Diffuser et promouvoir la culture en mathématiques et en informatique déployée dans les sciences agronomiques à INRAE et rassembler la communauté des maths-info INRAE.

Back to top

Ingénieur-e en optimisation apprentissage statistique

Description: 

Présentation d'INRAE

L’Institut national de recherche pour l’agriculture, l’alimentation et l’environnement (INRAE) est un établissement public de recherche placé sous la double tutelle du ministère en charge de l’agriculture et du ministère en charge de la recherche. 

C'est un acteur majeur de la recherche et de l’innovation créé le 1er janvier 2020. Institut de recherche finalisé issu de la fusion entre l’Inra et Irstea, INRAE rassemble une communauté de 12 000 personnes, avec 268 unités de recherche, de service et expérimentales, implantées dans 18 centres sur toute la France. 

L’institut se positionne parmi les tout premiers leaders mondiaux en sciences agricoles et alimentaires, en sciences du végétal et de l’animal, et se classe 11ème mondial en écologie-environnement. Face à l’augmentation de la population, au changement climatique, à la raréfaction des ressources et au déclin de la biodiversité, INRAE construit des solutions pour des agricultures multi-performantes, une alimentation de qualité et une gestion durable des ressources et des écosystèmes.

Environnement de travail, missions et activités

L'Unité Mixte de Recherche Mathématique et Informatique Appliquée (MIA) Paris-Saclay est une unité de recherche en statistique et informatique orientée vers les applications en sciences du vivant et environnement. Son objectif essentiel est de développer et diffuser des méthodes génériques dans les disciplines d'origine de ses membres (statistique, mathématique et informatique), motivées par des applications en sciences du vivant et environnement.

Vous rejoindrez en tant qu'Ingénieur de Recherche l'équipe SOLsTIS (Modélisation et apprentissage statistique pour les Sciences du vivant et l'Environnement).

Les compétences équipe de la vingtaine de membres permanents de SOLsTIS présentent un large spectre en modélisation, statistiques bayésiennes, processus spatio-temporels, apprentissage statistique, optimisation, algorithmes stochastiques, etc. Les problèmes traités sont en général issus des sciences du vivant et de l'environnement, et aboutissent à la publication d'articles en statistiques et dans le domaine d'application, ainsi qu'à la production d'outils informatiques (codes, packages, applications web).
Les outils statistiques actuellement développés dans l'équipe et de plus en plus utilisés par la communauté des biologistes risquent de devenir rapidement inadaptés face à l'essor des données massives et l’évolution de la nature des objets à manipuler. Les modèles, les méthodes d'inférence et leur implémentation actuelle doivent être repensées des nouvelles méthodes d'optimisation et algorithmes d’inférence pour l'apprentissage statistique et profond. Les méthodes d'optimisation stochastiques sont une piste prometteuse.

Vous êtes à la pointe dans le domaine de l’optimisation et de l’algorithmie pour les méthodes d’apprentissage statistique et profond. Vous permettrez d'une part à l'équipe de mettre à jour ses méthodes d'inférence et vous offrirez d'autre part de nouvelles perspectives de modélisation et d’apprentissage dans des problématiques en permanente évolution. Vous serez à même de proposer des solutions non seulement performantes et en adéquation avec l'état actuel de l'avancée du domaine, mais aussi suffisamment génériques pour s'appliquer à des données massives issues de domaines d'applications aussi variés que l'agroécologie, la santé animale, la génétique des plantes, le climat.

Votre arrivée coïncidera avec l’emménagement à Palaiseau de l'unité. Cet emménagement sera l'occasion de renforcer nos relations avec nos partenaires historiques (IPSV, GQE, IJPB) et d'initier de nouvelles collaborations avec les autres unités INRAE regroupées dans le nouveau campus. Vous serez un interlocuteur naturel des acteurs majeurs des nombreux laboratoires travaillant autour du Machine Learning sur le plateau (lnria, IPP, Centrale-Supélec, LMO).

La réussite à ce concours vaut qualification informatique. Le poste ouvre droit à une prime informatique en qualité d'Analyste ou de Chef de Projet selon expérience.

Formations et compétences recherchées

Doctorat, ingénieur-e grandes écoles ou assimilées

Vous êtes titulaire d'un doctorat ou diplôme d'ingénieur en Statistique, Machine Learning, Optimisation.
Vous avez des compétences sur les algorithmes et méthodes d'optimisation issues de l'apprentissage automatique et profond (méthodes convexes, proximales, gradient stochastique, ADAM, RMSprop, momentum, méthodes variationnelles, méthodes de Monte-Carlo et variantes) ainsi qu'une connaissance solide des techniques et algorithmes usuels en optimisation (continue/discrète, non-linéaire).
Vous maîtrisez les logiciels et langages de programmation R et Python (Tensorflow, Keras, Pytorch). Des connaissances en C++ et en logiciels d'interfaçage (Shiny) seront un plus.
Vous avez un intérêt vif pour les applications, en particulier les sciences du vivant et de l'environnement.
Travaillant en équipe vous serez doté(e) d'une capacité didactique et pédagogique, et d'un fort sens de l'écoute.

Votre qualité de vie à INRAE

En rejoignant INRAE, vous bénéficiez :

- de 30 jours de congés + 15 RTT par an (pour un temps plein)
d'un soutien à la parentalité : CESU garde d'enfants, prestations pour les loisirs ;
- de dispositifs de développement des compétences : formationconseil en orientation professionnelle ;
d'un accompagnement social : conseil et écoute, aides et prêts sociaux ;
de prestations vacances et loisirs : chèque-vacances, hébergements à tarif préférentiel ;
d'activités sportives et culturelles ;
- d'une restauration collective.

Type de l'offre: 
Date limite de la candidature: 
24/03/2022
Période d'emploi: 
01/09/2022 - 31/08/2023
Email du contact: