Ouverture d’un poste d’ingénieur de recherche au concours externe du CNRS : experte ou expert en calcul scientifique
| Mission : | |
| L’expert-e en calcul scientifique participera au développement et à la mise en œuvre de méthodes d’Intelligence Artificielle permettant l’exploitation des données massives de télédétection pour le suivi des écosystèmes continentaux. Il/Elle travaillera sur l’implémentation et l’adaptation d’algorithmes issus des recherches du laboratoire . Il/Elle centralisera leur développement dans les plateformes de modélisation du Centre d’Etudes Saptiales de la Biosphère (CESBIO) pour les appliquer aux recherches thématiques du laboratoire . Il/Elle assurera un rôle d’animation et de coordination inter-disciplinaire autour des méthodes d’IA au sein des différentes équipes du CESBIO. Il/Elle sera affecté(e) au sein de l’équipe Méthode d’Apprentissage Pour l’information Spatialisée (MAPS). | |
| Activités : | |
| ACTIVITÉS PRINCIPALES : – Concevoir, mettre en œuvre et évaluer des modèles d’intelligence artificielle (réseau convolutionnel, auto-encoder variationel, transformer) sur des données spatio-temporelles d’observation de la terre – Contribuer au développement de chaînes de traitement scientifiques pré-opérationnelles. Permettre le passage à l’échelle, par exemple du territoire Français – Accompagner et collaborer avec des chercheurs/chercheuses et des ingénieur-e-s pour intégrer des modèles d’IA dans les algorithmes d’analyse à grande échelle – Produire des cartographies de variables biophysiques, agronomiques et écologiques pour les écosystèmes continentaux ACTIVITÉS ASSOCIÉES : – Rédiger des publications scientifiques et des livrables de projet – Présenter les résultats lors de conférences scientifiques ou de réunions de parties prenantes – Supervision d’ingénieur-e-s d’étude en développement informatique scientifique – Veille et animation scientifique interne sur les méthodes d’IA | |
| Compétences : | |
| Connaissances scientifiques et techniques : – Maîtrise des approches d’intelligence artificielle (réseau convolutionnel, auto-encoder variationel, transformer) et d’apprentissage automatique – Compétences en développement logiciel scientifique et en bonnes pratiques de génie logiciel (git, CI/CD, tests unitaires) – Connaissance des outils et librairies de traitement géospatial (GDAL, xarray, geopandas, rasterio …) et de deep learning (PyTorch, Lightning …) – Connaissance du domaine de la télédétection et des variables biophysiques et agronomiques – Langue anglaise : B2 à C1 (cadre européen commun de référence pour les langues) Savoir être : – Capacité à travailler en environnement inter-disciplinaire – Bonnes capacités de communication écrite et orale en français et en anglais – Aptitude à encadrer et à accompagner des ingénieur-e-s d’étude en développement informatique scientifique – Compétences en animation scientifique et en veille technologique – Capacité à travailler en équipe | |
| Contexte : | |
| Le CESBIO est une unité mixte de recherche (UMR 5126) dépendant du CNES, du CNRS, de l’INRAE, de l’IRD et de l’Université de Toulouse. Nous utilisons des données d’observation de la Terre pour modéliser la dynamique des écosystèmes terrestres et l’impact du changement global et des activités humaines sur ces écosystèmes. Nos travaux combinent télédétection, modélisation physique et intelligence artificielle : l’équipe de recherche en IA MAPS (Méthode d’Apprentissage Pour l’information Spatialisée) contribue notamment au programme IA-clusters Toulousain en portant la chaire RELEO. Cette équipe travaille sur le développement de méthodes d’apprentissage machine pour l’analyse de données massives d’observation de la Terre, avec un accent particulier sur : l’agro-écologie et le suivi des écosystèmes, la fusion de données multi-modales (satellites, capteurs, données météorologiques), les modèles génératifs profonds pour la prédiction et la génération de données spatialisées et l’intégration de connaissances physiques et agronomiques dans les modèles d’IA. Elle est composé de 10 permanents (3 DR, 1 PJ, 2 CR, 1 MCF, 2 IR et 1 IE) de différents instituts (CNES, CNRS, INRAE, IRD, UT). La personne recrutée interagira avec les chercheurs de l’équipe sur le développement et le transfert des modèles vers les autres équipes du laboratoire. | |
