- Organisation/Entreprise
-
École Normale Supérieure
- Département
-
Géosciences
- Domaine de recherche
-
Sciences de l'environnement » Sciences de l'eau
- Profil de chercheur
-
Chercheur de première étape (R1)
- Pays
-
France
- Date limite d'inscription
- Type de contrat
-
Temporaire
- Statut du travail
-
À temps plein
- Heures par semaine
-
35
- Date de début de l'offre
- Le poste est-il financé par le programme-cadre de recherche de l'UE ?
-
Non financé par un programme de l'UE
- L'emploi est-il lié au poste du personnel au sein d'une infrastructure de recherche ?
-
Non
Description de l'offre
Exigences
- Domaine de recherche
- Sciences de l'environnement » Sciences de l'eau
- niveau d'éducation
- Doctorat ou équivalent
- Langues
- ANGLAIS
- Domaine de recherche
- Sciences de l'environnement » Sciences de l'eau
Où postuler
-
florence.habets@ens.fr
Job Features
| Job Category | Postdoctoral |
Organisation/Entreprise École Normale Supérieure Département Géosciences Domaine de recherche Sciences de l’environnement » Sciences de l’eau Profil de chercheur Chercheur de premièr...View more
- Organisation/Entreprise
-
Sorbonne Université
- Domaine de recherche
-
Mathématiques » AutreNeurosciences » AutreInformatique » Autre
- Profil de chercheur
-
Chercheur de première étape (R1)Chercheur reconnu (R2)Chercheur établi (R3)Chercheur principal (R4)
- Pays
-
France
- Date limite d'inscription
- Type de contrat
-
Temporaire
- Statut du travail
-
À temps plein
- Date de début de l'offre
- Le poste est-il financé par le programme-cadre de recherche de l'UE ?
-
HE/EIC
- L'emploi est-il lié au poste du personnel au sein d'une infrastructure de recherche ?
-
Non
Description de l'offre
Exigences
- Domaine de recherche
- Informatique » Autre
- niveau d'éducation
- Doctorat ou équivalent
- Domaine de recherche
- Mathématiques » Autre
- niveau d'éducation
- Doctorat ou équivalent
- Domaine de recherche
- Neurosciences » Autre
- niveau d'éducation
- Doctorat ou équivalent
- Langues
- FRANÇAIS
- Niveau
- Bien
- Langues
- ANGLAIS
- Niveau
- Excellent
- Domaine de recherche
- Informatique » AutreNeurosciences » AutreMathématiques » Autre
Informations Complémentaires
Les candidats doivent envoyer un CV, une lettre de motivation (max 2 pages) et une liste de deux références par e-mail à mehdi.khamassi@sorbonne-universite.fr et raja.chatila@sorbonne-universite.fr . Merci de mettre [candidature post-doc CAVAA] dans l'objet du mail. L'examen des candidatures commencera immédiatement et se poursuivra jusqu'à ce que le poste soit pourvu.
Job Features
| Job Category | Postdoctoral |
Organisation/Entreprise Sorbonne Université Domaine de recherche Mathématiques » Autre Neurosciences » Autre Informatique » Autre Profil de chercheur Chercheur de première étape (R1) Chercheur ...View more
Retrouvez les nouvelles annonces pour les recrutements de personnel administratif pour les différents services de l'université
Job Features
| Job Category | Enseignement et recherche scientifique |
Retrouvez les nouvelles annonces pour les recrutements de personnel administratif pour les différents services de l’université Recrutement chaire de professeur junior L’université Paris-Pan...View more
Contexte et atouts du poste
Ce projet de thèse sera réalisé au sein de l'équipe Inria NERV, un laboratoire de recherche soutenu par les institutions françaises Inria, Inserm, CNRS et Sorbonne Université. L'équipe est implantée à l'Institut du Cerveau de Paris (ICM) au sein de l'hôpital de la Pitié-Salpêtrière.
L'équipe NERV poursuit un programme de recherche multidisciplinaire à l'intersection entre l'ingénierie biomédicale, les systèmes complexes et les neurosciences cliniques. La NERV propose de nouveaux cadres informatiques pour analyser et modéliser la complexité spatio-temporelle des réseaux cérébraux à partir de données de neuroimagerie multimodales et longitudinales, et nous concevons des stratégies d'intervention non invasives basées sur des interfaces cerveau-ordinateur. De plus, l'équipe bénéficie d'une position privilégiée au sein d'un environnement scientifique et technologique unique comprenant des installations expérimentales complètes (par exemple, neuroimagerie, génétique, cellulaire), plusieurs modèles animaux (par exemple, des nématodes aux humains) et un puissant système informatique en cluster centralisé pour réaliser de grands -analyse de données et simulations.
Mission confiée
Contexte du projet
L'intelligence artificielle (IA) et surtout le Deep Learning (DL) ont connu de nombreux succès ces dernières années dans divers domaines d'application tels que la vision par ordinateur, la reconnaissance vocale, le langage, la reconnaissance de domaine, la prise de décision, surpassant même le benchmark des capacités humaines dans la plupart des domaines. eux.
Ces performances ont été principalement obtenues grâce à des échelles croissantes : augmentation des données et modèles plus gros lancés sur GPU et unités d'apprentissage plus rapides. Cependant, de nombreuses caractéristiques des capacités humaines décrites par les sciences cognitives semblent encore totalement hors de portée. Le principal étant la généralisabilité au-delà de l’expérience passée, à savoir l’adaptabilité à des contextes inconnus. De plus, les algorithmes d’apprentissage profond nécessitent toujours une énorme quantité de données, tandis que les cerveaux adultes peuvent apprendre de nouvelles tâches avec très peu d’exemples. La question est donc de savoir comment de vrais cerveaux sont parvenus à une telle polyvalence et quelles sont les caractéristiques organisationnelles associées ?
Les développements récents de la science des réseaux ont fourni de nouvelles informations sur la structure et la dynamique de l'organisation cérébrale d'un point de vue systémique [ 1 , 2 ]. En modélisant les cerveaux sous forme de graphiques, avec des nœuds représentant les régions cérébrales et des bords pour les connexions anatomiques/fonctionnelles entre eux, une meilleure compréhension des propriétés organisationnelles du système nerveux est devenue possible [ 3 ]. Des preuves expérimentales à des échelles temporelles et spatiales disparates ont indiqué que les réseaux cérébraux ont tendance à présenter des caractéristiques topologiques clés telles que la centralité, la modularité et l’efficacité des nœuds. Notamment, la modularité du réseau est une propriété fondamentale à méso-échelle caractérisée par la présence de modules fonctionnellement spécialisés, mais interdépendants, et o re plusieurs avantages tels que la factorisation fonctionnelle, l'adaptabilité à de nouvelles tâches et la robustesse contre les perturbations [ 4 , 5 ]. De plus, la modularité du réseau cérébral est corrélée à la différence de performance entre les individus [ 6 , 7 ] et joue un rôle important dans la combinaison d'informations provenant de modules différemment spécialisés pour effectuer des tâches plus complexes. Dans les réseaux artificiels, des études récentes ont démontré que les architectures modulaires pourraient conduire à de meilleures performances dans l'apprentissage de différentes tâches de composition [8, 9 ]. Ainsi, une question cruciale est de comprendre pourquoi, où et quand des propriétés à méso-échelle telles que la modularité émergent au cours du processus d'apprentissage [ 10 ].
Principales activités
Objectifs
L'objectif principal du projet de thèse est d'élucider le rôle des structures de réseaux à méso-échelles dans l'intelligence artificielle généralisable. Plus précisément, ce projet vise à :
+ Concevoir des modèles de réseau analytiques qui conduisent à l'émergence d'attributs importants à méso-échelle, tels que la modularité, en intégrant des informations sur le développement. Fournir une compréhension fondamentale des conditions nécessaires (par exemple, taille du réseau, topologie, densité) pour de telles propriétés émergentes.
+ Comparez les résultats avec ceux obtenus à partir de la formation du câblage cérébral de di érentes espèces (par exemple, nématode, humains). Affinez les paramètres du modèle sur la base des données biologiques mentionnées ci-dessus et dérivez une interprétation neurophysiologiquement plausible.
+Développer un nouveau cadre de formation qui prend en compte l'architecture du modèle, l'algorithme d'apprentissage et la nature multimodale des entrées réelles. Évaluez la performance globale face à des scénarios inconnus, évaluant ainsi leur polyvalence et leur robustesse.
Activités principales
+ Modélisation théorique . La phase initiale de cette recherche doctorale consiste à développer
modèles analytiques pour comprendre l’émergence et la stabilité de propriétés significatives à méso-échelle, telles que
comme modularité, au sein des réseaux biologiques au cours des processus de développement. On postule que la modularité
se manifeste par un résultat cohérent dans les réseaux neuronaux influencés par une variété de paramètres tout au long de
le développement des organismes. Cette enquête vise à élucider les conditions préalables à de tels phénomènes émergents.
modularité entre différentes espèces. En outre, la recherche explorera les transitions de phase potentielles
vers des réseaux modulaires en réponse aux variations de ces paramètres.
+ Convergence avec les données biologiques . Dans un deuxième temps, nous testerons et ajusterons ces modèles sur des données biologiques.
des données sur plusieurs espèces sur toute la durée de vie depuis le stade de développement embryonnaire jusqu'au
âge adulte. Nous étudierons d'abord les petites espèces pour lesquelles l'ensemble du cerveau est en réseau (c'est-à-dire les connectomes)
sont connus. Nous comparerons les propriétés à mésoéchelle obtenues dans le réseau généré synthétiquement
modèles et ceux des connectomes réels. Connectomes nécessaires pour valider expérimentalement le réseau
des modèles sont déjà disponibles dans le cadre de différents projets de recherche passés et en cours subventionnés
à l’équipe des IP.
+ Développement de nouvelles architectures neuronales artificielles . La dernière phase de ce projet de recherche
se concentrera sur l’exploitation des connaissances biologiques pour guider la conception d’architectures neuronales artificielles, visant
favoriser l’émergence de propriétés de réseau très efficaces telles que la spécialisation fonctionnelle, puisque
ils se sont révélés incapables d'y parvenir [ 9 ]. Enfin, nous proposons également d'explorer comment le local
les algorithmes d'apprentissage pour les modèles basés sur l'énergie pourraient jouer un rôle dans les propriétés à méso-échelle des réseaux artificiels
émergence telle que la modularité [ 11 ].
