Post-doctorat (H/F) en développement de méthodes d'apprentissage automatique pour les données o[...]

CNRS; Paris; Sur place; EUR 60 000 - 80 000; Plein temps

Résumé du poste

Le CNRS recherche un post-doctorant en développement de méthodes d'apprentissage automatique pour analyser des données omiques unicellulaires. Situé à Paris, ce poste de 8 mois requiert un doctorat en informatique, apprentissage automatique ou biologie computationnelle, avec des compétences solides en Python et communication. Le candidat aura l'opportunité de travailler dans une équipe interdisciplinaire à la pointe de la recherche scientifique.

Qualifications

• Solide expérience en apprentissage automatique ou statistiques.
• Maîtrise de Python.
• Familiarité avec les données unicellulaires est un plus.

Responsabilités

• Conception d'une nouvelle méthode mathématique.
• Veille documentaire sur les publications pertinentes.
• Programmation/codage en Python (Pytorch).
• Présentation des résultats lors de conférences.
• Interaction avec l'équipe et les collaborateurs internationaux.

Connaissances

Apprentissage automatique

Statistiques

Python

Compétences en communication

Esprit d'équipe

Autonomie

Anglais courant

Formation

Doctorat en informatique

Doctorat en apprentissage automatique

Doctorat en biologie computationnelle

Description du poste

Post-doctorat (H/F) en développement de méthodes d'apprentissage automatique pour les données omiques unicellulaires, Paris

Informations générales

Intitulé de l'offre : Post-doctorat (H/F) en développement de méthodes d'apprentissage automatique pour les données omiques unicellulaires
Référence : UMR3738-DEBPHI-003
Nombre de Postes : 1
Lieu de travail : PARIS 15
Date de publication : mardi 17 juin 2025
Type de contrat : Chercheur en contrat CDD
Durée du contrat : 8 mois
Date d'embauche prévue : 1 novembre 2025
Quotité de travail : Complet
Rémunération : 3 081€ et 4 756€ brut mensuel selon expérience
Niveau d'études souhaité : Doctorat
Expérience souhaitée : Indifférent
Section(s) CN : 51 - Modélisation mathématique, informatique et physique pour les sciences du vivant

Le séquençage à haut débit de cellules uniques, qui permet d'extraire d'énormes quantités de données moléculaires d'une cellule, crée des opportunités passionnantes pour l'apprentissage automatique afin d'aborder des questions biologiques en suspens. Le post-doctorant (H/F) qui sera recruté travaillera sur le développement d'une nouvelle méthode d'apprentissage automatique permettant d'inférer des mécanismes moléculaires à partir de l'intégration de données transcriptomiques spatiales et de données multi-omiques unicellulaires.

Activités

- conception d'une nouvelle méthode mathématique
- veille documentaire de publications pertinentes pour le domaine
- programmation/codage en Python (Pytorch)
- présentation des résultats obtenus en conférence
- interaction avec les membres de l’équipe et les collaborateurs internationaux

Compétences

Diplôme : Doctorat en informatique, en apprentissage automatique ou en biologie computationnelle

Nous attendons d'un candidat qu'il dispose d'une solide expérience en apprentissage automatique ou en statistiques. Le candidat doit également maîtriser des langages de programmation comme Python. La familiarité avec les données unicellulaires et l'expérience avec les méthodes et les logiciels existants pour les cellules uniques représenteraient un fort avantage. D'excellentes compétences en communication et un esprit d'équipe, ainsi qu'une capacité à travailler en autonomie sont essentiels. Un anglais courant, tant à l'oral qu'à l'écrit, est requis.

Contexte de travail

L'équipe Machine Learning for Integrative Genomics (https:///en/team/machine-learning-for-integrative- genomics/) de l'Institut Pasteur, dirigée par Laura Cantini, travaille à l'interface de l'apprentissage automatique et de la biologie (outils développés par l'équipe : https:///cantinilab). L’équipe est composée de 7 personnes : 4 doctorants, 1 post-doctorant, 1 Ingénieur de recherche et 1 assistante. L’équipe est associée au département de biologie computationnelle de l'Institut Pasteur, à l'UMR3738 et à l'Institut d'intelligence artificielle PRAIRIE. Ce projet sera financé par l’Institut PRAIRIE(https:///)