Assistant-e ingénieur-e biologiste en traitement de données - A3A41 (H/F)

CNRS; Paris; Sur place; EUR 40 000 - 60 000; Plein temps

Résumé du poste

Le CNRS recherche un(e) assistant(e) ingénieur(e) biologiste en traitement de données à Paris. Le candidat travaillera sur l'implémentation de modèles d'apprentissage en profondeur pour étudier les dynamiques cognitives, impliquant collaboration, recherche et rédaction scientifique.

Qualifications

• BAC+2 requis, MASTER apprécié en domaine connexe.
• Maîtrise de Python et des bibliothèques d'apprentissage automatique.
• Niveau d'anglais C1 minimum.

Responsabilités

• Implémentation de modèles RNN en Python pour des tâches cognitives.
• Conception d'expériences computationnelles.
• Rédaction de publications pour revues scientifiques.

Connaissances

Python

Apprentissage automatique

Analyse

Résolution de problèmes

Mathématiques

Formation

BAC + 2

MASTER en Physique, Mathématiques, Informatique, Neurosciences

Outils

PyTorch

TensorFlow

JAX

Description du poste

Portail > Offres > Offre SNC9138-SRDOST-003 - Assistant-e ingénieur-e biologiste en traitement de données - A3A41 (H/F)

Assistant-e ingénieur-e biologiste en traitement de données - A3A41 (H/F)

Date Limite Candidature : jeudi 3 juillet 2025 23:59:00 heure de Paris

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler

Informations générales

Intitulé de l'offre : Assistant-e ingénieur-e biologiste en traitement de données - A3A41 (H/F)
Référence : SNC9138-SRDOST-003
Nombre de Postes : 1
Lieu de travail : PARIS 05
Date de publication : jeudi 12 juin 2025
Type de contrat : IT en contrat CDD
Durée du contrat : 9 mois
Date d'embauche prévue : 1 octobre 2025
Quotité de travail : Complet
Rémunération : à partir de 2325 euros brut
Niveau d'études souhaité : BAC + 2
Expérience souhaitée : Indifférent
BAP : A - Sciences du vivant, de la terre et de l'environnement
Emploi type : Assistant-e ingénieur-e biologiste en traitement de données

Missions

L'équipe dirigée par Srdjan Ostojic à l'École Normale Supérieure de Paris recrute un(e) assistant(e) de recherche pour étudier les dynamiques d'apprentissage dans les modèles de réseaux de neurones récurrents (RNN) pour des tâches cognitives.

Activités

- Implémentation et analyse de modèles RNN en Python avec les frameworks d'apprentissage profond
- Conception et réalisation d'expériences computationnelles pour étudier les dynamiques d'apprentissage
- Développement de modèles théoriques et analyses mathématiques des processus d'apprentissage
- Collaboration avec les membres de l'équipe sur l'analyse et l'interprétation des données
- Rédaction de publications scientifiques pour revues à comité de lecture
- Présentation des résultats lors de réunions d'équipe et conférences scientifiques

Compétences

**Formation :**
- BAC+2 mais MASTER apprécié en Physique, Mathématiques, Informatique, Neurosciences ou domaine connexe

**Compétences techniques :**
- Maîtrise de la programmation Python et des bibliothèques d'apprentissage automatique (PyTorch, TensorFlow, JAX)
- Solides bases mathématiques : algèbre linéaire, analyse, systèmes dynamiques
- Connaissance des réseaux de neurones et principes d'apprentissage profond
- Expérience en méthodes numériques et calcul scientifique
- Capacités d'analyse et de résolution de problèmes

**Compétences linguistiques :**
- Anglais : niveau C1 minimum (lu, écrit, parlé)

## COMPÉTENCES SOUHAITÉES

- Expérience préalable avec les réseaux de neurones entraînés
- Formation en neurosciences théoriques ou biologie computationnelle
- Connaissance de la théorie des systèmes dynamiques
- Expérience du calcul haute performance et environnements cluster

Contexte de travail

La personne recrutée rejoindra le Group for Neural Theory à l'ENS, dans un environnement de recherche dynamique. L'équipe fait partie du Laboratoire de Neurosciences Cognitives et Computationnelles (LNC2). Ce poste s'inscrit dans le cadre du projet ERC Synergy Chronology, une collaboration avec les équipes expérimentales de Brice Bathellier (Institut Audition), Virginie van Wassenhove (NeuroSpin), et Mehrdad Jazayeri (MIT).