Compétences
Compétences requises
Le candidat idéal doit avoir une solide expérience en physique expérimentale, en apprentissage automatique et en analyse de données, ainsi qu'une expérience en projets et simulations en laboratoire (Python, MATLAB). La capacité et la volonté d’apprendre feront également l’affaire.
Avantages
- Repas subventionnés
- Remboursement partiel des frais de transports en commun (75%)
- Congés : 7 semaines de congés annuels + 10 jours de congés supplémentaires pour cause de RTT (réduction légale du temps de travail) + possibilité de congés exceptionnels (enfants malades, déménagement…)
- Possibilité de télétravail
- Organisation flexible du temps de travail (après 12 mois)
- Matériel professionnel à disposition (visioconférence, prêt de matériel informatique, etc.)
- Événements et activités sociales, culturelles et sportives
Job Features
| Job Category | Doctorat |
Contexte et atouts du poste Ce projet de thèse sera réalisé au sein de l’équipe Inria NERV, un laboratoire de recherche soutenu par les institutions françaises Inria, Inserm, CNRS et Sorbon...View more
- Organisation/Entreprise
-
Inria
- Domaine de recherche
-
L'informatique
- Profil de chercheur
-
Chercheur reconnu (R2)
- Pays
-
France
- Date limite d'inscription
- Type de contrat
-
À définir
- Statut du travail
-
À temps plein
- Heures par semaine
-
À définir
- Le poste est-il financé par le programme-cadre de recherche de l'UE ?
-
Non financé par un programme de l'UE
- L'emploi est-il lié au poste du personnel au sein d'une infrastructure de recherche ?
-
Non
Description de l'offre
- Revue de la littérature des études pertinentes
- Préparer un ensemble de tests en utilisant une base de données existante de peptides et de protéines
- Développer un modèle génératif pour concevoir des peptides
- Implémentation de la méthode et préparation d'un logiciel utilisant Python
- Valider la méthode et analyser les résultats
- Rédaction de mémoires, d'articles scientifiques et présentation des travaux lors de conférences internationales
- Master en informatique, bioinformatique, chimioinformatique ou programme de master connexe
- Maîtrise des langages de programmation (Python, PyTorch ou R) et bonnes pratiques de codage
- Compétences en conception d'algorithmes et en biologie computationnelle
- Expérience en apprentissage profond
- Capacité à travailler de manière autonome et également à travailler en équipe
- Excellentes compétences en anglais oral et écrit
- Repas subventionnés
- Remboursement partiel des frais de transports en commun
- Congés : 7 semaines de congés annuels + 10 jours de congés supplémentaires pour cause de RTT (réduction légale du temps de travail) + possibilité de congés exceptionnels (enfants malades, déménagement…)
- Possibilité de télétravail (après 6 mois d'emploi) et organisation flexible du temps de travail
- Matériel professionnel à disposition (visioconférence, prêt de matériel informatique, etc.)
- Événements et activités sociales, culturelles et sportives
- Accès à la formation professionnelle
- Couverture sociale
Où postuler
- Site web
Job Features
| Job Category | Doctorat |
Organisation/Entreprise Inria Domaine de recherche L’informatique Profil de chercheur Chercheur reconnu (R2) Pays France Date limite d’inscription 2 mai 2024 – 00h00 (UTC) Type de co...View more
- Organisation/Entreprise
-
Inria
- Domaine de recherche
-
L'informatique
- Profil de chercheur
-
Chercheur reconnu (R2)
- Pays
-
France
- Date limite d'inscription
- Type de contrat
-
À définir
- Statut du travail
-
À temps plein
- Heures par semaine
-
À définir
- Le poste est-il financé par le programme-cadre de recherche de l'UE ?
-
Non financé par un programme de l'UE
- L'emploi est-il lié au poste du personnel au sein d'une infrastructure de recherche ?
-
Non
Description de l'offre
- Implémentez différentes techniques pour une formation et une inférence multi-GPU efficaces.
- Proposition de nouvelles approches pour un apprentissage profond efficace (basées sur le pipeline, le checkpointing, le déchargement et d'autres techniques d'optimisation).
- Développement de logiciels pour optimiser automatiquement la formation et l'inférence des architectures modernes de deep learning.
- Réalisez des expériences avec des réseaux de neurones modernes, notamment des modèles de type GPT et des opérateurs neuronaux. Les applications potentielles incluront, sans s'y limiter, la vision par ordinateur, le traitement du langage naturel, le climat, etc.
- Analysez les performances des modèles à l’aide d’outils de profilage.
- Rédiger des articles scientifiques
- Collaborer avec des collègues Topal en Europe et aux États-Unis
- Bonnes connaissances en Machine Learning et Deep Learning
- Connaissances de base en algèbre linéaire, optimisation, théorie des probabilités, calcul
- Expérience avec Python, PyTorch, LaTeX, Linux, Git (sera un plus : Docker, Singularity, Slurm)
- Repas subventionnés
- Remboursement partiel des frais de transports en commun
- Possibilité de télétravail et organisation flexible des horaires de travail
- Matériel professionnel à disposition (visioconférence, prêt de matériel informatique, etc.)
- Événements et activités sociales, culturelles et sportives
- Accès à la formation professionnelle
- Couverture sociale
- 2100€ / mois (avant taxes) pendant les 2 premières années,
- 2190€ / mois (avant taxes) la troisième année.
