Chercheur H/F sur le modèle de fondations pour les séries temporelles

Portail > Offres > Offre UMR7501-DELSCH-015 - Chercheur H/F sur le modèle de fondations pour les séries temporelles

Chercheur H/F sur le modèle de fondations pour les séries temporelles

Cette offre est disponible dans les langues suivantes :

Date Limite Candidature : mardi 29 avril 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 : Chercheur H/F sur le modèle de fondations pour les séries temporelles
Référence : UMR7501-DELSCH-015
Nombre de Postes : 1
Lieu de travail : STRASBOURG
Date de publication : mardi 8 avril 2025
Type de contrat : Chercheur en contrat CDD
Durée du contrat : 6 mois
Date d'embauche prévue : 1 août 2025
Quotité de travail : Incomplet
Rémunération : rémunération à partir de 2104,18 euros brut mensuel selon expérience
Niveau d'études souhaité : Doctorat
Expérience souhaitée : 5 à 10 années
Section(s) CN : 06 - Sciences de l'information : fondements de l'informatique, calculs, algorithmes, représentations, exploitations

Missions

Le candidat H/F retenu(e) sera intégré(e) au projet "Interpretable Foundation Model for Time Series" au sein de l'équipe MOCO de l'IRMA. Il/elle contribuera au développement de modèles de fondation pour l'analyse de séries temporelles multidimensionnelles, avec un accent particulier sur la prédiction, la classification, la détection d'anomalies et l'interprétabilité des résultats. Le projet vise à exploiter les capacités des grands modèles de langage (LLMs) pour améliorer l'analyse des séries temporelles dans des domaines tels que la finance, la biologie et les systèmes dynamiques.

Activités

1. Développement et adaptation de modèles de fondation pour l'analyse de séries temporelles.
2. Conception et mise en œuvre de méthodes d'apprentissage automatique pour la prédiction, la classification et la détection d'anomalies.
3. Utilisation de techniques de génération de données synthétiques pour enrichir les jeux de données d'entraînement.
4. Collaboration avec les équipes de recherche pour intégrer les modèles développés dans des applications concrètes.
5. Participation à la rédaction de publications scientifiques et à la présentation des résultats dans des conférences internationales.
6. Encadrement éventuel d'étudiants ou de stagiaires impliqués dans le projet.

Compétences

1. Expertise en apprentissage automatique, notamment en modèles de langage (LLMs) et en traitement de séries temporelles.
2. Maîtrise des outils et bibliothèques de machine learning (PyTorch, TensorFlow, etc.).
3. Expérience en programmation scientifique (Python, C++, etc.) et en calcul haute performance (GPU, parallélisation).
4. Capacité à travailler en équipe et à collaborer avec des chercheurs de différentes disciplines.
5. Bonnes compétences en communication scientifique, tant à l'écrit qu'à l'oral.
6. Connaissance des méthodes de génération de données synthétiques et de leur utilisation dans l'apprentissage automatique.

Contexte de travail

La quotité de temps de travail pour ce poste est de 50%. L'Institut de Recherche Mathématique Avancée (IRMA) est une Unité Mixte de Recherche située sur le campus de l'Esplanade, facilement accessible en transports en commun. Proche de nombreux commerces et bénéficiant d'un restaurant administratif à 5 minutes à pied, l'IRMA offre un environnement de travail agréable et stimulant. Avec une réputation établie en mathématiques, tant au niveau national qu'international, l'IRMA couvre un large spectre scientifique, allant des aspects fondamentaux aux applications industrielles. L'institut compte environ 160 personnes, dont une centaine de membres permanents, et dispose d'un service administratif, d'une bibliothèque et d'un service informatique composé de 4 ingénieurs. La recherche à l'IRMA est structurée en 7 équipes, dont une dédiée à la Modélisation Mathématique et au Calcul Scientifique (équipe MOCO - MOdélisation et COntrôle ). L'IRMA héberge également une équipe INRIA (Institut national de recherche en sciences et technologies du numérique) et deux structures plateformes, le Cemosis (Centre de modélisation et de simulation de Strasbourg) et le CeStat (Centre Statistique de Strasbourg), favorisant les liens avec le monde socio-économique.