Stage Data Science & Deep Learning en Oncologie Multi-Omics

Groupe Talents Handicap; Kergrist; Sur place; EUR 7 800 - 12 000; Plein temps

Résumé du poste

Dassault Systèmes, leader de la 3DEXPERIENCE, propose un stage au sein du département Recherche Oncology Twin à Cesson-Sévigné (35). Vous développerez des modèles d'AIVC appliqués à l’oncologie en combinant données multi-omics et Deep Learning pour faire progresser le diagnostic et les thérapies personnalisées.

Le stage inclut une revue de littérature et le recensement de jeux de données publics, suivi de l’implémentation et évaluation de modèles innovants.

Qualifications

• Actuellement en Master 2 / Bac+5 en École d'ingénieur ou Université, vous vous spécialisez en informatique, bio-informatique, data science, ou équivalent et recherchez un stage entre 5 et 6 mois.
• Maîtrise du développement en Python et bibliothèques telles que PyTorch, TensorFlow, Scikit-Learn, Pandas et familiarité avec des architectures avancées de Deep Learning.
• Connaissances en biologie/santé souhaitables et sensibilité à la recherche.

Responsabilités

• Développer des modèles d'AIVC appliqués à l'oncologie en combinant données multi-omics et méthodes avancées de Deep Learning.
• Réaliser une revue de la littérature et recenser des jeux de données multi-omics publics.
• Implémenter et évaluer des modèles innovants dans un cadre collaboratif et international.

Connaissances

Python

PyTorch

TensorFlow

Scikit-Learn

Pandas

Deep Learning

Biologie/santé connaissances

Git

Jupyter

Formation

Master 2 / Bac+5 en école d'ingénieur ou Université

Outils

Git

Jupyter

Description du poste

Dassault Systèmes, leader de la 3DEXPERIENCE, propose un stage au sein du département Recherche Oncology Twin à Cesson-Sévigné (35). Vous développerez des modèles d'AIVC appliqués à l’oncologie en combinant données multi-omics et Deep Learning pour faire progresser le diagnostic et les thérapies personnalisées.

Le stage inclut une revue de littérature et le recensement de jeux de données publics, suivi de l’implémentation et évaluation de modèles innovants.