Exigences
Où postuler
- Site web
Job Features
| Job Category | Doctorat |
Organisation/Entreprise Inria Domaine de recherche L’informatique Profil de chercheur Chercheur reconnu (R2) Pays France Date limite d’inscription 2 mai 2024 – 00h00 (UTC) Type de co...View more
- Organisation/Entreprise
-
Inria
- Domaine de recherche
-
L'informatique
- Profil de chercheur
-
Chercheur reconnu (R2)
- Pays
-
France
- Date limite d'inscription
- Type de contrat
-
À définir
- Statut du travail
-
À temps plein
- Heures par semaine
-
À définir
- Le poste est-il financé par le programme-cadre de recherche de l'UE ?
-
Non financé par un programme de l'UE
- L'emploi est-il lié au poste du personnel au sein d'une infrastructure de recherche ?
-
Non
Description de l'offre
A propos du centre ou de la direction fonctionnelle
Le centre de recherche Inria de Lyon est le 9ème centre de recherche Inria, formellement créé en janvier 2022. Il regroupe environ 300 personnes réparties dans 16 équipes de recherche et services d'appui à la recherche.
Ses effectifs sont à ce stade répartis sur 2 campus : à Villeurbanne La Doua (Centre / INSA Lyon / UCBL) d'une part, et Lyon Gerland (ENS de Lyon) d'autre part.
Le centre de Lyon est actif dans les domaines du logiciel, du calcul distribué et haute performance, des systèmes embarqués, de l'informatique quantique et de la vie privée dans le monde numérique, mais aussi en santé numérique et en biologie computationnelle.
Contexte et atouts du poste
Les réseaux de neurones convolutifs (CNN) sont actuellement les modèles de pointe pour classer les objets dans plusieurs domaines, tels que la vision par ordinateur, la reconnaissance vocale, le traitement de texte, etc. Grâce à l'amélioration des capacités de calcul, nous assistons à plusieurs CNN populaires complexes et plus profonds. . Par exemple, AlexNet a une profondeur de 8 couches, tandis que ResNet utilise des connexions courtes et est représenté avec 152 couches. Les deux ont environ 60 millions de paramètres. Les CNN nécessitent des calculs intensifs en raison de leur énorme complexité et de leur grand nombre de paramètres.
Les tenseurs sont un moyen naturel de représenter des données de grande dimension pour de nombreuses applications en science informatique et en science des données [1]. CP, Tucker et Tensor Train sont les méthodes de décomposition tensorielle largement utilisées dans la littérature. Ces décompositions représentent un objet de grande dimension avec un petit ensemble d’objets de faible dimension.
Représenter un tenseur de grande dimension avec un ensemble d'objets de plus petite dimension réduit considérablement le nombre total de paramètres. Cela a conduit à l’utilisation de représentations tensorielles de bas rang à différentes couches de CNN. Par exemple, il a été démontré que le remplacement des noyaux de convolution de ResNet par leurs approximations de bas rang dans les représentations du tenseur de Tucker réduit considérablement le nombre de paramètres et améliore les performances globales [2]. Dans un travail distinct, des contributions ont été faites pour remplacer les matrices de poids denses des couches entièrement connectées d'AlexNet par leurs approximations au format Tensor-train [3]. Cette approche réduit également considérablement le nombre de paramètres tout en obtenant une précision similaire. Les contributions ci-dessus préconisent fortement d'utiliser les représentations tensorielles de bas rang dans les CNN. Nous considérons le CNN complet comme un grand tenseur et visons à le remplacer par un ensemble de tenseurs plus petits.
[1] TG Kolda et BW Bader, « Décompositions et applications des tenseurs », SIAM Review, vol. 51, non. 3, pp. 455-500, 2009. [En ligne]. Disponible : https://doi.org/10.1137/07070111X
[2] A.-H. Phan, K. Sobolev, K. Sozykin, D. Ermilov, J. Gusak, P. Tichavsky ', V. Glukhov, I. Oseledets et A. Cichocki, "Décomposition stable du tenseur de bas rang pour la compression du réseau neuronal convolutif, " dans Vision par ordinateur - ECCV 2020, pp. 522-539. [En ligne]. Disponible : https://doi.org/10.1007/978-3-030-58526-6_31
[3] A. Novikov, D. Podoprikhin, A. Osokin et DP Vetrov, « Tensorisation des réseaux de neurones », dans Advances in Neural Information Processing Systems, vol. 28, 2015. [En ligne]. Disponible : https://proceedings.neurips.cc/paper_files/paper/2015/file/6855456e2fe4…
Mission confiée
Nous considérons les modèles CNN comme de grands tenseurs et prévoyons de les représenter avec leurs représentations tensorielles de bas rang. L'objectif principal de cette thèse de doctorat est de tirer parti des travaux parallèles sur les calculs tensoriels et de diverses méthodes pour former de manière itérative des cadres basés sur des tenseurs pour une formation et une prédiction efficaces avec les modèles CNN populaires.
Cette thèse se déroulera au sein de l'équipe ROMA Inria du LIP, ENS Lyon sous la direction de Suraj Kumar et Loris Marchal.
