Ingénieur F/H développement de chaîne algorithmique

Université de Technologie de Compiègne; Compiègne; Sur place; EUR 40 000 - 60 000; Plein temps

Résumé du poste

Une université technologique en Hauts-de-France recrute un ingénieur F/H spécialisé en développement de chaînes algorithmiques. Le candidat contribuera à la modélisation et au développement d'algorithmes pour le traitement de données spatio-temporelles, avec un accent sur l’épidémiologie. Le poste propose un contrat de 12 mois, avec une forte implication en recherche dans un cadre scientifique stimulant.

Qualifications

• Excellente maîtrise des processus/chaînes de Markov et semi-markoviens.
• Solides bases en statistique, probabilités, et optimisation numérique.
• Pratique confirmée de la programmation scientifique.

Responsabilités

• Contribuer au développement d’une chaîne algorithmique pour CSM/CSMC.
• Modélisation et formulation des spécifications spatio-temporelles.
• Développement d’algorithmes d’estimation et de décodage.

Connaissances

Maîtrise des processus/chaînes de Markov

Statistique

Programmation scientifique en Python

Optimisation numérique

Algèbre linéaire computationnelle

Formation

Master recherche/ingénieur (M2)

Doctorat apprécié

Outils

Python (NumPy/SciPy, JAX, PyTorch)

R (data.table, Rcpp)

C++

Description du poste

L’Université de technologie de Compiègne (UTC) recherche un ingénieur F/H en développement de chaîne algorithmique pour rejoindre son Laboratoire de Mathématiques Appliquées (LMAC) - département génie informatique (GI), dans le cadre du projet ANR INCA.

Mission

Contribuer audéveloppement d’une chaîne algorithmique complètepour CSM/CSMC (de la modélisation au code reproductible), afin de traiter descas réelset derenforcer les collaborationsinternes/externes.

Activités

• Modélisation et formalisation: spécification de CSM/CSMC spatio-temporels (durées explicites, transitions dépendant de l’espace, covariables, politiques de décision).

• Inférence paramétrique et non paramétrique: développement d’algorithmes d’estimation du maximum de vraisemblance(EM/ECM généralisés),décodage(Viterbi semi-markovien),filtrage/lissage(forward–backward à durées),sélection de modèles(critères informationnels, validation croisée).

• Optimisation et contrôle: formulation et résolution de problèmes d’aide à la décision(MDP/POMDP semi-markoviens), calcul de politiques et analyse de sensibilité.

• Simulation et calibration: simulateurs spatio-temporels, expériences numériques, étude de robustesse (données bruitées/manquantes),incertitudes(bootstrap, profils de vraisemblance).

Contexte scientifique et objectifs

Leschaînes semi-markoviennes (CSM)etchaînes semi-markoviennes cachées (CSMC)constituent, de longue date, un axe central de la modélisation stochastique au sein de notre laboratoire. Nos travaux ont produit des avancées théoriques et méthodologiques (asymptotique, estimation statistique), mais relativement peu derésultats algorithmiques et logiciels— déficit qui limite la valorisation de nos contributions et les synergies avec d’autres équipes.
Dans le cadre du projetANR – INCA, nous recrutons un·eingénieur·echargé·e deconcevoir, analyser, implémenter et validerdes algorithmes detraitementetd’estimationpour CSM/CSMC, avec une application prioritaire à lamodélisation spatio-temporelle de la propagation épidémique(p. ex. COVID-19). Les problématiques incluent notamment :

• Temps d’atteinte régionald’un foyer épidémique initialisé en grande agglomération, en fonction de la géographie et des mobilités ;

• Aide à la décisionsous incertitude (quelles interventions à partir d’un état donné pourminimiser un risque).

Informations complémentaires

Type de contrat et date prévisionnelle de recrutement

Contrat à durée déterminée - durée prévue de 12 mois - à pourvoir dès que possible et jusqu’au 31/12/2026 au plus tard

Salaire mensuel brut

Selon financement

Volume horaire

37 heures et 30 minutes/semaine - 1 607 heures/an

Environnement et contexte de travail

La personne recrutée exercera son activité au sein du Laboratoire de Mathématiques Appliquées LMAC/GI et viendra renforcer l’équipe dans ses activités de recherche et de développement dans un environnement scientifique stimulant et interdisciplinaire. L’équipe de recherche, impliquée dans plusieurs projets nationaux, offre un cadre propice à la valorisation scientifique.

Ce recrutement bénéficie d’un financement de l’Agence Nationale de la Recherche (ANR).

Compétences

• Excellente maîtrise desprocessus/chaînes de Markov et semi-markoviens, y compris versionscachées(HSMM) et méthodes d’inférenceassociées.

• Solides bases enstatistique(vraisemblance, EM, information de Fisher),probabilités,optimisation numérique,algèbrelinéairecomputationnelle.

• Pratique confirmée de laprogrammation scientifique: Python (NumPy/SciPy, JAX ou PyTorch au besoin), R (data.table, Rcpp), et idéalement C++ (profilage/optimisation).

Diplôme, domaine de formation

• Diplôme: Master recherche/ingénieur (M2) ;doctoratapprécié

• Domaine de formation: mathématiques appliquées,statistique, probabilités/chaînes de Markov, statistique/inférence, optimisation, programmation scientifique.