Poste postdoctoral d’un an en apprentissage automatique (prolongation possible) – Marseille , France

PROFIL CHERCHEUR :  Postdoc / R2 : Docteurs 
DOMAINE(S) DE RECHERCHE1 : Informatique ; Ingénierie; Mathématiques; Sciences médicales
PRINCIPAL DOMAINE OU DISCIPLINES DE RECHERCHE1 : Apprentissage automatique

DESCRIPTION DU POSTE /OFFRE 
Organisme d’accueil : Ce poste est basé au sein de l’unité de recherche SESSTIM (Sciences Economiques et Sociales de la Santé et Traitement de l’Information Médicale) de la Faculté des Sciences Médicales et Paramédicales de la Timone, Marseille, France. Le SESSTIM œuvre à produire des recherches d’excellence, multidisciplinaires et interdisciplinaires en sciences sociales et en santé publique pouvant conduire à des changements dans les différents domaines de la médecine prédictive, personnalisée, préventive et participative. Les chercheurs du SESSTIM développent ou sont associés à des projets de recherche qui tentent d’apporter des réponses aux défis actuels de la société et de ses populations et contribuent aux évolutions et avancées méthodologiques. 

Fonctions principales : Le candidat travaillera au sein de l’équipe multidisciplinaire « Méthodes quantitatives et traitement de l’information médicale (QuanTIM) », comprenant des chercheurs en épidémiologie et santé publique, des statisticiens, des biostatisticiens, des informaticiens et des data scientists. Plus précisément, il/elle sera affecté à un projet impliquant l’application et le développement de techniques d’intelligence artificielle aux données des registres du cancer. L’objectif des travaux sera de développer ou d’adapter une méthodologie d’apprentissage automatique afin d’estimer la surmortalité dans le cas de tables de mortalité en population générale insuffisamment stratifiées.

Activités :  Dans le cadre du projet MIRACLE (Méthodologie et Intelligence aRtificielle pour lA recherche épidémiologique en CancéroLogiE sur bases de données), financé par la Ligue contre le Cancer, le candidat contribuera à la valorisation des bases de données sur le cancer, notamment en population ceux. Dans ce contexte, un indicateur clé est la survie nette, qui représente la survie qui serait observée dans un monde hypothétique où les personnes mourraient uniquement de la maladie étudiée. La prise en compte de la mortalité due à d’autres causes, issue des tables de mortalité de la population générale stratifiées sur certaines variables, permet d’étudier des comparaisons entre populations et tendances. Cependant, une utilisation insuffisamment utilisée des tables de mortalité conduit à des estimations biaisées de la surmortalité. Différentes approches ont été envisagées et différents modèles ont été proposés pour estimer la surmortalité par cancer pour des variables non directement observées dans les tables de mortalité. Toutefois, les modèles reposent sur des hypothèses qui peuvent être jugées trop fortes compte tenu des besoins et des questions épidémiologiques. Le candidat se familiarisera avec les différentes approches et modèles déjà développés, puis étudiera l’apport des approches basées sur l’apprentissage automatique. Il développera ou adaptera une méthodologie basée sur l’apprentissage automatique (k-means, forêts aléatoires ou autres) pour estimer la surmortalité dans le cas de tables de mortalité de la population générale insuffisamment stratifiées. La méthodologie développée doit être adaptable à la situation où le nombre de variables non directement observées dans les tables de mortalité de la population générale n’est pas limité. Le candidat évaluera les performances de ces différentes méthodes à travers des études de simulation. Il/elle accordera une importance particulière à l’interprétation des méthodes, en mettant l’accent sur l’interprétabilité épidémiologique des résultats obtenus. Il implémentera le tout dans un package R, de préférence, ou en Python. Avec les autres chercheurs du projet, il rédigera le(s) article(s) sur ces travaux en vue d’une publication dans des revues internationales à comité de lecture (revues méthodologiques et/ou appliquées).