Principales activités
Le candidat devra effectuer les activités suivantes :
- Analyser les méthodes de formation existantes pour les CNN et les adapter aux modèles tensoriels
- Représenter les modèles CNN populaires avec des représentations tensorielles de bas rang
- Évaluer les modèles proposés pour les ensembles de données MNSIT, CIFAR et ImageNet
- Concevoir des algorithmes parallèles pour les modèles proposés
Compétences
Le candidat doit être titulaire d'une maîtrise en informatique, en sciences computationnelles, en mathématiques appliquées ou dans un domaine technique connexe.
Une connaissance des calculs d'algèbre linéaire et des réseaux de neurones sera très appréciée.
Avantages
- Repas subventionnés
- Remboursement partiel des frais de transports en commun
- Congés : 7 semaines de congés annuels + 10 jours de congés supplémentaires pour cause de RTT (réduction légale du temps de travail) + possibilité de congés exceptionnels (enfants malades, déménagement…)
- Possibilité de télétravail (après 6 mois d'emploi) et organisation flexible du temps de travail
- Matériel professionnel à disposition (visioconférence, prêt de matériel informatique, etc.)
- Événements et activités sociales, culturelles et sportives
- Accès à la formation professionnelle
- Couverture sociale
Rémunération
1ère et 2ème année : 2100 euros de salaire brut/mois
3ème année : 2190 euros de salaire brut/mois
Job Features
| Job Category | Doctorat |
Organisation/Entreprise Inria Domaine de recherche L’informatique Profil de chercheur Chercheur reconnu (R2) Pays France Date limite d’inscription 2 mai 2024 – 00h00 (UTC) Type de co...View more
- Organisation/Entreprise
-
CNRS
- Département
-
Systèmes de référence temps-espace
- Domaine de recherche
-
Philosophie
- Profil de chercheur
-
Chercheur de première étape (R1)
- Pays
-
France
- Date limite d'inscription
- Type de contrat
-
Temporaire
- Statut du travail
-
À temps plein
- Heures par semaine
-
35
- Date de début de l'offre
- Le poste est-il financé par le programme-cadre de recherche de l'UE ?
-
Non financé par un programme de l'UE
- L'emploi est-il lié au poste du personnel au sein d'une infrastructure de recherche ?
-
Non
Description de l'offre
Exigences
- Domaine de recherche
- Philosophie
- niveau d'éducation
- Doctorat ou équivalent
- Langues
- FRANÇAIS
- Niveau
- Basique
- Domaine de recherche
- Philosophie
- Années d'expérience en recherche
- Aucun
Informations Complémentaires
- Site Web pour plus de détails sur le travail
Job Features
| Job Category | Postdoctoral |
Organisation/Entreprise CNRS Département Systèmes de référence temps-espace Domaine de recherche Philosophie Profil de chercheur Chercheur de première étape (R1) Pays France Date limite d’...View more
- Organisation/Entreprise
-
CNRS
- Département
-
Institut de Recherche de Chimie Paris
- Domaine de recherche
-
Chimie » Chimie physiquePhysique » Physique chimiquePhysique » Biophysique
- Profil de chercheur
-
Chercheur de première étape (R1)
- Pays
-
France
- Date limite d'inscription
- Type de contrat
-
Temporaire
- Statut du travail
-
À temps plein
- Heures par semaine
-
35
- Date de début de l'offre
- Le poste est-il financé par le programme-cadre de recherche de l'UE ?
-
Non financé par un programme de l'UE
- L'emploi est-il lié au poste du personnel au sein d'une infrastructure de recherche ?
-
Non
Description de l'offre
Exigences
- Domaine de recherche
- Chimie
- niveau d'éducation
- Master ou équivalent
- Domaine de recherche
- La physique
- niveau d'éducation
- Master ou équivalent
- Domaine de recherche
- La physique
- niveau d'éducation
- Master ou équivalent
- Langues
- FRANÇAIS
- Niveau
- Basique
- Domaine de recherche
- Chimie » Chimie physique
- Années d'expérience en recherche
- Aucun
- Domaine de recherche
- Physique » Physique chimique
- Années d'expérience en recherche
- Aucun
- Domaine de recherche
- Physique » Biophysique
- Années d'expérience en recherche
- Aucun
Informations Complémentaires
- Site Web pour plus de détails sur le travail
Job Features
| Job Category | Doctorat |
Organisation/Entreprise CNRS Département Institut de Recherche de Chimie Paris Domaine de recherche Chimie » Chimie physique Physique » Physique chimique Physique » Biophysique Profil de chercheur...View more
- Organisation/Entreprise
-
ENS Lyon - CNRS
- Domaine de recherche
-
La physique
- Profil de chercheur
-
Chercheur de première étape (R1)
- Pays
-
France
- Date limite d'inscription
- Type de contrat
-
Temporaire
- Statut du travail
-
À temps plein
- Date de début de l'offre
- Le poste est-il financé par le programme-cadre de recherche de l'UE ?
-
HE/MSCA
- Numéro de réference
-
2022-DN-01-01
- L'emploi est-il lié au poste du personnel au sein d'une infrastructure de recherche ?
-
Non
Description de l'offre
Exigences
- Domaine de recherche
- La physique
- niveau d'éducation
- Master ou équivalent
Job Features
| Job Category | Doctorat |
Organisation/Entreprise ENS Lyon – CNRS Domaine de recherche La physique Profil de chercheur Chercheur de première étape (R1) Pays France Date limite d’inscription 1er août 2024 –...View more
Screen reader users may encounter difficulty with this site. For assistance with applying, please contact hr-accessibleapplication@osu.edu. If you have questions while submitting an application, please review these frequently asked questions.
