STAGE - Ingénieur de recherche en Deep Learning et Modélisation (F/H)

Dassault Systèmes; Vélizy-Villacoublay; Sur place; EUR 60 000 - 80 000; Plein temps

Résumé du poste

Une entreprise technologique innovante en Île-de-France cherche un stagiaire pour travailler sur l'intégration d'apprentissage automatique dans des modèles mécanistes pour améliorer les prédictions liées aux risques cardiovasculaires. Le candidat idéal est un étudiant en Master avec un fort intérêt pour la biologie computationnelle et de bonnes compétences en programmation Python. Ce stage offre un environnement multiculturel et convivial axé sur le bien-être.

Prestations

Environnement multiculturel

Cadre de travail convivial

Engagement en faveur de la diversité

Politique dynamique de développement de carrière

Qualifications

• Fort intérêt pour la biologie computationnelle.
• Excellente base scientifique en mathématiques et statistiques.
• Bon niveau en anglais pour comprendre la documentation technique.

Responsabilités

• Établir un état de l'art sur les applications des PiNNs.
• Proposer et appliquer une approche d'utilisation des PiNNs.
• Synthétiser les travaux et les présenter au groupe.

Connaissances

Bio-informatique

Mathématiques Appliquées

Programmation Python

Apprentissage automatique

Biologie des systèmes

Formation

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

Description du poste

Sujet : IA pour la modélisation du cardiométabolisme

L'organisation Virtual Twin of Human Technology de Dassault Systèmes est une équipe pluridisciplinaire dans des domaines technologiques, biologiques et biomédicaux de l'entreprise. Elle réalise une veille scientifique et technologiques permanente ainsi que des prototypes logiciels pour évaluer l'applicabilité des nouvelles technologies et/ou des connaissances scientifiques pour une nouvelle dimension de la santé humaine. Par exemple, dans un but de prévention, la modélisation virtuelle et sa simulation vont devenir un élément clef pour les médecins qui peuvent transformer désinformations très complexes en actes médicaux pratiques. Au sein de l'équipe Microbiota Twin, notre projet d'estimation de risque cardiovasculaire pour des personnes à haut risque nous amène à développer des algorithmes d'intégration de données hétérogènes complexes permettant la mise en avant de diverses informations. Dans le cadre de ce projet, nous sommes amenés à échanger avec des cliniciens, des cardiologues ainsi que des académiques.

La quantité grandissante de données disponibles, pour la recherche biologique nous amène de plus en plus à l'utilisation de modèles d'apprentissage automatique afin d'accélérer les processus de découvertes. En particulier dans le cadre de l'étude du microbiote intestinal et des processus métaboliques pour la prévention cardiovasculaire, les modèles utilisés d'origine mécanistes nous permettent de modéliser la dynamique et les performances des communautés bactérienne à l'échelle du génome entier. Cependant en rassemblant une quantité très large de données, ceux-ci sont généralement basés sur des simplifications et des hypothèses fortes, et souffrent alors d'un manque d'adaptabilité à des données et conditions différentes. Pour permettre une meilleur flexibilité et l'amélioration des prédictions, l'intégration de modèles d'apprentissage automatique et la formation de modèles dits "hybrides" représenteraient alors de nouvelles perspectives d'amélioration des modèles de contraintes initiaux.

Il existe actuellement plusieurs modèles d'apprentissage automatique permettant de générer des sorties conditionnées par des modèles physiques. Parmi eux, les PiNNs (Physics-informed Neural Networks) sont entrainés pour minimiser à la fois l'erreur sur les données et le résidu des équations données.

Durant ce stage, votre objectif sera de combiner des approches d'apprentissage automatique à des modèles mécanistes, afin d'améliorer les performances de prédictions des modèles initiaux.

Vos missions

• D'établir un état de l'art sur les applications des PiNNs dans le contexte de l'étude des risques cardiovasculaires. [1,2]
• Proposer une approche d'utilisation des PiNNs
• Appliquer les méthodologies sélectionnées sur un ensemble de données réelles et pertinentes dans le contexte d'intérêt de l'équipe.
• Synthétiser vos travaux et les présenter aux autres membres du groupe Virtual Twin. [1] A neural-mechanistic hybrid approach improving the predictive power of genome-scale metabolic models https://doi.org/10.1038/s41467-023-40380-0 [2] Universal Differential Equations for Scientific Machine Learning https://doi.org/10.48550/arXiv.2001.04385

Vos qualifications

• Actuellement en Master 2 / Bac+5 en Ecole d'ingénieur ou Université, avec une spécialisation Bio-informatique, Mathématiques Appliquées, vous avez un fort intérêt pour la biologie computationnelle.
• Excellente base scientifique en mathématique et statistiques
• Excellent niveau en programmation python.
• Bonnes connaissances en apprentissage automatique (Machine Learning et Intelligence artificielle).
• Bonnes connaissances en biologie des systèmes et expérience avec des données biologiques.
• Des connaissances de modèles d'équations aux dérivées partielles serait appréciée et une première expérience en développement de réseaux de neurones serait un vrai plus.
• Intérêt pour les sujets d'application pluridisciplinaires, à l'interface entre biologie et science des données et pour la compréhension des organismes vivants.

De nature curieux(-se) et autonome, vous êtes force de proposition et faîtes preuve de rigueur et d'organisation dans l'application des technologies sélectionnées. Motivé(e), vous avez également un bon esprit de collaboration avec l'ensemble de l'équipe. Vous avez un niveau d'anglais suffisant pour pouvoir comprendre et analyser la documentation technique écrite en anglais.

Nous rejoindre c'est aussi

Intégrer une entreprise scientifique au cœur de l'innovation technologique, portée par une forte croissance depuis plus de 40 ans.

Principaux avantages et bénéfices

• Environnement multiculturel
• Cadre de travail convivial axé sur le bien-être et la santé
• Engagement en faveur de la diversité et de l'inclusion
• Politique dynamique de développement de carrière : plan de formation, mobilités internes, etc

Déclaration de diversité

Dassault Systèmes, avant-gardiste en matière de technologie et d'innovation durable, s'efforce de créer des équipes toujours plus inclusives et diverses à travers le monde. Nous avons la forte conviction que nos employés sont notre atout numéro 1 et nous voulons que tous, se sentent libres d'être pleinement qui ils sont vraiment. Notre objectif est qu'ils ressentent fierté et sentiment d'appartenance. En tant qu'entreprise à la pointe du changement, il nous incombe de favoriser l'inclusion de tous et participer à création du monde de demain.