Informations générales
Organisme de rattachement
Sorbonne Université – Faculté de Médecine
Référence
2024-1526395
Date de début de diffusion
02/04/2024
Date de parution
02/04/2024
Description du poste
Versant
Fonction Publique de l'Etat
Catégorie
Catégorie A (cadre)
Nature de l'emploi
Emploi ouvert aux titulaires et aux contractuels
Domaine / Métier
Recherche - Experte / Expert en calcul scientifique
Statut du poste
Vacant
Intitulé du poste
Data scientist pour l'inférence causale F/H (réf. 19481)
Descriptif de l'employeur
Sorbonne Université est une université pluridisciplinaire de recherche créée au 1er janvier 2018 par regroupement des universités Paris-Sorbonne et UPMC.
Déployant ses formations auprès de 55 300 étudiants dont 4 400 doctorants et 10 200 étudiants étrangers, elle emploie 6 700 enseignants, enseignants-chercheurs et chercheurs et 4 900 personnels de bibliothèque, administratifs, technique, sociaux et de santé. Son budget est de 675 M€.
Sorbonne Université dispose d’un potentiel de premier plan, principalement situé au cœur de Paris, et étend sa présence dans plus de vingt sites en Île-de-France et en région.
Sorbonne Université présente une organisation originale en trois facultés de lettres, de sciences & ingénierie et de médecine qui disposent d’une importante autonomie de mise en œuvre de la stratégie de l’université dans leur périmètre sur la base d’un contrat d’objectifs et de moyens. La gouvernance universitaire se consacre prioritairement à la promotion de la stratégie de l’université, au pilotage, au développement des partenariats et à la diversification des ressources.
Ce poste est à pourvoir au sein de la faculté de médecine • https://medecine.sorbonne-universite.fr
Descriptif du service
France Cohortes constitue une plateforme nationale de services aux cohortes inscrite sur la feuille de route nationale des infrastructures de recherche, Cette infrastructure distribuée associe plusieurs tutelles académiques dans le cadre d’une unité mixte de services (UMS). France Cohortes vise à apporter des services mutualisés aux cohortes épidémiologiques sur les aspects réglementaires, de système d’information, et sur les outils, méthodes et standards adéquats de production, de diffusion et d’exploitation de données. L’UMS France Cohortes est structurée sous forme d’une cellule centrale coordonnant plusieurs cellules de site. L’une des cellules de site est hébergée par l’Institut Pierre Louis d’Épidémiologie et de Santé Publique (IPLESP).
L’IPLESP est une unité mixte de recherche INSERM-Sorbonne Université implantée sur les sites de la Pitié-Salpêtrière et de Saint-Antoine. Composé de 6 équipes, ses recherches couvrent tous les domaines de l’épidémiologie, les biostatistiques, la modélisation statistique et mathématique, la recherche clinique (méthodologie et essais cliniques), les relations environnement – santé, les déterminants sociaux de la santé et l’organisation des soins.
En son sein plusieurs équipes mettent en place des études épidémiologiques longitudinales couvrant les champs de la recherche clinique et de la santé publique dans le but de faire progresser la connaissance et de mettre en évidence des facteurs ou mécanismes causaux de survenue d’événement.
Description du poste
Fonctions : Data scientist pour l’inférence causale
Emploi-type : Expert en information statistique
Catégorie : A
Corps : Igénieur de recherche
BAP : E
Mission :
Apporter et développer une expertise et des outils pour l’inférence causale sur données longitudinales observationnelles, y compris les données du SNDS. Contribuer à leur mise en œuvre en utilisant au mieux les données des différentes études et en recourant aux méthodes d'apprentissage statistique.