Current Employees and Students:
If you are currently employed or enrolled as a student at The Ohio State University, please log in to Workday to use the internal application process.
Welcome to The Ohio State University's career site. We invite you to apply to positions of interest. In order to ensure your application is complete, you must complete the following:
- Ensure you have all necessary documents available when starting the application process. You can review the additional job description section on postings for documents that may be required.
- Prior to submitting your application, please review and update (if necessary) the information in your candidate profile as it will transfer to your application.
Job Title:
Post Doctoral Researcher - PEARL Laboratory
Department:
Medicine | Health and Rehabilitation Sciences
Post Doctoral Researcher - PEARL Laboratory
*NIH Post doc level 1
Post Doctoral Researcher to pursue specialized research training, education and experience under the guidance of Dr. Jill Heathcock in the Pediatric Assessment and Rehabilitation Laboratory (PEARL lab); plans, designs and executes experiments of considerable scope and complexity in the assigned research lab; collects and analyzes data for research sponsored by appropriate agencies and institutions; identifies and selects problems to be studied; develops and troubleshoots new experimental techniques and protocols; attend research seminars; contributes to manuscript preparation and supports technical writing; participates in the preparation of grant applications for extramural funding; mentors undergraduate and graduate research assistants; performs additional duties as assigned.
Experience Desired
Experience with assessment of infants and children with and without disabilities is highly relevant. Must be familiar with the current literature on the assessment and treatment of children with and without neurodevelopmental disabilities. Processing video data using emerging technologies such as marker-less motion capture, behavioral coding with datavyu, and eye tracking is desirable. In addition, human subjects training, and assessment of motor skills in children, including video and 3D motion capture, is preferred but not required. The ability to work independently and in multidisciplinary teams is required. Minor coding is expected, however programing knowledge using MATLAB, python, ruby, or R is a plus. Additional training and certifications in GIS and pediatric databases such as PEDSnet are considered are desirable. Those with a Ph.D. in rehabilitation, biomechanics, engineering, kinesiology, education, psychology and other related fields are encouraged to apply.
Additional Information:
* This is a 1-Year position, with a possible 1-year renewal.
Location:
Atwell Hall (0306)
Position Type:
Term (Fixed Term)
Scheduled Hours:
40
Shift:
First Shift
Thank you for your interest in positions at The Ohio State University and Wexner Medical Center. Once you have applied, the most updated information on the status of your application can be found by visiting the Candidate Home section of this site. Please view your submitted applications by logging in and reviewing your status. For answers to additional questions please review the frequently asked questions.
The Ohio State University is an equal opportunity employer.
All qualified applicants will receive consideration for employment without regard to age, ancestry, color, disability, ethnicity, gender identity or expression, genetic information, HIV/AIDS status, military status, national origin, race, religion, sex, gender, sexual orientation, pregnancy, protected veteran status, or any other basis under the law.
Applicants are encouraged to complete and submit the Equal Employment Identification form.
Job Features
| Job Category | Postdoctoral |
Screen reader users may encounter difficulty with this site. For assistance with applying, please contact hr-accessibleapplication@osu.edu. If you have questions while submitting an application, pleas...View more
| Classification Title: | Post-Doctoral Associate |
|---|---|
| Job Description: | A Post-Doctoral Associate position is available immediately for highly ambitious, independent, and motivated candidates in the Department of Large Animal Clinical Sciences at the University of Florida. The position will require collaboration with other faculty, scientists, and health professionals in the State Animal Disease Diagnostic Laboratory (Bronson Animal Disease Diagnostic Laboratory (BADDL)), the University of Florida Veterinary Teaching Hospital Diagnostic Laboratories (UF-CVM), and the Bureau of Public Health Laboratories in the state of Florida on the design, coordination, and implementation of epidemiological investigations on zoonotic agents of one health interest research for a federal and state-funded project for two years starting immediately. A high level of self-motivation and participation in a collaborative team is required. The Post-Doctoral Associate shall be based 80% of the time at Bronson Animal Disease Diagnostic Laboratory, Kissimmee, FL Job duties include but are not limited to: (i) improving epidemiological investigation capabilities in Florida to detect, track, and report emerging threats related to animal and human health (i.e., One Health) on time through developing a database for veterinary and public health laboratory use that will include epidemiological data, diagnostic laboratory findings, genomic data, and bioinformatic analyses of zoonotic pathogens. Case material submitted at BADDL/UF-CVM labs may be used for case-based education and trend analysis. (ii) increase collaborations between animal health and public health stakeholders in Florida through quarterly meetings to provide updates and joint training programs for veterinary and public health workforce on pathogen detection and tracking, reporting guidelines, and newly developed database use, and (iii) workforce development and training of scientists to build an adequate cadre of skilled One Health professionals to prepare the state to respond existing and emerging One Health threats efficiently and effectively. The Post-Doctoral Associate will also be trained to obtain ACVPM board eligibility and encouraged to take the ACVPM board exam. |
| Expected Salary: | $58,000 - $59,740 |
| Minimum Requirements: | Requires a DVM (or equivalent) plus Ph.D. in microbiology or molecular biology or a related discipline. |
| Preferred Qualifications: | Broad and strong understanding of molecular diagnostic tools, including bioinformatics analysis, and demonstrated ability to present and publish scientific data and train scientists. Excellent written and oral communication skills. |
