Le poste s’inscrit principalement dans le projet RAISE-AKI, visant à développer des modèles de prédiction du risque d’insuffisance rénale aiguë postopératoire à partir de données cliniques hospitalières, et dans le développement de la librairie aircohort, dédiée à la structuration reproductible des données issues des entrepôts de données de santé.

L’ingénieur de recherche interviendra comme exécutant technique principal sur le projet RAISE-AKI, sur les aspects data science et modélisation. Il sera accompagné d’étudiants en master 2 de formation initiale médicale.
Les missions incluent notamment :
●        préparation, nettoyage et structuration de données cliniques issues de l’entrepôt de données de santé de l’HEGP ;
●        conception et implémentation de features cliniques pertinentes (feature engineering) à partir de données structurées ;
●        développement, entraînement et évaluation de modèles de machine learning existants pour la prédiction du risque d’insuffisance rénale aiguë postopératoire ;
●        calibration des modèles et analyse de leurs performances ;
●        interprétation des modèles (notamment via des méthodes de type SHAP) ;
●        participation à la production des résultats scientifiques du projet (analyses, figures, tableaux)
Les développements seront réalisés principalement en Python, en s’appuyant sur scikit-learn et les outils standards de la science des données.

L’ingénieur de recherche sera contributeur principal au développement de la librairie aircohort, avec un rôle structurant sur les aspects techniques.
Les missions incluent :
●        contribution au développement de pipelines réutilisables d’extraction et de structuration de données de santé (SQL → Python) ;
●        mise en œuvre des principes de reproductibilité, traçabilité et mutualisation des traitements de données ;
●        articulation étroite entre les besoins du projet RAISE-AKI et le développement générique de la librairie (RAISE-AKI servant d’étude pilote pour aircohort) ;
●        collaboration avec les autres data scientists et chercheurs impliqués dans la librairie.
Organisation de travail :
• Durée : 6 à 7 mois
• Télétravail : 2 jours par semaines
Merci d'envoyer vos candidatures à : ivan.lerner2@aphp.fr

Formation et expérience
● Doctorat (thèse) en machine learning, data science, statistiques, informatique
● Une expérience préalable sur des données de santé ou hospitalières est souhaitable, mais non indispensable.

Compétences techniques
● Bonne maîtrise de Python pour la data science.
● Bonne maîtrise de SQL.
● Connaissances solides en machine learning (modèles tabulaires, évaluation, calibration).
● Expérience avec scikit-learn.
● Intérêt pour les problématiques de reproductibilité et de structuration des données.

Qualités personnelles
● Autonomie dans le travail.
● Rigueur scientifique et méthodologique.
● Capacité à travailler en interaction avec des cliniciens et des chercheurs.