particulier de données satellitaires, de développements conceptuels et de modélisation numérique. Le doctorant rejoindra l'équipe ABC(t) du LMD, qui est spécialisée dans la préparation et l'exploitation des missions spatiales, à la fois passives (IASI, IASI-NG, AIRS, IIR, Flex, MicroCarb) et actif (Merlin) ainsi que dans la recherche et le développement instrumental. Au fil des années, l'équipe a développé une chaîne complète de traitement des données satellitaires qui comprend : (i) la gestion et le développement de la base de données spectroscopique GEISA ; (ii) la gestion et le développement de modèles de transfert radiatif vers l'avant) ; (iii) le développement de codes de transfert radiatif inverse pour étudier différents Variables Climatiques Essentielles : nuages, aérosols, propriétés de surface et gaz à effet de serre (CO2, CH4, CO et N2O) ; (iv) les activités de validation, qui sont essentielles pour fournir des séries temporelles robustes sur le long terme robustes d'ECV.

Contraintes et risques

-

On en parle sur Twitter !