| Special Instructions to Applicants: | For full consideration, applicants for job number 530908 must upload a cover letter, CV and the names and email addresses of three references online. When ready, the hiring department will contact the listed references via email requesting their reference letters to be uploaded directly to the application website. Review of applications for this position will begin immediately. Final candidates will be required to provide official transcript to the hiring department upon hire. A transcript will not be considered “official” if a designation of “Issued to Student” is visible. Degrees earned from an education institution outside of the United States are required to be evaluated by a professional credentialing service provider approved by National Association of Credential Evaluation Services (NACES), which can be found at http://www.naces.org/ . The University of Florida is An Equal Employment Opportunity Institution. If an accommodation due to a disability is needed to apply for this position, please call 352/392-2477 or the Florida Relay System at 800/955-8771 (TDD). Hiring is contingent upon eligibility to work in the US. Searches are conducted in accordance with Florida's Sunshine Law. This is a time-limited position. Application must be submitted by 11:55 p.m. (ET) of the posting end date. |
| Health Assessment Required: | No |
Job Features
| Job Category | Postdoctoral |
Classification Title: Post-Doctoral Associate Job Description: A Post-Doctoral Associate position is available immediately for highly ambitious, independent, and motivated candidates in the Department...View more
| Recruitment/Posting Title | Post Doctoral Associate |
|---|---|
| Department | SAS - Chem & Chemical Biology |
| Salary | Commensurate With Experience |
| Posting Summary | Rutgers’ Teaching Excellence Network (TEN) is seeking a one-year postdoctoral fellow starting in spring 2024. Rutgers’ Teaching Excellence Network was established in fall 2020 as part of a five-year, NSF-funded program developed by faculty and staff from Rutgers’ School of Arts and Sciences, School of Engineering, and Learning Centers on the Rutgers-New Brunswick campus. This postdoc position will primarily support the grant team’s research on faculty professional development related to teaching (as part of the knowledge generation component of the NSF grant). This position will also provide programmatic and administrative support for TEN’s faculty development programs (e.g., a Course Transformation Summer Institute and various Semester Support Groups). |
| Position Status | Full Time |
| Posting Number | 24FA0366 |
| Posting Open Date | |
| Posting Close Date |
| Minimum Education and Experience |
Required:
|
|---|---|
| Certifications/Licenses |
|
| Required Knowledge, Skills, and Abilities | |
| Equipment Utilized | Computer; microphone and speakers for virtual meetings conducted via audio/video (e.g., Zoom) . |
| Physical Demands and Work Environment | Ability to work both independently and collaboratively, as needed for specific parts within the larger grant project. |
| Overview | The Teaching Excellence Network (TEN), an NSF-funded program across Rutgers’ School of Arts and Sciences, School of Engineering, and the Learning Centers, invites applications for a one-year Postdoctoral Researcher starting as early as February 1, 2024. The position has the possibility of extending for up to an additional 6 months depending upon successful review after the first year and the availability of funding. This position reports to the project’s Principal Investigator, Dr. Mary Emenike. The responsibilities of this position will include ~70% research and ~30% administration/project management. Much of the work of the grant is conducted in virtual spaces and, as such, the successful applicant should have strong organization and written communication skills, be able to work independently, and be proficient with email, Zoom, and collaborative files storage systems (e.g., OneDrive, Box, GoogleDrive). Research (~70%): The person hired for this position will be expected to support and collaborate with the grant team (PI and four co-PIs) to conduct research on faculty development within the framework and existing IRB protocol related to the knowledge generation component of the grant project. This position includes analyzing qualitative and quantitative data that has already been collected during the first two years of the grant. The postdoc position will support the collection of qualitative data through individual interviews, observations of programmatic activities, and submission of documents by research participants. The person hired for this position will be expected to analyze qualitative data independently and as part of the collaborative team. Experience with one or more qualitative data management software is preferred. This position will also support a quantitative component of the research project to develop and validate a survey instrument on motivation and agency. Experience with one or more statistical data analysis software program is preferred. The person hired for this position will have the opportunity to contribute to the preparation of manuscripts for submission to academic conferences and journals. Project Management (~30%): The person hired for this position will be expected to attend monthly, virtual, TEN leadership grant team meetings, coordinate with the grant team to manage the programmatic activities of the grant (likely includes additional virtual meetings), support the grant team with advertising, recruiting, and maintaining programmatic records, update the website, communicate with grant participants, and support the preparation of annual reports. This position will support various logistical aspects of the Summer Institute, and the person hired into this position will have the opportunity to mentor a pair of faculty participants during the Institute. |
| Statement |
| Special Instructions to Applicants | |
|---|---|
| Quick Link to Posting | https://jobs.rutgers.edu/postings/224902 |
| Campus | Rutgers University-New Brunswick |
| Home Location Campus | Busch (RU-New Brunswick) |
| City | Piscataway |
| State | NJ |
| Location Details |
Job Features
| Job Category | Postdoctoral |
Position Information Recruitment/Posting Title Post Doctoral Associate Department SAS – Chem & Chemical Biology Salary Commensurate With Experience Posting Summary Rutgers’ Teaching Excell...View more
Research associates (postdoctoral) position in the field of remote sensing and spatial analysis are available immediately. The research associates will work closely with Dr. Peilei Fan (Department of Urban Environmental Policy and Planning at Tufts University) on funded research focusing on remote sensing, spatial modeling, data/information synthesis, and the manipulation and processing of terrestrial satellite data. We are seeking highly qualified candidates with proficiencies in spatial analysis, both SAR and optical remote sensing technology, Google Earth Engine, and Python programming. Cloud computing and deep machine learning are preferred but not required.
