Ingénieur Développement de Chaîne Algorithmique H/F - Ministère de l'enseignement supérieur et de la recherche
- Compiègne - 60
- CDD
- Ministère de l'enseignement supérieur et de la recherche
Les missions 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).
Le profil recherché
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,algèbre linéairecomputationnelle.
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
Afficher la suite
Diplôme: Master recherche/ingénieur (M2) ;doctoratapprécié
Domaine de formation: mathématiques appliquées,statistique, probabilités/chaînes de Markov, statistique/inférence, optimisation, programmation scientifique.