Le projet SIA-BEFoeT vise à développer des méthodes et des outils d’Intelligence Artificielle (IA) pour améliorer la détection des anomalies du rythme cardiaque fœtal pendant le travail afin de prédire et d’anticiperlasurvenue d’un événement grave chez le fœtus pouvant conduire au décès ou au transfert en réanimation néonatale pour encéphalopathie anoxo-ischémique.… En lire plus...
Mots-clés
Aide à la décision; Analyse de données; artificial intelligence; big data; DATA SCIENTIST; deep learning; Health Data; machine learning; Modélisation
La réalisation du projet nécessite de bonnes connaissances dans les domaines de l'intelligence artificielle, de celle du deep learning et du machine learning, des mathématiques appliquées. et de l'informatique. Nous recherchons un candidat au doctorat titulaire d'un master ou d'un diplôme d'ingénieur et familier avec plusieurs des sujets suivants :
• Prétraiter et analyser des données structurées pour répondre à un problème métier.
• Entraîner un modèle d’apprentissage automatique supervisé pour réaliser une analyse prédictive.
• Entraîner un modèle d’apprentissage non supervisé adapté à une problématique de segmentation ou de réduction de données.
• Prétraiter et analyser des données non structurées (texte, images …) pour obtenir un jeu de données exploitable.
• Déployer un modèle d’apprentissage automatique à l’échelle en utilisant les technologies du Big data.
• Maîtriser les techniques d’analyse des données et de machine learning (classification et régression, clustering, surapprentissage, régularisation, deep learning etc…)
• Maîtrise un langage statistique/database tel que Python, R ou SQL.
This thesis is part of an interdisciplinary project between artificial intelligence (AI) and materials for energy conversion for the optimization and acceleration of the production of devices for photovoltaic or solar energy. In this context, the research work will focus more particularly on the foundations of the management and analysis of small data sets.… En lire plus...
Mots-clés
artificial intelligence; Design of experiments (DoE); Material for energy; photovoltaic/perovskite devices
Applied mathematics, computer science, data science, artificial intelligence, or multivariate data processing methods and/or a strong interest/knowledge in materials science, materials engineering, chemistry, and applied physics.
OR
Materials science, materials engineering, chemistry, and applied physics, with a background and/or strong interest/knowledge in data science and/or artificial intelligence.
Date limite
01/10/2022
Informations de contact
Dr. Yves-André Chapuis
ya.chapuis@unistra.fr
ICube Laboratory
MaCEPV Team
The vast majority of deep learning architectures for medical image analysis are based on supervised models requiring the collection of large datasets of annotated examples. Building such annotated datasets, which requires skilled medical experts, is time consuming and hardly achievable, especially for some specific tasks, including the detection of small and subtle lesions that are sometimes impossible to visually detect and thus manually outline.… En lire plus...
Mots-clés
analyse d'images; apprentissage automatique; deep learning; Health Data; machine learning; medical; Neuroimaging,
- GIN - team «Functional neuroimaging and brain perfusion»: Michel Dojat (michel.dojat@inserm.fr),
- CREATIS - team Myriad : Carole Lartizien (carole.lartizien@creatis.insa-lyon.fr)
Gérer le consentement aux cookies
Des cookies sont utilisés pour optimiser notre site web.
Fonctionnel
Toujours activé
Le stockage ou l’accès technique est strictement nécessaire dans la finalité d’intérêt légitime de permettre l’utilisation d’un service spécifique explicitement demandé par l’abonné ou l’utilisateur, ou dans le seul but d’effectuer la transmission d’une communication sur un réseau de communications électroniques.
Préférences
Le stockage ou l’accès technique est nécessaire dans la finalité d’intérêt légitime de stocker des préférences qui ne sont pas demandées par l’abonné ou l’utilisateur.
Statistiques
Le stockage ou l’accès technique qui est utilisé exclusivement à des fins statistiques.Le stockage ou l’accès technique qui est utilisé exclusivement dans des finalités statistiques anonymes. En l’absence d’une assignation à comparaître, d’une conformité volontaire de la part de votre fournisseur d’accès à internet ou d’enregistrements supplémentaires provenant d’une tierce partie, les informations stockées ou extraites à cette seule fin ne peuvent généralement pas être utilisées pour vous identifier.
Marketing
Le stockage ou l’accès technique est nécessaire pour créer des profils d’utilisateurs afin d’envoyer des publicités, ou pour suivre l’utilisateur sur un site web ou sur plusieurs sites web à des fins de marketing similaires.