Successful candidate is required to have a PhD with a quantitative background and first authored peer-reviewed publication(s) in remote sensing of environment, land cover changes, landscape ecology, or spatial modeling. The preferred applicants must demonstrate excellent written and oral communication skills. The applicant must be able to independently plan and execute research activities including data collection, evaluation, and analyses. Salary and benefits will be commensurate with experience.
Review of applications will begin immediately and continue until a successful candidate is identified. The position is for a one-year period, with a likely renewal for a second and, possibly, third year contingent on additional funding.
The application should include: (i) cover letter; (ii) a full current CV; (iii) the names, positions, and contact information for two referees; and (iv) one or two published journal manuscripts with primary authorship by the applicant. All material shall be sent to Dr. Peilei Fan at Peilei.Fan@tufts.edu with “Postdoctoral Scholar Application” in the subject heading.
https://sites.google.com/view/peileifan/postdoc-positions
Job Features
| Job Category | Postdoctoral |
Research associates (postdoctoral) position in the field of remote sensing and spatial analysis are available immediately. The research associates will work closely with Dr. Peilei Fan (Department ...View more
In Carnegie Mellon University's Department of Mechanical Engineering (MechE), faculty members, researchers, and students are revolutionizing focus areas in artificial intelligence (AI), engineering design, robotics, computational engineering, advanced manufacturing, and bioengineering. In addition, they are using their expertise in interdisciplinary research centers across the university.
We are seeking a Postdoctoral Research Associate to join the AiPEX Lab directed by Prof. Conrad Tucker in Mechanical Engineering. This is a dynamic opportunity for someone who thrives in an interesting and challenging work environment. You will contribute to the department by providing essential support by carrying out advanced independent and/or directed research to achieve the objectives of the research project.
Active research thrusts within the AiPEX lab include AI for complex physics-based modeling and simulation, AI for enhancing human performance and decision making, AI for advancing personalized learning, to name a few. The AiPEX lab is supported by funding from the National Science Foundation, the Air Force Research Laboratory, and several industry and foundation partners.
Your core responsibilities will include:
- Collecting and analyzing data, including periodical/literature search and utilizing specialized skills in related field to analyze the collected data.
- Conducting research experiments within the predetermined research scope and methodology of department and university.
- Participating/assisting in manuscript writing for publication in scientific journals and/or presentations. May also assist in grant writing.
- Lab maintenance, including equipment maintenance and ordering of supplies may be required depending on area and specialty.
- Other duties as assigned.
Flexibility, excellence, and passion are vital qualities within the Mechanical Engineering department. Inclusion, collaboration and cultural sensitivity are valued competencies at CMU. Therefore, we are in search of a team member who is able to effectively interact with a varied population of internal and external partners at a high level of integrity. We are looking for someone who shares our values and who will support the mission of the university through their work.
You should demonstrate:
- Analytical skills
- Oral and written communication skills
- Organization and planning skills
- Problem-solving and reasoning skills
Qualifications:
- Doctorate degree (required)
Joining the CMU team opens the door to an array of exceptional benefits, available to all full-time Carnegie Mellon University employees. Experience the full spectrum of advantages, from comprehensive medical, prescription, dental, and vision insurance to enticing retirement savings programs. Unlock your potential with tuition benefits, and take well-deserved breaks with generous paid time off and holidays. Rest easy knowing you are covered by life and accidental death and disability insurance. For a comprehensive overview of the benefits awaiting you, explore:
https://www.cmu.edu/jobs/benefits-at-a-glance.
At Carnegie Mellon, we value the whole package when extending offers of employment. Beyond just credentials, we consider the role & responsibilities, your invaluable work experience, and the knowledge gained through education and training. We acknowledge and appreciate your unique key skills and the diverse perspectives you bring. Our commitment to fostering an inclusive work environment means we also account for geographic differentials. Your journey with us is about more than just a job; it’s about finding the perfect fit for your professional growth and personal aspirations.
Are you interested in this exciting opportunity? Apply today!
Location
Pittsburgh, PA
Job Function
Pre/Post-Doctoral Associates & Fellows
Position Type
Postdoctoral Associate / Fellow (Fixed Term)
Full Time/Part time
Full time
Pay Basis
Salary
More Information:
- Please visit “Why Carnegie Mellon” to learn more about becoming part of an institution inspiring innovations that change the world.
- Click here to view a listing of employee benefits
-
Carnegie Mellon University is an Equal Opportunity Employer/Disability/Veteran.
Job Features
| Job Category | Postdoctoral |
In Carnegie Mellon University’s Department of Mechanical Engineering (MechE), faculty members, researchers, and students are revolutionizing focus areas in artificial intelligence (AI), engineer...View more