Missions d’enseignement

Le/La maître de conférences pourra intervenir dans tous les enseignements où l'UFR de mathématiques est impliquée (cycle ingénieur, master, école doctorale, post-master) dans la composante modélisation des phénomènes aléatoires et méthodes statistiques. Il/Elle pourra intervenir notamment dans les troncs communs de 1ère et 2ème année, dans les enseignements de domaines et des UC optionnelles en 2ème année ainsi que dans les dominantes de 3ème année dans lesquelles l'UFR intervient : PIST, EDEN, EGE, GIPE, NUTRI, METATOX, IDEA, BIOTECH, IODAA... et dans des UE des parcours de Master 1 et 2 : AEPTF, AAE, MSV, BEE, NUTRI et PRIAM. Le/La maître de conférences pourra contribuer, notamment, en concertation avec les membres de l'UFR, à la poursuite de la rénovation de l'enseignement de statistique en D3 et D4 jusqu’aux spécialités de 3ème année ainsi qu’en master. Cela doit se faire dans la continuité des modifications faites en tronc commun qui visaient à introduire des aspects d’apprentissage statistique, pour répondre au traitement de données de plus en plus massives. Le/La maître de conférences pourra développer des enseignements, notamment de nouvelles UC, autour du traitement des données spatiales, temporelles ou spatio-temporelles en collaboration avec des enseignants-chercheurs d’autres départements.

Mission de recherche

La personne recrutée sera affectée à l’équipe SOLsTIS de l’UMR MIA-Paris-Saclay. Elle mènera ses recherches dans le domaine de l’apprentissage statistique pour les données spatiales et/ temporelles. Ce type de données multi-échelles avec de fortes dépendances, sont omniprésentes dans les sciences et du vivant et de l’environnement, suite à l’avancée prodigieuse de nouveaux capteurs elles deviennent de plus en plus volumineuses et complexes et nécessitent des techniques d’apprentissage avancées pour être exploitées et étudiées. La personne recrutée viendra soutenir la dynamique dans laquelle s'inscrit l’unité autour de l’apprentissage machine avec les recrutements récents dans les équipes SOLsTIS et EkINocs en apportant une compétence spécifique, dans le développement de méthodes d’apprentissage statistique pour des problématiques spatio-temporelles.

Elle s’attachera à développer de nouveaux outils méthodologiques adaptés aux données spatio-temporelles et les problématiques liées à forts enjeux en collaboration avec les autres départements d’AgroParisTech pourvoyeurs de telles données spatio-temporelles et problématiques dans leurs domaines respectifs (agronomie, écologie, climat, environnement ...).

Elle renforcera l’équipe sur les projets en cours sur ce thème, sera amenée à en créer de nouveaux et pour cela bénéficiera de la dynamique créée par le récent lancement du groupe de travail inter-département autour de la science des données. Elle profitera de l’expérience membres de l’équipe en modélisation spatio-temporelle ainsi que de leurs collaborations externes en particulier dans le cadre du réseau thématique RESSTE (RESeau Statistiques pour données Spatio-Temporelles) dans lequel l’équipe est active.

Compétences recherchées

Le/La maître de conférences devra être titulaire d’une thèse (ou équivalent) en statistique ou en mathématiques appliquées spécialisée en apprentissage statistique pour des données structurées spatialement et/ou temporellement. Il/Elle devra posséder les qualités pédagogiques appropriées pour une école d’ingénieurs en sciences du vivant et de l’environnement en étant capable notamment d’illustrer ses enseignements par des applications dans ces domaines. En termes de recherche, Il/Elle devra justifier d’une activité reconnue sur le plan universitaire et s’être déjà intéressé(e) à des problèmes appliqués ou avoir au moins une réelle intention de s’y intéresser.