Jump to Navigation

Chargé(e) de Recherche en Statistique computationnelle et modèles pour données omiques

Indéfini
Type: 
Poste titulaire
Durée: 
permanent
Date de début: 
Lundi, Novembre 4, 2019
Date limite de candidature: 
Lundi, Mars 25, 2019
Description: 

Ce poste est susceptible d'être ouvert aux concours Inra 2019. 

Contexte :

L'explosion quantitative et l’évolution qualitative des données omiques disponibles est une opportunité sans précédent pour appréhender, à l’aide de modèles et méthodes numériques, les mécanismes sous-jacents aux phénomènes biologiques. Qu’elles visent à caractériser le fonctionnement des cellules, des écosystèmes ou des processus d’évolution, les données omiques de nouvelle génération sont de grande dimension, de natures hétérogènes, à structures de dépendance multiples, souvent bruitées, incomplètes et mesurées sur relativement peu d’échantillons. Pour les appréhender dans leur complexité, des modèles statistiques adaptés et des algorithmes pour leur mise en œuvre efficace doivent être proposés. Ces modèles peuvent viser à mieux décrire un système et/ou à en prédire le comportement avec, par exemple, l’objectif de le modifier (biologie de synthèse, pilotage des écosystèmes et des processus évolutifs, ...). Ils incorporent plus ou moins de connaissances expertes. 

Missions :

Le.la chercheur recruté.e s’intégrera dans l’équipe StatInfOmics qui lui fournira un environnement riche en expertise et possibilités de collaborations autour des données omiques. Il.elle conduira des développements méthodologiques et participera à des analyses de jeux de données dans un ou plusieurs des domaines d’applications qu’il.elle choisira parmi ceux sur lesquels l’équipe est sollicitée.

Compétences :

Le.la candidat.e devra avoir de solides compétences en statistiques computationnelles acquises lors d’une thèse de doctorat.

Une bonne connaissance d’approches algorithmiques  est demandée, comme par exemple des algorithmes MCMC avec leurs nombreuses variantes, des algorithmes de type EM avec leurs variantes stochastiques et variationnelles, ou des approches d’apprentissage (régularisation et agrégation de modèles, deep learning). Un intérêt pour les problématiques biologiques est essentiel. Une expérience de recherche interdisciplinaire à la frontière avec la biologie serait appréciée. 

Date de validité: 
Lundi, Avril 1, 2019
Contact: 
Sophie.Schbath@inra.fr


Main menu 2

Offre_d_emploi | by Dr. Radut