TYPE DE CONTRAT :  TEMPORAIRE / STATUT DE L’EMPLOI :  TEMPS PLEIN / HEURES PAR SEMAINE :  37h30 DATE
LIMITE DE CANDIDATURE :  15/06/2024 09:00
DATE DE DEBUT ENVISAGEE :  15/04/2024
DURÉE ENVISAGÉE : 12 mois (possibilité de prolongation)
EMPLOI NON FINANCÉ GRÂCE À UN PROGRAMME-CADRE DE RECHERCHE DE L’UE

LIEU(S) DE TRAVAIL :  Laboratoire SESSTIM (Sciences économiques et sociales de la santé & traitement de l’information médicale, Campus Timone, Faculté de Médecine, 27 Bd Jean Moulin, 13005 Marseille France

CE QUE NOUS OFFRONS:

Rémunération : Niveau postdoctoral; Grille salariale d’Aix-Marseille Université.

Opportunités: 

• Collaboration : en tant que membre de l’équipe, le chercheur s’engagera dans des efforts de collaboration avec ses pairs à l’intérieur et à l’extérieur de l’équipe ou du pays.
• Exposition internationale : Le chercheur aura la chance de présenter ses travaux lors de congrès internationaux.
• Implication pédagogique : Le chercheur participera activement aux unités d’enseignement de l’équipe. Il/Elle contribuera aux initiatives pédagogiques, notamment aux écoles d’été organisées par l’équipe.

Avantages :  Le SCASC (« Service Commun d’Action Sociale et Culturelle ») subventionne les frais de repas et offre une prise en charge à 50 % des frais de transport pour les déplacements professionnels. Il propose également des cours de sport, des activités culturelles, un soutien social et des services de conseil.

Informations complémentaires : Le Centre Euraxess d’Aix-Marseille Université informe les professeurs, chercheurs, postdoctorants et doctorants étrangers invités sur les démarches administratives à entreprendre avant leur arrivée à AMU et les différentes formalités pratiques à accomplir une fois en France : visas et conditions d’entrée. , assurances, aide à la recherche d’un logement, accompagnement à l’ouverture d’un compte bancaire, etc. Plus d’informations sur  le portail AMU EURAXESS

QUALIFICATIONS, DOMAINES DE RECHERCHE REQUIS, NIVEAU D’ÉDUCATION REQUIS, COMPÉTENCES PROFESSIONNELLES, AUTRES EXIGENCES DE RECHERCHE (années d’expérience en recherche  (max. 3000 caractères)

Connaissance

• Solides connaissances théoriques et appliquées des techniques d’apprentissage automatique ;
• Connaissances et compétences en analyse de survie ;
• Expertise en interprétation de modèles (ex. technique SHAP);
• Maîtrise des langages de programmation R et/ou Python.

Compétences linguistiques

• Anglais : niveau scientifique (lu, écrit, parlé).

Niveau de diplôme et expérience

• Poste de doctorat/postdoctorat avec une spécialisation en biostatistique, sciences des données, mathématiques ou statistiques appliquées.

Compétences générales : 

• Autonomie, excellentes capacités d’organisation et rigueur ;
• Capacité à travailler dans un environnement dynamique et à respecter les délais ;
• Capacité d’écoute, d’analyse et de synthèse ;
• Capacité à travailler avec des équipes multidisciplinaires;
• Etre force de propositions.

DOCUMENTS DE CANDIDATURE DEMANDÉS, CRITÈRES D’ÉLIGIBILITÉ, PROCESSUS DE SÉLECTION
Votre dossier de candidature composé de :

• Une lettre de motivation expliquant comment le candidat estime pouvoir contribuer au projet ;
• Un curriculum vitae ;
• Le rapport de soutenance de thèse.
• Une ou plusieurs lettres de recommandation seraient un avantage.
• Référence de l’offre (à indiquer systématiquement) : MIRACLE-MLLT-24

Le candidat doit être titulaire d’un doctorat en sciences avec un solide dossier académique et des publications évaluées par des pairs. 

Les candidats seront présélectionnés sur la base de leurs propositions de recherche et de leurs publications, suivis d’un processus d’entretien rigoureux. Les entretiens se dérouleront en visioconférence ou en présentiel à Marseille.

COMMENT POSTULER/  Envoyer à  roch.giorgi@univ-amu.fr et  nathalie.graffeo@univ-amu.fr

Site Internet :  https://sesstim.univ-amu.fr/fr