Activités principales :
- Assurer une veille scientifique, développer et mettre en œuvre des outils d'exploitation des données longitudinales à des fins d’inférence causale, en collaboration avec les cohortes,
- Veiller à permettre leur mise en œuvre sur les infrastructures de France Cohortes dans le cadre de projets de recherche menés au sein de l’IPLESP,
- Contribuer à coordonner la veille scientifique sur l’intégration des méthodes et outils issus de l'apprentissage statistique (y compris apprentissage profond) et de la science des données dans les problématiques d’inférence causale, et animer des partenariats avec des équipes de recherche du domaine en France et à l’international,
- Coordonner et organiser l’animation et la formation de la communauté des statisticiens et data scientists autour de l’exploitation des données longitudinales en présence de données riches (notamment cohortes et SNDS) et avec le recours aux méthodes (intelligence artificielle) et infrastructures (GPU) de la science des données,
- Participer au recueil du besoin et des questions émanant de chercheurs concernant la mise en œuvre de démarche d’inférence causale, pour orienter sur l’utilisation d’outils et de méthodes adaptés, et participer à rédiger des expressions de besoins pour améliorer les infrastructures de France Cohortes,
- Mettre en cohérence la démarche méthodologique de l'inférence causale et de l'apprentissage statistique avec les enjeux de la documentation et de la qualité des données en vie réelle, et ainsi contribuer à la dissémination de la démarche FAIR au sein des cohortes.
Autres activités :
- Encadrer des stagiaires, doctorants et ingénieurs.
Conduite de projets : oui
Encadrement : oui : X A
Conditions particulières d'exercice
L’agent-e sera officiellement affecté-e à l’Unité mixte de service France Cohortes. Son activité opérationnelle sera majoritairement dédiée et géographiquement située au sein d’une équipe de recherche de l’IPLESP dans le cadre de projets associés à des cohortes s’appuyant sur les services de France Cohortes.
Durant une période de 3 mois, l’agent-e travaillera au moins 2 jours par semaine au sein de la cellule centrale de France Cohortes pour s’inscrire dans la démarche de mutualisation des services. Puis il/elle consacrera un minimum d’une journée par semaine en cellule centrale pour veiller à la coordination de ses activités avec France Cohortes.
L’évaluation annuelle se fera avec le référent France Cohortes et le référent dans la cellule de site de l’IPLESP.
Descriptif du profil recherché
Connaissances transversales requises :
- Excellente maîtrise des outils statistiques d'analyses de données longitudinales dans une perspective d’inférence causale.
- Très bonnes connaissances des outils et méthodes de l'apprentissage statistique, et notamment de l’apprentissage profond et des infrastructures informatiques qui les sous-tendent,
- Connaissances générales en épidémiologie.
- Connaissance des problématiques liées à la qualité des données,
- Langue anglaise, niveau B2 à C1 (CECRL)
Savoir-faire :
- Concevoir une démarche d’inférence causale sur données observationnelles,
- Mettre en œuvre et évaluer les performances d’un modèle d’apprentissage statistique
- Mener une analyse de données et mettre en forme des résultats,
- Synthétiser la littérature scientifique,
- Rédiger de la documentation technique et méthodologique (rapport, article),
- Piloter un projet,
- Gérer et animer un groupe transversal.
Savoir-être :
- Bon relationnel et sens du travail en équipe
- Organisation de son temps entre de nombreux projets,
- Disponibilité et réactivité
- Rigueur
- Sens du service public
- Sens des responsabilités
- Esprit d’initiative, d’analyse et de synthèse
Temps plein
Oui
Informations complémentaires
Informations complémentaires
Toute candidature (CV et lettre de motivation) doit impérativement être envoyée (sous la référence 19481) à l'adresse mail : medecine-drh-recrutement@sorbonne-universite.fr
Pays
Localisation du poste
Europe, France, Île-de-France, Paris (75)
Géolocalisation du poste
91 Boulevard de l'Hôpital, 75013 Paris
Lieu d'affectation (sans géolocalisation)
91 Boulevard de l'Hôpital, 75013 Paris
Critères candidat
Niveau d'études / Diplôme
Niveau 7 Master/diplômes équivalents
Demandeur
Date de vacance de l'emploi
15/05/2024
Mail à qui adresser les candidatures (bouton postuler)
medecine-drh-recrutement@sorbonne-universite.fr.
Contact 1
medecine-drh-recrutement@sorbonne-universite.fr.